基于中国乘员的汽车座椅乘坐姿态舒适性评价分级模型

为研究汽车座椅乘员姿态舒适性问题,针对影响乘员舒适性的矢状面姿态角度指标,文中提出了一种基于中国人群覆盖范围和博弈组合赋权的评价分级方法。首先,采用动作捕捉技术获取乘员各舒适姿态角度,得到角度覆盖的人群范围,从而计算各姿态角度指标得分;采用G1法和熵权法分别计算各指标的主客观权重,基于博弈组合赋权得到各指标的综合最优权重;最终,根据各指标得分及最优权重,按照加权平均方式得到汽车座椅整体姿态舒适性评分;制订5级分级标准获取汽车座椅乘坐姿态舒适性等级。通过被试乘坐汽车座椅的主观体验评分验证建立的分级模型的可行性,为国内智能座舱的座椅姿态调节模式优化设计提供指导和依据。

基于改进YOLOv7的苹果生长状态及姿态识别

针对目前苹果在复杂环境下难以进行生长状态分类识别、姿态信息同步获取等问题,该研究提出了一种基于改进YOLOv7的苹果生长状态分类和果实姿态融合识别方法。首先改进多尺度特征融合网络,在骨干网络中增加160×160的特征尺度层,用于增强模型对微小局部特征的识别敏感度;其次引入注意力机制CBAM(convolutional block attention module),改善网络对输入图片的感兴趣目标区域的关注度;最后采用Soft-NMS算法,能够有效避免高密度重叠目标被一次抑制从而发生漏检现象。此外,结合UNet分割网络和最小外接圆及矩形特征获取未遮挡苹果姿态。试验结果表明,改进YOLOv7的识别精确率、召回率和平均识别精度分别为86.9%、80.5%和87.1%,相比原始YOLOv7模型分别提高了4.2、2.2和3.7个百分点,另外苹果姿态检测方法的准确率为94%。该文模型能够实现苹果生长状态分类及果实姿态识别,可为末端执行器提供了抓取方向,以期为苹果无损高效的采摘奠定基础。

一种适应卫星姿态侧摆机动的混合轮系控制方法

针对高稳定度轮控大型卫星因动量轮力矩小而难以满足侧摆成像任务需求问题,开展了混合轮系配置方案及控制方法研究。首先,提出常规轮系配置卫星滚动轴方向串联大力矩飞轮的混合配置方案,并设计飞轮开环前馈与常规动量轮闭环反馈相结合的控制策略;其次,设计以容许角动量最大量为权重的飞轮组前馈力矩分配律和具有角动量反馈的飞轮力矩跟踪控制方法,实现飞轮力矩合理分配及其模型不确定性导致输出力矩偏差抑制;然后,设计估计器对星体内外扰动力矩进行估计与补偿,以确保卫星高稳定度性能实现;最后,给出在轨应用情况,验证所提出方案及方法的有效性。在轨应用表明,采用该控制方法,有效缩短了整星侧摆稳定时间达100 s以上,且非机动期间姿态稳定度优于3.75×10-5(°)/s。

基于Transformer的三维人体姿态估计及其动作达成度评估

针对人机交互、医疗康复等领域存在的人体姿态分析与评估问题,本文提出了一种基于Transformer的三维人体姿态估计及其动作达成度评估方法。首先,本文定义了人体姿态的关键点及关节角,并在深度位姿估计网络(DPEN)的基础上,提出并构建了一个基于Transformer的三维人体姿态估计模型(TPEM),Transformer的引入能够更好的提取人体姿态的长时序特征;其次,利用TPEM模型对三维人体姿态估计结果,设计了基于加权3D关节角的动态时间规整算法,在时序上对不同人物同一动作的姿态进行姿态关键帧的规整匹配,并据此提出了动作达成度评估方法,用于给出动作的达成度分数;最后,通过在不同数据集上进行实验验证,TPEM在Human3.6 M数据集上实现了平均关节点误差为37.3 mm,而基于加权3D关节角的动态时间规整算法在Fit3D数据集上的平均误差帧数为5.08,展现了本文所提方法在三维人体姿态估计与动作达成度评估方面的可行性和有效性。

复杂人机共融场景中人体姿态识别及避碰策略综述

智能机器人与人类智慧的融合,即人机协作共融,已经实现了将机器人的机械优势和人类的高级认知能力集中于同一个工作架构之中,能够在复杂环境中协同作业,从而提高效率。针对复杂的人机共融场景,特别是机器人在诸如光线条件变化、背景干扰以及运动过程,对比总结了基于机器视觉的人体姿态识别方法和基于机器学习的避碰策略,详细比较各类方法的研究现状及应用,并探讨了基于深度学习的目标识别和避碰方法的发展及应用。

约束空间工业机器人姿态搜索及避障研究

为解决约束空间下机器人无碰撞目标姿态求解问题,提出一种机器人姿态快速搜索算法,并结合4种不同的路径规划算法实现工业机器人的多目标路径规划。首先,对机器人运动框架初步配置完成后,通过计算位姿矩阵得到了场景内物体坐标的动态相对关系,并在ROS中搭建规划场景;其次,提出一种基于模型和机器人逆解的机器人姿态快速搜索算法RFP,并在RoboDK中对其进行验证,验证结果表明该算法有效;最后,根据任务需求设计了路径规划流程并引入二次规划减少算法随机性的影响,提高规划成功率,应用了RRT等算法进行对比分析,仿真结果表明RRT-connect算法的规划速度与成功率高于其它算法,为样机的实现奠定了基础。

基于深度学习的二维人体姿态估计综述

人体姿态估计是近年来计算机视觉问题中的一个热门话题,它在改善人类生活方面具有巨大的益处和潜在的应用。近年来深度神经网络得到快速发展,相较于传统方法而言,采用深度学习的方法更能提取图像表征信息。综合分析近年来人体姿态估计的进展,根据检测人数分为单人和多人人体姿态估计。针对单人姿态估计,介绍了基于直接预测人体坐标点的坐标回归方法及基于预测人体关键点高斯分布的热图检测方法;针对多人姿态估计,采用解决多人到解决单人过程的自顶向下方法和直接处理多人关键点的自底向上方法。总结了各方法网络结构的特点和优缺点,并阐述当前面临的问题及未来发展趋势。

基于数据驱动的盾构竖向姿态预测深度学习模型

在盾构掘进过程中,竖向姿态控制难度较大,盾体常与设计轴线产生偏差。为解决既有盾构姿态预测模型无法准确提取数据特征和有效去除数据噪声的问题,充分挖掘盾构掘进实测数据时间序列信息,依托合肥地铁7号线耕耘路站—清潭路站区间盾构隧道工程,对收集的掘进数据进行预处理,包括去除停机状态数据及异常数据,提出用于盾构竖向姿态预测的CNN-LSTM组合模型,并将测试集上的模型预测结果与传统回归模型进行对比,最后对不同样本数量及固定网络参数时的模型性能进行研究。研究结果表明:CNN-LSTM组合模型对盾构竖向姿态的预测效果较好,在测试集上的预测平均绝对误差E_(MA)和均方根误差E_(RMS)较低,同时预测的决定系数R^(2)较高,表明模型具有较小的预测误差和较高的预测精度;与ARIMA、LSTM和SVR模型相比,CNN-LSTM模型在测试集上预测的R^(2)分别提高了1.04%、19.75%和79.63%,此外,模型的预测E_(MA)和E_(RMS)较低,并且训练耗时显著降低;不同训练集样本数量对CNN-LSTM模型性能有一定影响,当训练集样本数量与测试集样本数量之比为4:1时,模型预测的R^(2)最高,表明此时模型具有最佳的预测性能;增加训练集样本数量可能导致过拟合问题,降低模型的泛化能力,减少训练集样本数量则可能导致欠拟合问题,使模型在测试集上的预测精度下降;固定部分网络参数可以有效减少训练参数量和训练时间,同时提高模型的预测精度,当固定4层网络参数时,模型预测性能最佳,预测的R^(2)为0.93,预测的E_(MA)和E_(RMS)分别为0.029和0.048,训练耗时为46 s。

南瓜种子姿态约束定向组合式排种器设计与试验

为实现南瓜种子定向播种,提出先调整南瓜种子运动姿态再进行定向的组合式定向方法,设计了一种南瓜种子组合式定向排种器。该定向装置的关键部件包括限位清种板和导向板两部分。基于南瓜种子几何特性确定了限位清种板的结构参数。建立南瓜种子定向过程的运动学方程,明确了南瓜种子定向过程中姿态变化与导向板结构参数的关系,确定了导向板结构参数。利用CFD-DEM耦合法,验证了南瓜种子组合式排种器定向排种的可行性,确定了排种盘转速取值范围。搭建试验台,以平躺吸附率为试验指标,通过单因素试验确定了排种盘型孔直径。以单粒率为试验指标,通过单因素试验确定了负压和排种盘型孔数取值范围。选取负压、排种盘型孔数、排种盘转速为试验因素,以单粒率、定向成功率为试验指标,进行了三因素三水平二次中心组合试验,得出影响排种器单粒率的主次因素为负压、排种盘型孔数、排种盘转速,影响排种器定向成功率的主次因素为排种盘转速、负压、排种盘型孔数。对优化后参数进行田间验证试验,结果表明,当排种盘型孔数为16、负压为10kPa、排种盘转速为4r/min时,单粒率为94.7%,定向成功率为82.7%,南瓜种子落入穴盘的正负偏转角度为18.5°。

基于渐进高斯滤波融合的多视角人体姿态估计

针对视觉遮挡引起的人体姿态估计(Human pose estimation, HPE)性能下降问题,提出基于渐进高斯滤波(Progressive Gaussian filtering, PGF)融合的人体姿态估计方法.首先,设计分层性能评估方法对多视觉量测进行分类处理,以适应视觉遮挡引起的量测不确定性问题.其次,构建分布式渐进贝叶斯滤波融合框架,以及设计一种分层分类融合估计方法来提升复杂量测融合的鲁棒性和准确性.特别地,针对量测统计特性变化问题,利用局部估计间的交互信息来引导渐进量测更新,从而隐式地补偿量测不确定性.最后,仿真与实验结果表明,相比于现有的方法,所提的人体姿态估计方法具有更高的准确性和鲁棒性.

基于正弦函数拟合的高动态捷联惯导姿态更新算法

为提高捷联惯导在高动态条件下的姿态解算精度,基于等效旋转矢量泰勒级数展开法,提出一种基于正弦函数拟合的高动态捷联惯导姿态更新算法。以正弦函数拟合载体运动角速度,考虑Bortz方程高阶项的影响,对陀螺角增量表示的旋转矢量进行泰勒六阶展开,对比旋转矢量不同形式表达式求得误差补偿系数。在MATLAB平台上,以圆锥运动与大角速率转动并存环境作为仿真条件,对所提算法与传统算法进行对比仿真分析。仿真结果表明,在小半锥角低频圆锥运动伴随高速角速率转动情况下,所提算法性能较好,当半锥角为0.5°、角频率为2.26πrad/s、常值角速率为5.30 rad/s、姿态解算周期为0.02 s时,所提正弦函数拟合三子样旋转矢量算法与传统扩展形式频率级数/显示频率三子样圆锥算法相比误差降低了2个数量级。

基于拖拉机姿态特征的意象认知研究

目的挖掘拖拉机姿态与意象偏好的关系,进而指导拖拉机的造型设计。方法采用多元尺度分析法和聚类分析法筛选拖拉机的姿态样本;运用形态分析法分解并标定典型样本的姿态特征,通过语词聚类实验构建拖拉机姿态的意象空间;结合语义差分法和问卷调研获取用户对典型拖拉机样本的意象偏好,运用灰色关联分析法得到拖拉机姿态特征与意象的关联。结果得到拖拉机的8个典型姿态样本,获取了拖拉机姿态的四个语义维度下的五个代表性语义词对。明确了拖拉机姿态的特征框架和语义结构,归纳得到拖拉机姿态的意象认知规律。结论拖拉机的姿态特征蕴含着意象信息,研究结果可以为设计师解读用户的意象认知提供参考。

基于改进HopeNet的头部姿态估计方法

针对基于无需先验知识的头部姿态估计算法在复杂背景图像和多尺度图像场景下精度较差的问题,提出了一种基于改进HopeNet的头部姿态估计方法。首先在主干网络结构上增加特征融合结构使得模型能够充分利用网络的深层特征信息与浅层特征信息,提升模型的特征解析力;然后在主干网络的残差结构中增加特征压缩激励模块,使得网络能够自适应学习不同特征层重要程度的权重信息,让模型更加关注目标信息。实验结果表明,相较于HopeNet,本文方法在AFLW2000数据集上精度提升了31.15%,平均误差降到4.20°,同时在复杂背景图像场景下有较好的鲁棒性。

考虑弹头滚转姿态变化影响的防热层厚度优化

基于气动热/结构温度响应耦合计算方法,研究了弹头固定攻角再入条件下锥身典型子午面结构温度响应特性,以及滚转姿态变化时刻对各子午面结构温度响应的影响,建立了考虑弹头滚转姿态变化影响的防热层厚度优化方法,并基于该方法开展了弹头防热层厚度优化。最后,研究了滚转姿态变化次数对优化效果的影响。结果表明:在再入弹道前段进行滚转姿态变化可使外壁面气动加热量更为合理,有效降低弹体锥身壳体内壁面温升。当迎、背风面壳体内壁面最大温升约束为25 K时,与无滚转姿态变化状态下相比,滚转姿态变化设计可使防热层厚度减小0.725 mm,减小幅度为5.4%。通过与滚转姿态变化时刻的联合设计可有效降低锥身防热层厚度。与单次滚转姿态变化时相比,两次滚转姿态变化时防热层厚度减小量仅增大1.9%,增加滚转姿态变化次数对优化效果影响较小。

盾构掘进姿态控制技术研究现状与未来展望

为系统地分析我国盾构掘进姿态控制技术的研究进展,基于知网检索到的32篇相关文献,总结盾构掘进姿态的主要表征参数和影响因素,并以盾构液压推进系统为例论述其控制原理。同时,结合盾构姿态智能控制的部分案例,总结PID控制、自适应控制、模糊控制、基于神经网络的控制和基于智能算法的控制等技术的优劣势及应用场景。基于以上分析,对盾构姿态控制技术的发展方向进行展望。研究发现:1)盾构掘进姿态的影响因素主要包括几何参数、地层参数和盾构掘进参数。2)由于盾构推进系统需要同时完成盾构向前推进和姿态调整等复杂任务,因此该系统的参数对盾构姿态有着很大的影响,是姿态控制的关键因素之一。3)相较于传统PID控制方法,智能控制方法与PID控制的结合可以提高系统的响应速度、精度、适应能力和鲁棒性。4)未来研究可以围绕基于多源数据融合的控制算法、构建数据-机制混合驱动的控制技术以及加强控制技术在实际工程中的实用性等方面展开,实现更精准、更高效的盾构掘进姿态控制。

一种基于虚拟星敏感器的卫星姿态确定方法

对于配置多个星敏感器的卫星,采用常规的定常增益卡尔曼滤波方法进行姿态确定时,存在滤波定常增益矩阵众多、系统复杂的问题,为了简化滤波系统设计,统一定常增益矩阵,提出一种基于虚拟星敏感器的姿态确定方法.给出一种计算量小、适合星载计算机在轨实时计算的星敏感器时间滞后补偿及相对基准标定算法,将星敏感器的输出数据统一到当前星时,同时将星敏感器的测量基准统一.基于单星敏/双星敏的输出数据构造虚拟星敏感器(安装矩阵为单位阵)的输出数据,设计统一的定常增益矩阵进行姿态确定.仿真结果表明,本方法与常规的定常增益卡尔曼滤波方法姿态确定精度相当,从而验证该方法有效,且具有重要的工程应用价值.

基于姿态估计的粮仓作业人员摔倒检测研究

近些年时常发生粮仓作业人员因意外跌入粮堆无法自救、熏蒸作业中毒晕倒等安全问题。为了及时获取有效信息,减少对工人的伤害,提出一种自下而上的人体姿态估计方法,建立对粮仓工作人员状态检测模型。首先制作不同角度的粮仓作业视频和摔倒状态公共数据集;接着改进轻量级OpenPose算法,数据集引入算法生成骨骼图像;最后设计摔倒检测算法,得到一种基于姿态估计的粮仓作业人员摔倒检测模型。实验结果表明,检测摔倒状态准确率有所提高,轻量级OpenPose算法计算量较少,内存占用小,可以实时地检测粮仓作业人员摔倒状态。

基于CenterNet的跑步姿态鉴别系统的设计

为了改善目前大众跑步姿势普遍不规范的现状,提出了一种基于CenterNet的跑步姿态鉴别系统。首先,通过截图、拍照的方式自制数据集,并对数据集进行清洗、标注和分析,消除数据无关信息与简化数据。其次,引入多尺度通道注意力机制与添加十字星变形卷积2种方式改进CenterNet算法模型,将动作图像转化为数字信息和特征向量,并以此为基础,利用KNN(K-nearest neighbors)算法对跑步姿态类型进行分类。最后,与经典模型方案进行对比,验证改进CenterNet算法鉴别系统的有效性。结果表明:改进的CenterNet模型的精确率与召回率都有所提升,其参数量与计算量降低。所提算法模型能够对大多数不良姿势作出及时、准确反馈,有效帮助跑步爱好者发现问题,从而改善跑步姿态、提高运动效率、预防伤病。

风洞试验模型姿态精确计算

针对传统姿态角计算存在计算复杂和不准确的问题,根据理论和工程实践方法,建立向量角度坐标系,给出不同飞行姿态坐标系之间的变换与角度定义关系,能够精确计算出对应坐标系姿态角大小,并判定其方向,尤其在通道耦合计算时,使得坐标系间的姿态角计算只跟角度有关系,而跟坐标系变化次序没有关系。结果表明:该方法能简化计算过程,解决风洞实验和飞行器运动过程中姿态角求解复杂、误差大的问题。

一种贝叶斯网络的卫星姿态系统故障诊断方法

姿态控制系统是卫星系统中重要的组成部分,由于其高昂的造价,发生故障会引发恶劣的影响。随着航天科技的发展,卫星姿态控制系统也逐渐复杂,其可能发生故障的概率也随之增大。针对传统神经网络故障诊断结果缺少置信度、鲁棒性较差以及易发生过拟合的缺点,在对贝叶斯统计和深度学习理论研究的基础上,提出了一种基于贝叶斯线性层与贝叶斯卷积层的Bayesian Le Net结合的网络模型。通过对卫星姿态控制系统飞轮部件的故障数据分析和处理,进而采用该模型对故障仿真,并与贝叶斯全连接神经网络与传统Le Net进行对比,实验结果表明:在飞轮可能发生的三种故障前提下,上述网络模型准确率较高,过拟合现象较轻。验证了上述网络模型的有效性。