基于深度学习的汽车防追尾预警系统设计

当前主流的防追尾系统普遍存在识别因素单一、对驾驶员自身预防效果欠佳的问题,为此,设计一种基于深度学习的汽车防追尾预警系统。将YOLOv5剪枝技术、注意力机制、PID优化器等方法融入网络模型的训练中,以优化模型精度并减小模型体积;其次,以距离判断为主,速度、加速度、事故危害性判断为辅来计算车辆的追尾风险,每次预警后通过MQTT协议将数据上传至物联网平台,并在系统结束运行时对驾驶员进行安全分析。系统最终部署在TensorRT环境上进行再次优化。实验结果表明,所设计的汽车防追尾预警系统响应速度快,适应性强,判断风险较为准确。

基于Ansys的吸能盒结构优化

为提高汽车的被动安全性,通过三维软件建立了吸能盒三维模型,然后在Ansys中设计碰撞仿真实验,并结合仿真实验结果设计了2种新吸能盒结构,在Ansys中对比3种吸能盒方案的性能好坏,并以吸能盒的厚度和吸能盒直径为设计变量,以提高吸能盒缓冲能力作为实验目标进行了正交实验。通过Ansys仿真实验得出,新设计的吸能盒相比原结构,质量减轻了9.82%,碰撞力峰值减少了42.04%,刚性墙碰撞后产生的加速度最大值减少了33.24%,有效提高了防撞梁的缓冲能力。

基于对抗神经网络的增强YOLOv3模糊目标检测

针对模糊目标检测,提出一个基于生成对抗网络去模糊网络模块(Deblur)与YOLO(You Only Look Once)实时检测算法的检测网络(BL-YOLOv3)。该网络采用生成对抗网络的盲目运动去模糊图像(DeblurGAN)增强的方法对图像进行预处理,保留图像中超高质量的纹理信息并生成接近于真实场景的清晰图像。同时对YOLOv3网络进行裁剪压缩,优化对模糊目标的检测。实验结果表明,该方法有效地提升了模糊目标检测精度,在输入尺寸为416×416时检测速度可达42帧/s,mAP准确率达到了75.48%,在实际汽车防碰撞预警实时视频测试中取得较好的效果。

宝钢湛江装煤车的自动化

炼铁厂一、二期为7m焦炉。应用装煤车直行揭盖装置、机械数字孪生系统、煤口堵塞检测系统以及主动防碰撞系统等实施焦炉机车无人化综合改造,有利于实现焦炉装煤车自动化。因此,重点分析了装煤车无人驾驶的可行性。

基于51单片机的防汽车追尾碰撞报警系统设计

针对交通事故多发的现状,设计了一种以红外测距和增强型STC15单片机为核心的防汽车追尾碰撞报警系统,系统以STC15单片机作为核心控制模块,通过C语言实现了测距、报警等功能,防汽车追尾碰撞系统设计原理明确、结构较为简单、实用性强,经调试运行良好,有一定的应用前景。

直驱多轿厢电梯系统的调度控制策略

传统单轿厢电梯系统在服务于高层建筑时因电梯结构的局限性会使高峰客流时段乘客的候梯时间及乘梯时间变得相对较长.为了提高电梯系统的服务性能,结合直线电机在垂直提升系统中的优点,引入目的层预约的思想,建立了直驱多轿厢电梯系统的结构,并对多个轿厢在运行时发生碰撞的可能性进行了预防.通过采用轿厢的服务完成时间对电梯系统进行控制评估,最后将直驱多轿厢电梯群控系统与传统单轿厢系统在相同环境下进行对比仿真分析.仿真结果表明,在电梯系统的服务性能方面,直驱多轿厢电梯群控系统相比于传统单轿厢电梯系统具有更小的乘客候梯时间.