直升机磁流变座椅悬架缓冲系统模糊控制器设计

针对直升机座椅悬架缓冲控制问题,文章建立了结合磁流变耗能器的单自由度磁流变座椅悬架缓冲系统动力学模型。为了保证耗能器在充分耗散冲击能量的同时避免传递到人体的冲击力峰值超出人体的伤害限,以“软着陆”为控制目标,以磁流变耗能器活塞运动速度及位移作为模糊控制器的输入、阻尼器阻尼力作为控制输出设计模糊控制器的结构和控制规则,实现输出力位移曲线的“平台效应”。最后分别在6~12 m/s冲击作用速度下,通过数值仿真验证了所设计的模糊控制器的有效性,即传递到人体的冲击载荷低于人体的伤害限的同时耗能器耗能最大。与现有的线性恒定总力控制器、恒定屈服控制策略进行缓冲效果对比,结果表明:模糊控制器在实现“平台效应”、“软着陆”控制目标的同时能有效避免二次反弹。

基于动态多任务平衡方法的行人属性识别深度学习网络

深度学习网络是计算机视觉和人工智能系统的研究热点之一,行人属性识别提供了结构化的行人特征,为安防计算机视觉识别中行人检索提供了重要的信息.基于深度学习网络,提出了一种端到端的多属性识别方法,在R*CNN的基础上设计了一个端到端的行人属性识别网络,使用候选区域提取网络代替Selective Search提取第二重要的区域,建立属性识别与辅助区域提取一体化的网络,提升局部及细节属性识别的准确率;其次,为增加辅助区域的作用,将人体感兴趣区域按比例划分为整体、头、肩膀到腰及腰到脚4个部分,每个部分对应了不同属性,在任务分支层分出4个分支,使用主要区域预测对应属性的同时,分别从RPN中学习到对应的第二重要区域辅助预测;最后,提出了基于损失梯度的损失权值自动更新方法,即权重与损失的梯度逆相关,防止某个任务训练的过快或过慢.通过在行人属性数据库进行实验,整体提升了属性预测的准确率,大大缩短了识别时间.

基于弱监督迁移网络的3D人体关节点识别

针对2D图像缺少深度信息,行为姿态空间结构信息不完备的问题,提出一种基于弱监督迁移网络的3D人体关节点识别方法。首先,提出一种用于真实图像的端到端3D人体姿态估计框架,使用2D与3D混合标签图像对深度神经网络进行训练,在2D人体姿态识别子网络中,添加深度回归模块对2D人体姿态识别子网络进行改进,解决3D人体姿态识别出现的深度歧义性问题;其次,在3D人体姿态识别子网络中,引入3D几何约束对人体姿态识别进行规范化操作,针对无真实深度标签的情况,可更好地学习深度特征,有效解决存在遮挡情况的人体姿态识别问题。在Human 3.6M和MPII数据集中关节点预测平均误差低于其他方法,具有更好的3D人体姿态识别效果。