基于改进神经网络的机器人跟踪控制算法设计

针对传统6R机器人路径跟踪过程中存在的控制精度差、效率低等问题,提出一种基于改进神经网络的机器人路径跟踪控制算法。对机器人位置和速度等信息进行状态检测,利用神经网络对机器人的运动轨迹进行预测和修正,并根据实际误差对机器人控制指令进行优化。基于岭回归算法对经典神经网络进行改进和优化,提升算法的迭代效率和参数优化能力,更加准确地预测和修正机器人的运动轨迹。仿真结果表明:与传统的PID控制算法相比,基于改进神经网络的6R机器人路径跟踪控制算法有更好的控制精度和稳定性,且所耗用的时间被控制在10 s之内。

基于机器视觉的多旋翼无人机飞行偏航控制

为了降低多旋翼无人机飞行偏航控制的超调量,并提升其抗干扰性能,提出基于机器视觉的多旋翼无人机飞行偏航控制方法。首先在无人机下方安装CCD摄像机,用于采集参考目标图像;然后利用针孔模型的相对位置解算算法,计算多旋翼无人机相对位置;最后通过比对计算位置和预先设定位置;判断无人机是否出现偏航现象。如果存在偏航现象,使用无人机姿态估计算法确定偏航角,并通过抗饱和控制器生成偏航控制量,实现对无人机的偏航控制。实验证明,该方法能够有效采集参考目标图像,获取准确的相对位置信息,具有良好的抗干扰性能。

基于YOLO的智能化铁路货车搭扣缺陷检测系统设计与实现

铁路货车列检管理是确保铁路行车安全和货物安全的重要环节,目前列检作业方式以人工检查或人机分工检查为主,检车员劳动强度较高,工作效率低,安全风险高。针对该问题,设计并实现基于YOLOv5模型的智能化铁路货车搭扣缺陷检测系统,通过采用缺陷检测与对比算法,实现搭扣座破、搭扣丢失以及搭扣未扣等缺陷智能检测、隐患自动报警,并在检车结束后自动生成检车报告,方便统计分析。实验结果表明:系统识别精度高,功能完善,可满足铁路货车列检作业的智能检测需求,从而为铁路货车列检作业向智能化发展提供有力的工具。

基于云边协同的铁路货车图像智能识别

阐述铁路货车图像检测的应用,铁路货车图像智能识别系统的架构设计,系统分为设备端、边缘端、云端和应用端,探讨资源、数据和应用的云边协同模式,从而为铁路行业与新技术应用融合提供了一个可参考的技术架构。

基于机器视觉和激光清洗的制动梁轴端除锈研究

针对目前车辆段对制动梁轴端表面除锈存在的低效耗能、劳动强度大、粉尘污染严重、除锈效果差、探伤漏检等问题,提出了基于机器视觉定位精准获取制动梁位置姿态、采用六轴机械手驱动激光清洗装置沿设计轮廓对制动梁轴端表面进行除锈的激光清洗新技术,该技术先进,设备智能高效,满足了现场探伤工艺要求,杜绝了制动梁轴端裂纹漏检隐患。

基于5G技术的铁路货车智能检测系统的研究与设计

2021年国铁集团印发《“十四五”铁路科技创新规划》《“十四五”铁路网络安全和信息化规划》及《国铁集团关于加快推进5G技术铁路应用发展的实施意见》等文件,确定在“智能铁路”方面大力推进北斗卫星导航、5G、人工智能、大数据、物联网、云计算、区块链等前沿技术与铁路技术装备、运输服务等领域的深度融合。文章基于5G技术特点,结合铁路货车智能检测需求,通过对系统架构设计、关键技术、业务功能设计以及业务从应用场景等内容的介绍,阐述铁路货车智能检测系统的研究设计和应用详情,为基于5G通信的铁路应用场景的相关研究提供参考。