基于尾流时程目标识别的流场参数选择研究

浸入流场中的固体壁面会形成高度复杂且具有一定特征的尾流流场,利用尾流所包含的信息对物体的外形特征进行识别具有重要的应用价值.然而,在较高雷诺数情况下尾流流场形态及其时序特征复杂,难以通过传统的数学物理方法对流场信号进行特征的识别与提取.本文提出了基于尾流时程数据深度学习的流场特征提取与分析方法,实现了基于一点的物理量时程进行流场中物体外形的识别;同时,对流场中不同物理参数时程的识别精度与识别结果进行分析与研究,得到适用于目标识别的最优物理量参数.通过对圆柱和方柱的尾流数据研究结果表明,本文提出的基于卷积神经网络的模型具有好的训练收敛性和高的预测精度,能够识别并提取得到时程数据中包含的流场特征,采用流场横向速度时程作为物体外形识别信号的模型准确率高.证明了本方法用于浸入流场中物体外形识别的可行性,是一种目标识别的高精度方法.

移动机器人目标识别系统研究

移动机器人实现目标识别是机器人发展过程中非常重要的一个环节。本文主要研究内容是在移动机器人上通过摄像机连接视频采集卡获取外界视频信息,然后使用MATLAB编程软件对所选的图像进行图像处理,采用图像和几何外形相结合方法对目标进行识别,其中摄像头标定采用张正友标定法。仿真和实验效果都较理想。