基于注意力机制的毫米波雷达和视觉融合目标检测算法

传统目标检测大多基于摄像头采集图像进行,虽然近些年出现了许多优秀的检测网络,但在复杂场景下,仍存在大量漏检、误检等问题。针对这些问题,提出了一种基于注意力机制的毫米波雷达和视觉融合目标检测算法。首先将毫米波雷达数据进行扇形点云柱编码(Fan-shaped Cloud Pillar Code,FCPC),将其转换为前景伪图像;然后,再将其通过坐标关系映射到像素平面,使用卷积注意力模块(Convolutional Block Attention Module,CBAM)对两者特征数据进行融合;采用Yolov4-tiny对融合特征进行检测,并引入Focal Loss对原损失函数进行改进以解决正负样本不均的问题。在Nuscenes数据集上进行模型验证与对比,结果表明,该算法在复杂场景下相比其他单传感器检测算法如Yolov3、Efficientent以及Faster-RCNN等,无论平均检测精度(mean Average Precision,mAP)还是每秒检测帧数(Frames Per Second,FPS)都有明显的提升。

兆瓦级风电叶片静力加载控制系统设计及试验

设计了一套兆瓦级风电叶片全尺寸静力加载控制系统,阐述了其构成及工作原理。采用最小二乘法对传感采集数据进行拟合,提高了数据精度。基于控制器局域网(CAN)总线构建两级网络的分布式检测与控制系统,将耦合的多通道加载系统等效为多个具有干扰的单通道加载系统。基于AMES-im和MATLAB/Simulink软件构建静力加载耦合仿真模型,首次将无模型自适应(MFAC)算法应用于静力加载过程的牵引力解耦控制。仿真结果表明:被控对象在一定的变刚度、变阻尼条件下,采用MFAC算法可有效减小牵引力耦合,保证牵引力误差小于2.0%,控制效果明显好于传统的控制算法。现场试验证明:静力加载控制系统可保证大柔度叶片远距离、连续、平稳、协调加载,特定阶段的加载精度优于1.0%(满量程),完全满足兆瓦级风电叶片全尺寸静力加载试验要求。

海上风机导管架基础调平装置夹桩器结构分析

针对用于海上风机导管架基础平台建设的导管架基础调平装置,在夹桩器结构设计分析过程中,采用ANSYS软件完成了对夹桩圈强度和刚度的结构分析,利用集中载荷作用于短悬臂梁和间断式载荷作用于薄壁结构的应力分析方法对夹桩器压块在满足夹持力的情况下,对压块齿强度和钢管桩的不均匀外压圆柱薄壳侧压稳定性进行分析设计。设计结果满足工程要求,整个分析过程和得到的结果,为海上风机基础调平装置的实际工程运用提供了理论依据。

大型风电叶片模具分布式翻转同步控制系统

针对风力发电叶片产业的迅猛发展,搭建CAN总线分布式液压翻转控制系统,分析变频调速与机械结构运动关系以及虚拟主令式PID控制方案,以满足叶片模具翻转系统的同步性和翻转平稳性要求。

基于时空注意的毫米波雷达人体活动识别网络

为了解决传统方式利用摄像头进行人体活动识别抗干扰性差以及侵犯用户隐私的问题,提出一种基于时空注意的毫米波雷达3D点云数据的人体活动识别网络,以实现智能应用上下文的准确感知。该网络首先使用二级滑动时间窗口分别累积和分离人体活动产生的点云数据作为分类器的输入,利用PointLSTM单元根据点云坐标关系聚合点特征和状态以提取人体活动的时间序列特征;然后拼接时空特征,通过采样分组模块降低整体网络计算量以及提升网络对局部特征的聚合能力;最后使用堆叠的注意力模块深度融合动态点云数据时空上的全局和局部特征以完成对人体活动任务的准确分类。利用毫米波雷达采集了多种人体活动点云数据集,实验结果表明,提出的时空注意网络平均准确度可达98.64%,能够有效识别复杂且差异小的人体活动类型,完成人体活动识别系统的要求。