A Novel Current Sensor Technique for Brushless DC Motor Drives

The torque output in a permanent magnet brushless DC motor (BLDCM) is usually controlled by regulating the motor phase currents. In this paper, three kinds of PWM strategies together with some critical review on traditional current measurements in a BLDCM drive system are discussed. A novel method for assessing the PWM information and measuring the motor phase currents by a dc link current sensor is proposed. An attractive feature of the proposed method is the simplicity with the current sample processing because there is no need to incorporate the conduction information of the power switches or diodes. Only the single sided PWM or the double sided complementary PWM is needed with the proposed technique.

基于RFID和磁导航的AGV小车S7-1200PLC控制系统设计

该项目利用S7-1200PLC作为AGV主控制器,采取驱动轮差速进行转向控制,采用磁导航传感器和RFID标签传感器实现循迹和定位功能,实现AGV小车在立体仓库、VMC850数控加工中心、CK40S数控车床、RB20工业机器人、装配单元之间产品的搬运功能。

一种多层多模态融合3D目标检测方法

在自动驾驶感知系统中视觉传感器与激光雷达是关键的信息来源,但在目前的3D目标检测任务中大部分纯点云的网络检测能力都优于图像和激光点云融合的网络,现有的研究将其原因总结为图像与雷达信息的视角错位以及异构特征难以匹配,单阶段融合算法难以充分融合二者的特征.为此,本文提出一种新的多层多模态融合的3D目标检测方法:首先,前融合阶段通过在2D检测框形成的锥视区内对点云进行局部顺序的色彩信息(Red Green Blue,RGB)涂抹编码;然后将编码后点云输入融合了自注意力机制上下文感知的通道扩充PointPillars检测网络;后融合阶段将2D候选框与3D候选框在非极大抑制之前编码为两组稀疏张量,利用相机激光雷达对象候选融合网络得出最终的3D目标检测结果.在KITTI数据集上进行的实验表明,本融合检测方法相较于纯点云网络的基线上有了显著的性能提升,平均mAP提高了6.24%.

激光雷达与惯性测量单元同步融合下的园区三维建图

针对自动驾驶三维建图中存在的建图不准确以及位姿飘移的问题,利用激光雷达里程计消除惯性测量单元(Iner-tial Measurement Unit,nIMU)累计误差并通过IMU预积分去除激光雷达点云畸变,形成激光雷达与IMU的紧耦合建图系统;通过增加回环检测因子、激光雷达里程计因子以及IMU预积分因子进行后端图优化,旨在提升定位建图的全局一致性,减小位姿估计误差,降低累计漂移误差。最后,在学校园区实地场景以及利用开源数据集KITTI进行实验验证,实验表明,在选取的学校园区实地场景下,改进算法APE误差均值相较于原算法降低了11.04%,APE均方根误差较于原算法降低了17.35%;改进算法在KITTI数据集场景下平均APE误差下降了10.04%,均方误差方面相较于原算法平均下降了12.04%。研究结果表明,改进的建图方法能够有效提高建图的位姿估计精度与地图构建精度。

激光雷达/IMU/车辆运动学约束紧耦合SLAM算法

针对自动驾驶车辆在全球导航卫星系统(GNSS)信号不足场景下的定位需求,提出了一种激光雷达/惯性测量装置(IMU)/车辆运动学约束紧耦合的同时定位与地图构建(SLAM)算法。首先,基于IMU角速度、车辆后轴轮速和前轮转角构建车辆运动学约束,将车辆运动的位移和姿态信息解耦,构建位移和姿态约束以提高优化结果的准确性;然后,根据点云特征点数量和车辆转向角度引入自适应调整系数,实时调节车辆运动学约束的权重。最后,基于IMU角速度和车辆后轴轮速构建里程计模型,为后端紧耦合优化提供精准的初始值,避免陷入局部最优。不同道路场景下的测试结果表明,所提算法与LeGO_LOAM和LIO_SAM算法相比,平均平面定位精度分别提高了32%和29%,为自动驾驶车辆提供了一种GNSS信号不足情况下的短时高精度定位解决方案。

无人农机作业环境感知技术综述

推进农业装备智能化能够有效解决农业劳动力短缺的问题。环境感知是农业装备智能化的首要条件。然而,农业环境的动态变化和非结构化特性限制了无人农机的环境感知能力。该文对无人农机的作业环境信息感知技术进行全面梳理,首先介绍了无人农机作业环境的典型要素和各类感知传感器,并分析了不同传感器的优缺点,然后分别从障碍物感知、作物行感知和农田边界及高程信息感知等方面,对无人农机作业环境信息感知技术进行归纳总结,最后讨论了无人农机作业环境信息感知技术面临的挑战及发展趋势,旨在推动环境感知技术在农业领域的应用,促进农业机械的智能化转型。

时栅动态性能在线检测系统研究

目前,时栅性能检测方法中并没有将时栅反馈到控制系统中,处于一种离线的工作模式,无法反映工作状态下的动态性能指标。为了弥补现有检测方法的不足,提出以时栅作为直驱电机反馈元件,以光栅为基准元件,以FPGA为数据采集卡核心器件采集动态数据,设计了一种时栅动态性能在线检测系统,并阐述了检测原理及软硬件设计,成功检测出时栅在线工作状态下的关键动态性能指标。实验结果表明:系统检测能反映时栅在线工作状态下的真实情况,可为进一步提升时栅的性能提供有效的检测手段。

隧道环境内无人驾驶车辆目标决策两级信息融合感知策略

基于隧道内的特殊行驶环境和无人驾驶感知需求,选择合适的传感器及硬件搭建试验车辆,构建了毫米波雷达与摄像头多传感器融合的感知系统;基于YOLOv4目标级信息融合算法和改进D-S证据理论决策级信息融合算法,提出了一种“目标决策”两级信息融合策略;最后,在城市道路隧道环境内开展了感知信息两级融合验证试验,试验结果表明:相比单一的摄像头或毫米波雷达感知效果,基于摄像头与毫米波雷达传感器感知ROI区域关联实现的目标级融合结果可以提高9.51%的识别准确率,弥补了单一传感器在隧道环境内感知技术的不足;基于目标级融合感知结果,利用改进后的D-S证据理论算法再进行决策级融合,相比于单一的目标级融合结果,误检率降低了3.61%,显著提高了检测精度。采取多传感器感知信息目标决策两级融合策略能够满足隧道特殊环境内无人驾驶车辆可靠感知需求,为推动无人驾驶技术落地应用提供了理论与技术支撑。

基于IMU与激光雷达融合的无人弹药补给车SLAM系统研究

针对单一传感器建图精度低、实时性不足的问题,将IMU融合到激光雷达SLAM算法中。首先,采用手眼标定方法对2种传感器坐标系外参进行标定,实现传感器在时间与空间上的对齐。然后,结合因子图优化模型,解决在建图过程中产生的漂移现象,并将IMU融合到激光雷达LeGO-LOAM算法中。最后,在室外场景下搭建了无人弹药补给车SLAM实验平台,分别进行了LeGO-LOAM算法融合IMU前后的建图和定位试验。结果表明,融合IMU后的SLAM算法建图和定位精度都明显提高,满足了在未知环境下无人弹药补给车建图和定位的性能要求。

双驱动自组装制备聚甲基丙烯酸甲酯嵌段聚4-乙烯基吡啶/多酚氧化酶多孔膜在酚类污染物检测中的应用

在呼吸图法的基础上引人静电作用,原位制备了功能高分子生物膜材料。聚甲基丙烯酸甲酯嵌段聚4-乙烯基吡啶(PMMA-b-P4VP)是一种两亲嵌段聚合物。亲水段P4VP和和亲水性的多酚氧化酶(PPO)在亲疏水性的驱动下同时转向了水相,形成一重驱动。调节PPO水溶液的pH值,使得PPO与电离的P4VP带异种电荷,发生静电吸引,实现二重驱动,在静电驱动下PPO跟随P4VP有序排列,更好地与酚类物质作用。膜厚度的测量结果表明,膜存在疏松的多孔状结构;接触角结果表明,更多疏水的PMMA在膜表面富集,P4VP转向膜内侧。提供了一种简便的制备方法得到能用于检测水体环境中酚类污染物电化学传感器,在测量儿茶酚溶液时线性范围为0.0010-0.030mmol^(L)-1,检出限为0.07μM。线性方程y=48.37x+0.08163,相关系数R=0.9967。存放30天后,电极对儿茶酚的响应电流仍能保持初始电流的87.4%。

基于BEV视角的多传感融合3D目标检测

3D目标检测是自动驾驶在道路环境感知任务中的重要环节,现有主流框架通过搭载多种感知设备获取多模态的数据信息来实现多传感融合检测;传统相机与激光雷达的传感器融合过程中存在几何失真,以及信息优先级不对等,导致传感融合的3D目标检测性能不足;对此,提出了一种基于鸟瞰视角(BEV)的多传感融合3D目标检测算法;利用提升-展开-投射(LSS)方式,获取图像的潜在深度分布建立图像在BEV空间下的特征;采用PV-RCNN的集合抽象法建立点云在BEV空间下的特征;该算法在统一的BEV共享空间中设计了低复杂度的特征编码网络融合多模态特征实现3D目标检测;实验结果表明,所提出的算法在检测精度上相较于纯激光方法提升4.8%,相较于传统的融合方案减少了47%的参数,并保持了相近的精度,较好地满足了自动驾驶系统道路环境感知任务的检测要求。

半导体激光器驱动器的SPICE仿真及其在气体传感系统的应用

为了提高激光器的工作可靠性和稳定性,借助TINA-SPICE软件对其驱动电路进行辅助设计,并通过电调制和光电检测系统实验检验设计效果。对驱动器的恒流输出电路的幅频特性和瞬态响应进行仿真,预测潜在的电流振荡现象,并提出一种用于补偿环路增益的易用方案。通过对比补偿前后的仿真曲线,验证了该方案的可行性。在此基础上,以STM32H743作为中央处理核心,通过触摸屏图形化设置和监测驱动电流参数,从而调度激光器驱动电路的运行。在296 K环境温度下,利用该电路进行半导体激光器电调制特性实验,通过拟合波长与电流得到调制系数为0.045 cm-1/mA。进一步地,将该控制器引入基于红外光谱吸收技术的气体传感系统,完成了对甲烷气体的定量分析。分析结果表明,所设计的电路能稳定地驱动激光器并实现对波长的精准调制,获得的气体传感系统的检测下限低于8 ppm。

基于PLD的CCDSensor驱动逻辑设计

在分析面阵CCD图像传感器驱动时序的基础上,提出一种基于PLD(可编程逻辑器件)的新型面阵CCD驱动逻辑的设计方法,旨在改善实时图像采集系统的设计流程,提高系统的性价比和采集图像的质量。克服通常单片机驱动方式的频率低、速度慢的弱点,充分发挥PLD器件的高度灵活性、天然的并行性和快速成型等特点。针对Sony公司的面阵CCD芯片ICX285AL,利用Altera公司的CPLD芯片EPM3256AQC208和大型仿真设计工具QuartusⅡ8.0 s完成驱动逻辑设计、仿真,并且已经将该方法成功应用于工业摄像头的设计和研制过程中,获得良好的效果。

导引头伺服稳定平台故障诊断及保护设计

为了实现导引头伺服稳定平台角度传感器、陀螺仪和电机驱动三大关键部件故障时的快速诊断和保护,设计了一套故障诊断和保护的方法。该方法结合关键部件的固有属性以及导引头稳定平台的工作特点,对其工作状态实时监测,一旦状态量持续或瞬间超过设定阈值,即可触发相应报警或者必要的保护措施。该方法可以很好地在前期调试中发现和定位故障,以及在导引头整机调试中出现故障时能够及时保护,防止故障扩大恶化。经试验验证,该故障诊断方法准确可靠,满足使用要求。

基于单片机的恒压供水系统设计

设计一款恒压供水系统,该系统以单片机AT89C51为核心,包括电机驱动、压力传感器、模数转换等模块。系统能够实时监测水压,当水压实测值低于设定值时增加电机转速,当实测值高于设定值时降低电机转速,以此确保恒压供水。

基于自适应校正技术的拼接型像素阵列一致性驱动方法研究

随着拼接工艺在超大阵列CMOS图像传感器中的应用,传统的时钟树同步设计方法已不再适用于像素阵列的双侧驱动电路中,同一行像素阵列的双侧驱动面临直流穿通和坏行的严重问题。基于片上自适应校正思想提出了一种可应用于拼接型像素阵列的一致性驱动方法。该方法根据芯片工作环境的变化进行自适应实时校正,具有结构简单和可靠性高等特点。基于55 nm工艺,采用所提方法在一款12288×12288的150M像素规模、芯片面积高达77 mm×84 mm的超大阵列CMOS图像传感器中进行了实际应用和全面验证。实验结果表明:在500 MHz的主时钟、125 kHz的行时钟下,双侧行驱动的非一致性由17.5 ns减小至2 ns(一个时钟周期)以内,一致性提高了9倍以上,确保了亿级像素规模的超大面阵图像传感器的帧频达到10帧以上。

一种基于目标点云分布特性的动态聚类算法

激光雷达在自动驾驶系统的目标检测任务中发挥着重要作用,但其扫描机理会使得点云分布不均匀,常规聚类算法由于参数固定会导致较多的错误聚类。为解决该问题,该文以椭圆形状作为邻域空间,设计基于采样点位置的邻域自适应调整策略,提出一种基于目标点云分布特性的动态聚类算法。通过正确聚类、过聚类等综合结果评估算法的性能,在KITTI数据集上进行了数值分析得到算法参数,并在校园环境中进行了实车对比实验。结果表明:所提算法能减少基于密度的噪声应用空间聚类(DBSCAN)中固定邻域所造成的70.60%过聚类、49.76%欠聚类等错误结果,从而有效提高算法的综合聚类性能。

SLAM技术及其在矿山无人驾驶领域的研究现状与发展趋势

无人驾驶是矿山智能化关键技术之一,其中即时定位与地图构建(SLAM)技术是实现无人驾驶的关键环节。为推动SLAM技术在矿山无人驾驶领域的发展,对SLAM技术原理、成熟地面SLAM方案、现阶段矿山SLAM研究现状、未来矿山SLAM发展趋势进行了探讨。根据SLAM技术所使用的传感器,从视觉、激光及多传感器融合3个方面分析了各自的技术原理及相应框架,指出视觉和激光SLAM技术通过单一相机或激光雷达实现,存在易受环境干扰、无法适应复杂环境等缺点,多传感器融合SLAM是目前最佳的解决方法。探究了目前矿山SLAM技术的研究现状,分析了视觉、激光、多传感器融合3种SLAM技术在井工煤矿、露天矿山的适用性与研究价值,指出多传感器融合SLAM是井工煤矿领域的最佳方案,SLAM技术在露天矿山领域研究价值不高。基于现阶段井下SLAM技术存在的难点(随时间及活动范围积累误差、各类场景引起的不良影响、各类传感器无法满足高精度SLAM算法的硬件要求),提出矿山无人驾驶领域SLAM技术未来应向多传感器融合、固态化、智能化方向发展。

浅析毫米波雷达在汽车电子中的应用

随着车载探测技术的创新变革以及汽车产业的高速发展,汽车环境感知与自动安全驾驶的迫切需求对车载传感器的性能与环境适应能力提出了更高要求。毫米波雷达以其高精度、高集成、低成本及全天候全天时工作的特性成为支撑智能辅助甚至自动驾驶的核心车载传感器,特别在复杂环境下车载毫米波雷达的研发受到重点关注。文中主要介绍了当前毫米波雷达的发展现状,论述了其工作原理、分类及特征,着重分析了毫米波雷达与传统车载传感器的区别和优势以及在研发过程中存在的问题,并指出毫米波雷达在汽车自动驾驶和先进驾驶辅助系统中获得广泛应用。

基于树莓派的多传感器远程驾驶小车设计

文章旨在创作基于树莓派控制系统的多传感器远程驾驶小车,该设计通过树莓派的处理能力和丰富的接口,实现对小车的远程操控和监视。用户可以通过一个应用程序与小车建立连接并实时控制其移动方向、速度参数等。同时,小车上搭载了摄像头和多种传感器,可以将实时的图像和环境数据传回到控制端实现对小车周围环境的远程监控和感知。此设计具有高实时性和稳定性,能适应各种复杂的场景并提供良好的用户交互体验,可运用在探索检测、巡逻、智慧交通、安防监控等领域。