基于卷积神经网络与可视图像的类滑动放电模式识别

为了提高机器学习算法对类滑动放电模式识别的准确率,提出了一种基于卷积神经网络(convolutional neuralnetworks,CNN)与可视图像识别电晕放电、弥散放电和类滑动放电等模式的方法。通过选取气体体积流量0~16 L/min、电极间隙2~10 mm、脉冲频率0.5~3 kHz等不同条件下的类滑动放电图像构建图像库,搭建CNN模型并优化影响CNN识别性能的超参数,包括网络层数、全连接层(full connected layer,FC)神经元数、卷积核尺寸以及激活函数类型,最后比较了CNN与决策树(decision tree,DT)算法和随机森林(random decision forests,RF)算法的识别效果。结果表明,CNN识别准确率为100%,高于传统机器学习方法。此外,本文还给出了放电模式及条件参数,通过基于反向传播神经网络(back propagation neural networks,BPNN)的聚类分析算法识别弥散放电和类滑动放电,并且准确率为100%。

基于无模型自适应控制的视觉伺服

传统的机器人视觉伺服控制技术需要已知机器人精确的动力学和运动学模型以及机器人的手-眼参数。然而,由于机器人建模、手-眼标定等过程存在一定误差,因此很难精确获得视觉伺服控制模型,从而影响机器人视觉伺服系统的精度和收敛速度。针对这一难题,本文提出一种基于无模型自适应控制方法(MFAC)的机器人视觉伺服技术。利用视觉伺服系统的输入与输出数据,实现自适应视觉伺服控制,即通过MFAC在线估计机器人伺服控制器中的雅各比矩阵,并结合滑模控制器,实现机器人对目标的快速精确跟踪。实验结果表明,本文提出的方法在系统参数变化引起的未知扰动情况下仍能保证伺服控制器平稳收敛,并且能够减小视觉跟踪误差。

面向模块化设计的水下机器人集群编队控制

针对在近海环境下,利用“以机代人”进行自主特种作业的实际需求,设计研发模块化可重构水下机器人,并提出一种基于领航者-虚拟结构的编队策略。首先针对几种不同的典型水下作业任务,依据重构方案设计异构水下机器集群;然后根据水平面三自由度运动学和动力学方程,推导水下机器人集群的动态误差模型;针对路径已知的集群编队问题提出领航者-虚拟结构策略,其中跟随者水下机器人采用基于通信时延补偿的滑模控制器进行跟踪。结果表明,该控制策略可以快速形成队形且轨迹误差小于5%。最后应用3种已开发完成的水下机器人,在可视化仿真平台中进行实验验证,证明该异构水下机器人集群编队方法合理高效。

Sliding Mode Variable Structure Control for Visual Servoing System

A visual servoing tracking controller is proposed based on the sliding mode control theory in order to achieve strong robustness against parameter variations and external disturbances. A sliding plane with time delay compensation is presented by the pre-estimate of states. To reduce the chattering of the sliding mode controller, a modified exponential reaching law and hyperbolic tangent function are applied to the design of visual controller and robot joint controller. Simulation results show that the visual servoing control scheme is robust and has good tracking performance.

视倾角公式在滑坡中视向滑面倾角的确定与研究

以某高速公路路堑边坡岩质顺层滑坡为例,在进行此类滑坡稳定性分析及剩余下滑力演算时,将三维立体问题转换为平面应变问题,沿滑动方向的视倾角即为视向滑面倾角,得到滑坡受力分析的基本参数,进而按照相关规范计算方法得到滑坡稳定性分析的一系列成果,对其他工程地质条件类似的滑坡治理工程也有一定的借鉴意义。

Visual Basic与AutoCAD二次开发的联合应用

对AutoCAD二次开发中用到的方法进行了介绍,然后以抗滑桩的配筋计算作为例子,以VB为编程工具,讨论了应用ActiveX对AutoCAD进行二次开发的方法,指出VB程序界面友好,便于操作,利用VB进行可视化设计可以给用户带来很大的方便。

一种深度神经网络SAR图像目标识别可视化方法

针对深度神经网络模型判别模型构建依据不清晰的问题,提出一种基于特征缺损的雷达SAR图像目标识别分析方法.该方法移除目标图像的局部特征信息,并将其作为输入样本,获取深度神经网络识别结果的变化关系,根据深度神经网络模型分类输出结果的变化情况,分析深度神经网络实现目标分类的原理.在公开的MSTAR数据集上的实验表明,该方法可以有效展现目标不同区域的信息对深度网络识别的影响,实现深度神经网络识别的可视化分析.

受电弓滑板轮廓检测中多视觉传感器全局标定方法研究

针对受电弓滑板轮廓检测中,碳滑板横向空间尺度大、传感器视角交叉的特点,提出一种地面多视觉传感器系统配置方案及二维靶标和三维靶标相结合的标定方法,对检测系统中的多视觉传感器进行全局标定。首先采用二维靶标标定单个视觉传感器,完成单视觉传感器标定后,将三维靶标置于相邻两视觉传感器的交叉视角范围内,通过靶标在不同摄像机视角下三维特征点之间的映射关系,求解相邻摄像机的外部参数。综合所有摄像机的内外部参数、结构光平面方程,建立统一坐标系下的数学标定模型。最后通过三维靶标特征点相对间距和真实距离对比进行试验验证。研究结果表明该方法标定精度较高、可操作性好、结构稳定,能够有效进行滑板轮廓测量工作。

基于自适应RRT与积分滑模的机器人避障跟踪控制

针对机器人在复杂场景下躲避障碍物以及跟踪运动中的目标等问题,提出一种自适应快速扩展随机树(RRT)与积分滑模的机器人避障跟踪控制。首先,在传统的RRT算法中加入自适应采样概率与自适应步长等策略,用于减少采样点,提高路径搜索速度,并通过五次多项式插值将得到的无碰撞路径点拟合成一条光滑的曲线,减少机器人运行中的抖动;其次,采用积分滑模算法设计了基于图像的视觉伺服控制器,保证系统具有快速跟踪性能与良好的鲁棒性;最后,通过仿真和实验证实,自适应RRT算法具有采样节点少,收敛速度快等优势,所提出的视觉伺服控制器也能够在不同的目标移动速度下对其实现精确跟踪。

四旋翼无人机基于图像的抗干扰视觉伺服控制

针对四旋翼无人机视觉伺服过程中易受到干扰的问题,利用积分反步滑模控制方法设计基于图像的四旋翼无人机视觉伺服抗干扰的非线性控制器。选择图像矩作为特征,利用虚拟相机平面改进存在模型不确定和外部干扰的动力学模型。针对难以直接测量的虚拟平面的线速度,通过反步法设计线速度估计器,提高了控制的准确性。通过Lyapunov理论证明了所提出的全局积分反步滑模控制器的稳定性。仿真实验结果证明了设计的控制器的有效性和鲁棒性。

基于视觉反馈的桥吊自适应滑模防摇控制

为了提高桥式吊车的运行效率,提出了一种基于视觉反馈的桥吊控制方案。首先,采用单目视觉系统、改进的均值漂移算法和最小面积圆法,获取负载的摆角,同时,提出了一种信息融合方案,用于提高检测的精度。其次,提出使用自适应积分滑模面设计控制器。控制器中通过使用积分环节,提高系统的鲁棒性,用于应对视觉系统中反馈延迟的影响,自适应项则用于改善动态性能。此外,为了削弱抖振现象,设计了一种新的自适应趋近律。其中的自适应切换增益能够灵活抑制外部扰动,提高系统的鲁棒性。最后,利用李雅普诺夫理论分析了控制系统的稳定性,并通过仿真验证了所提控制器的有效性。

基于改进ORB特征提取匹配与关键帧选择的VSLAM

针对传统ORB算法提取的特征点和弱光条件下特征点匹配点对的数量较少的问题,提出了采用自适应阈值提取ORB特征点结合暗通道先验去雾算法的方法,特征点数量均值提升比为251.35%,匹配特征点对提升比约为191.67%。为解决视觉SLAM跟踪时经典关键帧选择策略信息利用率较低的问题,设计了一个基于滑动窗口关键帧选择的跟踪模块。后端模块采用局部BA优化加全局位姿图优化的方式,建图模块通过PCL库产生稠密点云地图以提供更为丰富的纹理信息。利用开源的TUM GRB-D数据集对算法进行测试评估,实验结果表明,该系统得到的位姿均方根误差为0.0098,有着较好的准确性和有效性。

弱纹理环境下的视觉惯性里程计优化方法

基于视觉的机器人自主定位与导航系统都是利用点特征进行工作,但在弱纹理环境中,无法提取充足的点特征,系统的精度与鲁棒性就会下降。为此,提出了一种弱纹理环境下的视觉惯性里程计优化方法。将点线特征融合,相对于点特征,线特征在弱纹理环境下有较强的鲁棒性,可提供更多的环境几何结构信息,有利于三维地图的构建。为了提高精度,使用紧耦合的方式将相机与IMU采集到的数据融合。利用滑动窗口算法,将IMU预积分后的误差与点线重投影误差,在滑动窗口中用最小化误差函数的方式进行优化。通过EuRoc数据集,将优化后的系统与VINS-Mono系统进行比较。经测试,不同场景中的几组数据的绝对轨迹误差都很小,且均方根误差下降3%左右。验证了算法的精度与鲁棒性。

基于视觉图像的全向移动机器人轨迹跟踪控制研究

机器人轨迹节点跟踪比较难,导致机器人实际轨迹偏离期望轨迹,所以设计基于视觉图像的全向移动机器人轨迹跟踪控制方法;构建全向移动机器人的运动学数学模型,以此确定机器人移动轨迹数学模型;以移动轨迹数学模型为基础,按照视觉图像划分标准对全向移动机器人运动图像的分割,通过分离目标节点的方式提取运动学特征参量,完成机器人轨迹节点跟踪处理;结合节点跟踪处理结果,将运动学不等式与误差向量作为机器人轨迹跟踪控制的约束条件,利用滑模变结构搭建轨迹跟踪控制模型,实现全向移动机器人轨迹跟踪控制;对比实验结果表明,所设计的方法应用后,全向移动机器人角速度曲线、线速度曲线与期望运动轨迹曲线之间的贴合程度均超过90%,满足全向移动机器人轨迹跟踪控制要求。

虚拟切片在组织学实验考试中的应用

目的探讨虚拟切片在组织学考试中的应用方法,评价应用效果。方法组织学实验考试采用传统切片拍照(PDF形式),混合切片与虚拟切片结合的方式。通过各部分考试试题分析与成绩计算统计,比较虚拟切片部分的难度、区分度与其他两种方法的差异。结果通过两年的实践和对考试试题、成绩的分析显示,虚拟切片试题难度系数0.67,较传统的切片观察、混合片考试为高,平均成绩显著低于这两种考试形式(P<0.01)。区分度计算显示虚拟切片试题区分度为0.51,高于另两种实验考试形式。虚拟切片成绩与理论考试成绩呈中度正相关。结论虚拟切片用于实验考试具有一定难度,但有良好的区分度,又有利于培养学生的分析能力,不失为一种好的考试方式。

垂直起降无人机基于图像的目标跟踪控制

针对安装有惯性测量单元和摄像机的低成本四旋翼无人机,研究无位置、速度、航向测量情况下的机动目标基于图像的跟踪控制方法.首先,结合无人机的动力学方程在图像空间中推导了系统的误差方程.其次,为克服无航向测量的问题,设计了一种位置控制器,使用图像矩作为反馈输入并输出油门和姿态指令.最后,针对缺少图像速度测量问题,设计了一种super-twisting滑模观测器和控制器,生成的期望姿态和拉力指令无颤振,并通过李雅普诺夫理论证明了控制系统的稳定性.最终无人机通过调整倾斜姿态实现了跟踪飞行,且避免了响应慢的航向调整.跟踪机动目标的仿真结果验证了所提出方法的有效性.

悬臂式掘进机器人巷道成形智能截割控制系统研究

针对目前煤矿井下掘进过程自动化程度低、掘进效率低、巷道成型质量差等问题,提出了一种悬臂式掘进机器人巷道成形智能截割控制系统。该系统结合巷道尺寸和截割工艺要求,基于三次多项式光滑函数的悬臂式掘进机器人关节空间轨迹规划方法,通过建立的悬臂式掘进机器人坐标系统及悬臂式掘进机器人运动学正问题与逆问题求解,确定轨迹规划光滑函数参数;规划好截割轨迹后,以视觉定位方法获得的悬臂式掘进机器人截割头位姿数据作为反馈量,基于反馈线性化积分滑模控制器的截割轨迹控制算法实时计算控制量,以规划轨迹点和视觉测量位姿点构建反馈控制系统,实现对悬臂式掘进机器人巷道成形截割过程的动态控制。实验结果表明,该系统能够实现悬臂式掘进机器人巷道成形截割过程的智能控制,定位精度高,稳定性好,轨迹跟踪误差小于25.61mm,可满足巷道成形质量需求。

矩形窄缝过冷沸腾汽泡滑移起始点可视化初步研究

采用高速摄像仪对矩形窄缝汽泡滑移起始点进行了可视化实验初步研究。实验发现,在1.3mm的矩形窄缝中,汽泡滑移起始点在壁面上的分布呈抛物线形状,质量流密度、热流密度和系统压力对汽泡滑移起始点位置影响较大;表面粗糙度和流体波动对汽泡滑移起始点位置和滑移起始点汽泡尺寸大小有较为明显影响。

IDL支持下的滑坡可视化方法研究

以三峡库区榨坊坪滑坡体为例 ,详细阐述了滑坡体地面模型和滑动面三维模型的构建与可视化显示方法。利用集大型数据分析、可视化和跨平台应用开发为一体的最新可视化软件 IDL ,将 IDL中的 TRIANGUL ATE函数和TRIGRID函数相结合 ,建立了基于 Delaunay三角网的滑坡体规则格网地面模型和滑动面三维可视化模型 ,实现了该滑坡体的三维模拟与再现 ,为滑坡体的研究与分析提供了科学、方便、强有力的依据。

基于多视觉传感器的受电弓滑板磨耗检测系统设计

针对列车受电弓滑板磨耗检测需求的不断增加,设计一种基于多视觉传感器的受电弓滑板磨耗自动检测系统。该系统通过安装在检测线龙门架上的多台视觉传感器获取受电弓滑板高精度三维点云,通过建立基于多视觉传感器的组合标定模型,将各视觉传感器坐标系下的滑板数据统一于全局坐标系下,拼接得到完整的滑板表面轮廓;采用基于矩形包围盒的体素栅格对原始滑板点云进行下采样,采样后的点云通过密度聚类算法对滑板和托板进行目标数据聚类;最后拟合托板平面,根据滑板平面和托板平面的高度差计算滑板剩余磨耗量。通过试验证明,该系统在保持较高测量精度的情况下,同时具有较高重复精度、稳定可靠,达到工程实际应用要求。