基于视频分析的车站客流计数研究

基于视频分析,对实时获取车站的客流量的方法进行了研究。对获得的视频图像进行了背景分离以及补偿填充与合并操作,设计了一种改进的Hough变换算法,并引入重合圆判断条件,以此提取人体头部区域的类圆形特征,采用基于区域的跟踪方法以及计数线的方法实现目标的跟踪计数。通过实验分析得到,采用所提计数方法,识别出每帧图像的平均时间约为193 ms,识别的准确率达到了92.33%,造成误差的主要原因为误检外物类圆特征,其误差率约为6.67%,较为符合实际车站客流计数的应用需求。

基于模糊神经网络的破障武器PID控制

火箭破障武器装甲车在道路起伏的环境中车体易产生振动,在发射火箭炮破障弹时也会产生较大的振动,这些容易导致再次调炮破障时方向角度出现偏差影响破障精度,同时,其他扰动和不确定因素的存在也使得破障武器系统成为非线性时变系统。利用模糊控制良好的鲁棒性、适应性以及神经网络的自适应、自学习的能力,提出一种基于模糊RBF神经网络PID控制方法,同时采用K-means层次聚类对模糊神经网络的结构参数值进行初始化,采用LM算法对模糊神经网络进行训练。仿真结果表明,该方法可以有效提高系统的抗干扰能力、破障精度以及加快调炮的快速性。

基于RBF神经网络的破障武器内模PID控制

针对破障武器伺服系统中存在的非线性、参数时变和不确定性等因素,提出了一种基于RBF神经网络的内模PID控制策略。通过RBF神经网络对内模PID控制器的唯一参数进行调节,同时对RBF神经网络采用LM算法进行训练。仿真结果表明,控制方法具有良好的系统动态品质、鲁棒性和抗干扰能力,能够有效地加快破障武器的调炮速度以及提高破障武器的破障精度。

基于模糊RBF神经网络的大口径武器PID控制

针对大口径武器液压伺服系统控制时内部参数的不确定性和时变性问题,利用模糊控制鲁棒性强和容错能力好的特点,对传统PID控制进行改造,同时结合RBF神经网络来解决模糊控制精度差的问题。此外,利用蚁群聚类对RBF神经网络的初始参数进行初始化,采用共轭梯度法对神经网络进行优化训练。仿真结果表明,该控制策略能较好地抑制大口径武器系统的时变性与非线性问题,同时保证了系统的调炮速度和精度。

某交流伺服系统的神经网络自抗扰控制

针对采用永磁同步电机(PMSM)驱动的某车载稳定平台交流伺服系统存在摩擦力矩、惯性力矩、负载扰动等一系列复杂非线性问题,考虑到自抗扰控制的抗扰能力强和BP神经网络的自我学习能力强的特点,设计了一种BP神经网络改进型自抗扰控制器(BPNN-ADRC)。为了简化自抗扰控制耗时费力的参数整定过程,采用BP神经网络对自抗扰控制器中的重要参数进行在线整定;针对BP神经网络收敛速度慢、易陷入局部最优的缺陷,引入遗传算法对其初始连接节点的权重进行在线寻优,以期进一步提高系统的控制精度。仿真实验结果显示:该控制策略能有效提升系统的抗干扰能力,为提高车载稳定平台伺服系统的控制性能提出了一种可行的方案。

某随动平台模糊RBF神经网络终端滑模控制设计

为了提高某随动系统负载模拟器加载系统的力矩跟踪精度,提出一种模糊RBF神经网络终端滑模复合控制方法。首先通过对随动负载模拟器的系统组成和工作原理的分析,简化力矩电机模型,根据扭矩传感器和惯量盘的模型,建立随动负载模拟器的简化等效模型。随后设计了一种快速终端滑模控制器,为了提高滑模的动态品质,利用模糊神经网络方法动态调节滑模面参数。同时,为了提高模糊RBF神经网络的学习和训练速度,用最近邻层次聚类和共轭梯度算法调整网络各参数,并对算法进行局部优化以提高算法性能。最后进行仿真,证明该方法提高了系统控制精度且具有良好的动态特性。

侦察车云台伺服系统的改进自抗扰控制

某型号侦察车云台伺服系统是复杂的非线性时变系统。为了提高观瞄设备在侦察车作业时的稳定性,克服伺服系统自身存在的非线性问题,将自抗扰控制(ADRC)融入到控制系统中。针对ADRC参数庞杂、整定繁琐的问题,采用改进的自适应遗传算法对ADRC中的重要参数进行在线整定。仿真结果表明:该方法可明显提高车载云台伺服系统的观瞄精度和控制性能,并具有一定的抗干扰能力。

大口径武器双阀液压伺服系统控制方法研究

大口径武器液压伺服系统油泵以往大多采用进口的变量泵,要求用伺服阀和比例阀组合代替实现流量和压力控制,即用比例阀和伺服阀同时控制,以保证响应速度。当接近理想位置时,关闭比例阀,只用伺服阀单独调节。首先采用Bang-Bang(开关)控制,实现对比例阀的快速切换;然后考虑到液压控制元件会引起系统的非线性问题,采用模糊PID控制器来改善伺服阀单独控制时的系统性能,以保证较好的位置追踪精度;最后利用Simulink仿真分析系统控制性能。仿真结果表明,使用的双阀模糊PID控制策略能够较好地提高大口径武器的控制精度和速度。

基于改进的R-FCN刀闸检测算法研究

文章针对变电站刀闸检测时受环境遮挡造成的误检和漏检问题,提出一种联合全局特征的R-FCN网络模型,模型通过对R-FCN输出预测网络并联融入全局特征预测模块,补充原始网络通过局部特征预测刀闸时产生的感受野不足缺陷,提升对部分遮挡的刀闸检测准确率。以存在部分遮挡的刀闸数据为实验对象,以AP_(50),AP_(75),AP作为评价指标进行实验验证,结果显示,检测准确率分别达到了97.7%,95.6%,79.4%,均高出对比实验的R-FCN算法、Faster R-CNN算法与FPN算法的检测准确率。

基于SMDO的非线性预测射击线稳定控制

针对一款海上武器随动系统的非线性、干扰未知性的难题,提出基于滑模干扰观测器(SMDO)的非线性预测控制策略,该复合控制策略利用滑模干扰观测器,对海浪波动、负载变化和系统不确定性等进行逼近,并依据观测器的输出进行前馈补偿和预测控制的模型修正,使得预测控制的滚动优化能够时刻保持在贴近实际系统的基础之上,从而实现提高整个控制策略性能的目的。在设计基于滑模干扰观测器的非线性预测控制器时,采用基于连续时间的非线性系统预测控制方法,与基于滑模干扰观测器相结合,最终设计出海上武器射击线稳定控制的复合控制律。仿真结果表明,该控制策略可以有效提高海上武器射击线稳定控制的抗干扰能力、打击目标精度以及海上武器动态稳定瞄准性能。

基于部分加权损失函数的SSD仪表字符检测方法研究

针对变电站中数字仪表字符受环境、类间数量不平衡导致的识别准确率底的问题,文章提出了一种基于部分加权损失函数的SSD字符检测方法。文章先通过对SSD的分类损失函数引入类间样本平衡因子,提升少样本的仪表字符类别的关注度;再结合多任务平衡因子,调节分类损失和回归损失之间对权重更新速率差异。实验以存在类间样本数量不平衡的仪表字符为对象,与SSD进行对比,基于部分加权损失函数的SSD对仪表字符检测,mAP-50提升了3.23个百分点。