课程文献中心 更多>>

关键词： 永磁同步电机   相电流重构   单电阻  

摘要： 为了减小永磁同步电机(PMSM)控制器的成本,提出了一种仅使用一个电阻来采样母线的电流,通过母线的电流来重新构建三相电流的方法。通过对单电阻采样原理进行分析,将不可采样区域分为两类:低占空比不可采样区和扇区过渡不可采样区。在低占空比不可采样区,对两相交替注入采样脉冲,在扇区过渡不可采样区,对一相注入采样脉冲,采样脉冲固定在脉宽调制(PWM)波的中心,并将PWM前移和后移保证占空比不变。该方法可实现PMSM全范围相电流重新构建,并获得良好的矢量控制效果。该实验基于CKS32F103C8T6平台,设计了PMSM控制系统,验证了所提采样方法的正确性。

关键词： LSTM算法   机车   轴承   温度预测  

摘要： 随着铁路运输的发展,机车运行的线路条件更加复杂,运行速度逐渐加快,驱动轴承的转速和负荷也随之加大,故障率因此提升。为了提早检测出驱动轴承异常问题,文章提出了一种基于LSTM算法的机车驱动轴承温度预测方法,并结合机车故障预测和健康管理系统的数据库研究了不同训练因子对温度预测精度的影响,分析得到最优训练因子并融入算法,提高了算法的预测能力,以期更早发现轴承温度异常发展趋势,从而做到提前干预,降低其故障率。

关键词： 反向散射定位   环境物联网   无线通信与网络   通信感知一体化  

摘要： 环境反向散射技术以低功耗、低成本的特点,被认为是分布式光伏场景的潜在解决方案之一。在未来的分布式光伏系统中,为实现对离散分布的光伏电站智能监测与管理,需要配备物联网信息终端,从多个位置采集传感数据并对采集节点进行精确定位。针对现有的反向散射定位系统依赖多个终端对单个环境物联网(Ambient Internet of Things,Ambient IoT)节点进行定位,限制了在复杂场景中的适用性问题,提出了一种仅使用单个物联网终端的环境反向散射智能通信与感知系统。系统利用反向散射信号的信道参数随时间变化更加稳定的特点,将反向散射信号从丰富的多径信号中分离并获取信道参数估计;反向散射标签进行开关键控(On-Off Keying,OOK)调制,利用调制的数据实现多个标签与相应的信道参数估计关联;利用获得的参数进行三角定位确定多个标签的位置;联合优化框架利用多个标签的位置估计,有效减轻了测量误差的影响。实验结果表明,系统实现了0.35 m的中位数定位精度和1.18 m的90%定位精度。

关键词： 工业仿真软件   数字化转型   机器学习   优化算法   智能制造  

摘要： 工业仿真软件已成为推动装备制造企业数字化转型与优化升级的重要工具。针对某集团智能机加工房的原设计方案,利用工业仿真软件对产房生产线进行数字化建模与模拟运行。通过对数控机床等设备的布局、利用率、物流路径和人机工程的仿真数据进行分析,识别出智能机加工房当前存在的问题,并进一步引入机器学习优化算法,对仿真数据进行深度分析和优化,生成最优配置方案,再回归工业仿真软件进行验证,最终落地实施最优生产方案,极大提升了生产效率,降低了企业投资成本。研究展示了机器学习算法驱动的数字化仿真在智能制造中的创新应用,为数字化转型的推动和应用做出贡献。

关键词： 煤矸石   YOLOv8   超分辨重构   注意力机制  

摘要： 针对煤矿复杂环境下煤矸石检测精度低的问题,本文提出了一种基于深度注意力模型的YOLOv8煤矸石检测算法。首先,通过超分辨重构算法对待检测目标图像进行预处理,提升图像对比度,增强图像质量;然后,针对输送带高速运转易导致图像模糊进而造成煤矸石难以准确检测的问题,在YOLOv8算法框架下通过改进网络的卷积层进而提高检测速度,并通过优化网络的NMS来提高算法对遮挡目标的检测精度;其次,针对输送带待检测目标受矿井复杂环境影响造成显著性降低导致其难以准确检测的问题,在上述改进的算法框架下通过融合卷积块注意模型来提高图像中煤矸石的显著度,进而提高目标的检测精度;最后,利用煤矿输送带监控视频数据制备训练样本和测试样本,并将提出的算法与YOLOv8、SSD和Faster-RCNN等经典的目标检测算法进行对比。实验结果表明,本文提出的煤矸石检测算法在应对输送带高速运转、复杂环境干扰以及部分目标物存在遮挡的情况时具有较高的检测精度,同时保持了较好的实时性。

关键词： 火灾检测   YOLOv5   注意力模块   多分支卷积  

摘要： 预警火灾对人类生命财产安全具有重要意义。为了提高算法在实际火灾场景中的检测能力,文章提出了一种基于YOLOv5改进的火灾检测算法YOLO-IFD。在YOLOv5网络的基础上进行改进,首先在主干网络中嵌入Shuffle模块,通过学习通道特征和空间特征,保持高分辨率信息,从而抑制冗余特征,同时增强全局和局部特征的提取能力;其次,引入一种新的残差双重注意力模块(RDAM),进一步增强关键特征的表达能力;最后,在网络结构的最深层特征后添加一个多分支卷积模块(RFB),该模块能够融合不同尺度的空间语义信息和细节信息,有效分离出最显著的上下文特征,提升检测精度。实验结果表明,YOLO-IFD相比YOLOv5s原网络,平均精度(mAP)提升了6.1%,且检测速度达到了121fps,能够满足实际场景中的实时火灾检测需求。

关键词： 智能网联汽车   目标识别   目标分类   YOLOv8m   匈牙利算法  

摘要： 目标识别与跟踪是智能网联汽车环境感知的关键技术,在行人过街时,识别遮挡的移动人群是困扰环境感知的难题。设计一种基于YOLOv8m融合匈牙利算法的复杂交通环境感知方法,提高多目标遮挡的识别精度。在多目标检测中,改进现有YOLOv8m模型以提高对重叠目标的检测精度,同时融合改进匈牙利算法提高多目标跟踪过程中标定对象轮廓差异的分类精度,在公开数据集KITTI上迭代测试模型精度。结果表明:提出的YOLOv8mv模型能够满足日常复杂交通场景的多目标精准感知需求,改进模型相比同类主流模型YOLOv8m检测精度提高2.6%,目标稳定性提升2.7%。提出的感知方法对提高车辆高速运动下的多目标识别精度具有一定的科学支撑和实用价值。

关键词： 拆解序列规划   机器人并行拆解   混合整数线性规划模型   遗传算法   强化学习  

摘要： 在拆解序列规划问题中,为了提高拆解效率、降低拆解能耗,引入了机器人并行拆解模式,构建了机器人并行拆解序列规划模型,并设计了基于强化学习的遗传算法。为了验证模型的正确性,构造了混合整数线性规划模型。算法构造了基于目标导向的编解码策略,以提高初始解的质量;采用Q学习来选择算法迭代过程中的最佳交叉策略和变异策略,以增强算法的自适应能力。在一个34项任务的发动机拆解案例中,通过与四种经典多目标算法对比,验证了所提算法的优越性;分析所得拆解方案,结果表明机器人并行拆解模式可以有效缩短完工时间,并降低拆解能耗。

关键词： 高速椭偏测量   弹光调制   遗传算法   图像拟合仿真  

摘要： 针对单弹光椭偏测量技术需锁相多个周期信号、无法快速获得样品光学椭偏参数和薄膜厚度等问题,提出一种基于弹光调制器(PEM)偏振调制和单调制周期遗传算法参数提取的高速单弹光调制椭偏测量方法,该方法的时间分辨率可达μs量级。为保证算法的精度与稳定性,利用系统输出单个调制周期干涉信号的极值对系统PEM的相位延迟幅值(δpeak)进行校准并且确定样品的光学椭偏参数范围。通过该校准方法可以确定待测参数范围,大幅缩短计算时间,提升计算精度。对空气以及61.4 nm和100 nm厚度的硅上镀二氧化硅样片进行测量,实验表明该系统PEM的静态相位延迟(δstatic)在测量范围内稳定波动,最大偏差为0.0073 rad,标准差为0.0033 rad,δpeak与FPGA输出信号的占空比线性拟合系数R2为0.9995;样品薄膜测量厚度与其真值的相对误差小于0.1%且偏差在1 nm以内,椭偏参量测量所需调制信号时间为8.3μs,较传统弹光锁相椭偏方法快1~2数量级。该方法实现的高速单弹光调制椭偏测量技术具有较高的精度和稳定性,为后续研究高速多弹光调制椭偏技术奠定基础。

关键词： 视觉/惯性里程计   多状态约束   迭代自适应   地图点优化  

摘要： 【目的】针对现有双目视觉/惯性里程计算法在遮蔽空间下救援人员进行定位计算时无法实时精准捕捉数据的问题,提出了一种迭代自适应多状态约束卡尔曼滤波双目视觉/惯性里程计算法(NN-MSCKF)。【方法】首先分析遮蔽空间下救援人员剧烈、复杂运动的跟踪效率和实时性需求,设计迭代自适应算法,利用窗口数据迭代对激励进行判断,触发初始化条件构造量测更新;其次研究地图点个数和像素区分度评估与筛选方式,引入地图点优化机制,提高对地图点进行评估和筛选的实时性;最后搭建仿真与试验平台对算法进行验证。【结果】实验结果表明,该算法相比MSCKF算法实时性提高1 s,全局精度提升55%,局部精度提升88.9%,验证了本方法的有效性。