摘要:硅微谐振式加速度计具有体积小、成本低、动态范围宽、高精度准数字频率信号输出等优势,但零偏、标度因数等关键性 能指标受到了温度等因素的制约,尚不能满足高精度导航制导的高性能要求。 因此,本文在简要介绍硅微谐振式加速度计温度 特性及温度误差来源的基础上,综述了近年来国内外学者针对硅微谐振式加速度计进行的温度补偿方面的研究,包括无源温度 补偿技术、有源温度补偿技术;介绍了无源温度补偿技术与有源温度补偿技术常用的方法和最新的研究成果;分析总结了各种 方法的优缺点,提出探索更加精确的测温手段、热隔离效果更好的隔离装置以设计一种低功耗、预热时间短、控制稳定性强的微 烘箱系统进行器件层的加热控温,以及寻求无源补偿技术与有源补偿技术相结合的更多可能性以获得温度补偿最优组合是后 续温度补偿工作的重点研究方向。

摘要:为了描述传感器微通道结构对传感器输出特性的影响,本文引入传感器横纵微通道长度关系的参数横纵比,综合考虑 传感器中垂直和平行于应变方向的微通道中液态金属在应变下的电阻变化规律,建立了镓基液态金属柔性应变传感器数学模 型。 根据建立的数学模型,优化设计并制备了 5 种应变传感器样品,在 40% 应变范围内进行实验。 结果表明本文建立的数学模 型可以良好地预测不同微通道结构传感器的输出,并为设计优化高灵敏度传感器提供了方向。 实验测试结果表明设计的应变 传感器在 40% 应变时的灵敏度为 2. 01、滞后度为 5. 1% ,且重复性和输出稳定性较高。 将设计的传感器用于手指、手肘的关节 运动检测,探索了镓基液态金属柔性应变传感器在关节运动检测方面的应用。 本文为镓基液态金属柔性应变传感器在可穿戴 领域中的应用提供了理论支持。

摘要:冲击定位监测是飞行器结构健康监测的重要研究课题。 基于应力波方向检测的冲击定位方法可有效克服传统的到达 时间方法依赖波速的应用局限性,适合飞行器复杂结构的冲击定位监测。 本文分析了压电纤维对冲击应力波的响应特性,针对 板结构冲击应力波信号具有宽频、频散与多模态成分混叠等特征,采用 Shannon 复数小波变换提取应力波能量峰值窄带信号, 通过仿真与实验研究表明低速冲击板中产生的应力波主能量成分为 A0 模态 Lamb 波;基于压电纤维对 Lamb 波的方向响应特 性,优化制备了 45°“应变花”结构的压电纤维传感器,以能量峰值窄带 Lamb 波传播方向表征应力波传播方向,提出了基于压电 纤维传感器应力波方向检测的冲击定位方法。 实验结果表明提出的基于压电纤维传感器应力波方向检测的冲击定位方法准确 有效,平均距离定位误差为 17. 2 mm。 研究成果提供一种应力波方向传感器及不依赖应力波波速的结构冲击定位方法,具有一 定的理论研究意义和工程应用价值。

摘要:手术探针末端的接触力反馈是保障手术安全性的重要因素之一。 本文针对穿刺手术探针末端三维力测量的需求,研究 了基于核极限学习机(KELM)神经网络的光纤传感微创手术探针末端三维力测量方法。 首先,设计了可植入光纤传感器的手 术探针结构,将 4 根光纤布拉格光栅(FBG)传感器植入探针中,其中 3 根 FBG 用于力测量,1 根 FBG 用于温度补偿。 接着通过 分析探针应力和应变之间的关系,建立了基于 FBG 的探针三维力传感模型。 同时为了消除温度变化对光纤传感器的交叉影 响,研究了光纤传感温度补偿方法。 最后,为了验证本文所研究测量方法的有效性,对植入光纤光栅的探针进行了温度标定,并 分别在常温和变温环境下进行了三维力测量。 实验结果表明:KELM 网络测量结果在常温环境下 X、Y、Z 方向上平均测量误差 为 0. 22% 、0. 99% 、0. 65% ;在 20℃ ~ 40℃的变温环境下,X、Y、Z 方向上平均测量误差分别为 1. 32% 、1. 03% 、2% ,本文所研究的 KELM 神经网络末端三维力测量方法具有较小的测量误差,在手术机器人力反馈领域有广阔的应用前景。

摘要:针对微机电系统多环谐振陀螺正交闭环回路存在控制误差问题,提出一种基于刚度轴偏角预估机制的多环陀螺全闭环 控制方法。 该方法通过对微机电系统多环谐振陀螺刚度轴偏角预估,实现正交闭环回路参数自动优化调整。 同时,提出了基于 刚度轴偏角预估机制的全数字化闭环控制方法,实现微机电系统多环谐振陀螺的驱动、检测、正交、模态匹配环路的全闭环控 制。 该方法可提升正交闭环回路信噪比,增强陀螺正交漂移的抑制能力,降低陀螺零偏输出,改善陀螺的零偏不稳定性。 实验 结果表明,采用本文提出的基于刚度轴偏角预估机制的全闭环控制方法后,微机电系统多环谐振陀螺的零偏输出由 0. 201°/ s 降低为 0. 021 3°/ s,零偏不稳定性由 39. 42°/ h 降低为 1. 237°/ h,分别降低了 9. 44 倍和 31. 86 倍,验证了该方法对提升微机电系 统多环谐振陀螺仪性能的有效性。

摘要:自适应信号分解领域一个十分活跃的分支———变分模式分解(VMD)已经成为信号处理与检测技术学界一个热门的研 究方向。 VMD 对非平稳、非线性信号具有良好的处理效果。 针对 VMD 模型及其参数选择,发展了许多拓展模型及参数优化方 法。 本文回顾近十年来 VMD 的研究进展,对相关的文献进行总结与分析。 首先,分析 VMD 的原理性优势及其在各个领域的应 用潜力;其次,根据模型对不同信号类型的匹配能力,分类总结 VMD 拓展模型的不同特性和适用场景;然后,归纳 VMD 及其拓 展模型参数优化方法的研究现状,探讨与分析不同模型参数优化方法的特点和最新研究趋势;最后,对 VMD 的未来发展提出 6 点展望,为后续的研究指明方向。

摘要:针对复合材料损伤定位定量识别中损伤指数构建困难与损伤预测的不确定性问题,提出一种基于递归量化特征观测的 损伤状态贝叶斯概率估计方法。 该方法无需基准无损信号参考与损伤波包识别,采用 Lamb 波信号的递归量化分析(RQA)特 征,从结构非线性动力学角度对复材板内部损伤进行观测,根据特征与损伤位置大小的相关性与单调性进行了敏感特征筛选。 根据各传感路径信号的 RQA 特征与损伤形态参量间的线性/ 非线性关联特性,采用多变量二次交互模型建立了损伤状态的特 征描述空间。 综合考虑各传感路径中 RQA 特征对损伤观测的不确定因素,建立了复材板损伤状态的观测模型,采用贝叶斯更 新算法对复材板损伤位置尺寸进行估计。 复材板的脱层损伤仿真分析结果表明,本文提出方法无需分析结构损伤与 Lamb 波 的复杂交互机制,就能同步实现复材板内部损伤的量化评估与定位分析,估计出的损伤位置大小在仿真模型的损伤参数设定值 的 75% 置信区间内,损伤估计成像区域与仿真损伤区域相符合。 复合材料板的疲劳损伤试验分析结果表明,采用本文方法经过 24 次迭代更新后,得到的损伤面积与大小完全覆盖了 X 射线扫描检测的真实损伤。 该方法充分考虑了复材板损伤评估中的不 确定因素,更加贴合复合材料结构损伤检测与评估的工程实际应用,具有较好的应用前景。

摘要:传统窄带主动噪声控制( ANC)系统的计算负荷与窄带噪声频带数量正相关,而且其收敛速度和降噪效果存在此消彼 长的关系。 为解决以上问题,首先基于滤波误差技术简化窄带 ANC 模型,使系统计算量与窄带噪声频带数量相互独立。 然后 通过自适应混合参数将两个简化的窄带 ANC 系统进行并行凸组合,其中一个系统拥有最快的收敛速度,另一个系统拥有较低 的稳态误差。 提出的系统不仅降低了传统窄带 ANC 系统的计算复杂度,而且在不牺牲降噪性能的情况下提升了系统收敛速 度。 实验结果表明,提出系统在不牺牲稳态误差的基础上,收敛时间缩短了 78% ,有效提升了系统收敛性能。

摘要:针对高频超声检测倒装焊芯片微缺陷的回波信号受噪声影响的问题,提出了一种基于改进多路径匹配追踪算法 (MMP)的高频超声信号稀疏去噪方法。 利用 MMP 算法获取全局最优的原子,针对 MMP 计算量过大的问题,在迭代过程中设 置阈值和引入剪枝操作,筛选误差较大的路径,减少迭代路径,降低算法复杂度。 为了避免字典维度上升导致的计算量过大,通 过构建连续原子库对重构信号参数进行调整,最终实现芯片超声检测信号噪声的抑制。 通过仿真和实验证明,提出的方法能够 有效的去除倒装芯片高频超声检测信号中的噪音,与其他去噪算法相比,所提方法通过增加少量的计算,实现信号重构精度的 提高,提升了 B 扫图的清晰度。

摘要:针对传统变形感知方法在复杂翼型结构中常见的病态、奇异等问题,提出了一种基于多翼型特征的非奇异变形重构模 型。 依据 Timoshenko 梁变形理论,采用依存插值技术离散单元位移场,建立理论截面应变与测量应变的最小二乘变分函数,推 导单元节点变形与测量应变的积分重构模型。 该模型的位置无关性有效消除评估截面选取不当引起的奇异,增强重构模型在 复杂翼型结构中的适用性。 同时,针对应变传感器服役期间常见的环境扰动,以重构精度与鲁棒性为评估指标,建立自适应多 目标粒子群优化模型。 实验结果表明,提出的重构模型整体测量精度较高,在机翼变形量小于 20 mm 范围内最大绝对误差为 0. 26 mm,最大相对均方根误差为 0. 42% ;当变形量增大时,绝对误差随之增大,但相对均方根误差不超过 3. 5% 。 因此基于多 翼型特征的非奇异变形重构模型能够满足机翼实时重构需求,有效扩展变形感知方法在复杂结构中的应用价值。

摘要:滚动轴承是旋转机械系统中保障安全运行重要组成部分之一。 开展滚动轴承特征识别具有重要理论实际应用价值。 通常采用的深度学习滚动轴承特征识别方法,需要有监督标记数据或无监督故障数据参与训练,标签和故障数据不易获取,无 法满足滚动轴承特征识别需求。 本文提出了一种边缘计算生成式对抗网络差分进化滚动轴承特征识别 EC-DE 法。 该方法训 练过程采用健康数据训练生成式对抗网络,通过学习健康数据分布规律进行滚动轴承健康特征识别。 边缘端对比输入样本与 生成式对抗网络生成样本差异性进行识别,根据输入样本健康置信度提前退出,提高系统实时性;云端采用差分进化算法搜索 生成式对抗网络生成器输入潜空间,获得输入样本对应生成器输入潜变量,提高识别精度。 本文方法在 CWRU 滚动轴承公共 数据集上的识别正确率达 99. 8% 且对超参数不敏感,推理阶段耗时降低,具有实际生产应用价值。

摘要:针对核电棒控系统电源(PWE)早期故障状态辨识问题,提出一种基于融合时域与时频域的故障特征和灰狼优化算法 (GWO)的极限学习机(ELM)辨识方法。 首先,根据棒控电源 PWE 工作原理和控制棒驱动机构的驱动电流,利用电流上升时间 分析了早期波形形态与早期故障模式。 然后,构建融合电流上升时间、均方根-差分和和小波包奇异熵的故障时频特征,分析了 特征的可区分性。 进而,采用 GWO 算法进行 ELM 分类器参数择优,建立 GWO-ELM 模型实现 PWE 早期故障状态的辨识,以提 高辨识精度。 最后,通过开展不同特征组合和辨识模型比对试验,结果表明所提方法能有效实现棒控电源早期故障识别诊断, 且平均辨识准确度可达 98. 86% 。

摘要:在以机电系统为代表的复杂装备健康管理的应用场景中,健康状态预测与维修决策操作依赖于装备的健康状态演化进 程,二者在所依赖的知识上具有明显的耦合性,对应的二元知识也因此具有双向融合的价值。 本文从健康状态评估与维修排故 二元知识的双向融合出发,提出一种面向机电系统的健康状态预测和维修决策双向优化方法,即定期利用该阶段累积的有限运 行记录,在该阶段的健康状态预测和即时维修决策模型上做出优化。 最后,本文基于实际机电系统中天线调平系统的仿真实验 对本文所提的双向优化方法进行了验证,健康状态预测误差稳定降低到 0. 002% ,维修决策收益稳定提升到 93. 57,验证了本文 提出的健康状态预测与维修决策协同方法的有效性。

摘要:疲劳裂纹和螺栓松动是转播塔、输电塔等钢结构塔架的主要损伤形式,在时域荷载作用下,这些损伤具有变刚度等时域 非线性特征。 为了解决该类时域非线性损伤的检测问题,提出了基于自回归时域模型相对熵的损伤检测方法。 首先描述了自 回归模型及其模型定阶和参数估计的基本理论;然后介绍了结构损伤的时域非线性特征,给出了结构未损伤基本状态和损伤状 态下所形成的 3 种自回归残差,并分析了残差序列概率分布的相对熵,在此基础上推导出自回归时域模型相对熵的损伤检测指 标;最后进行了八层剪切结构的数值仿真和转播塔结构模型的损伤检测试验研究。 结果表明:对于转播塔的杆件非线性损伤, 在损伤位置处的自回归时域模型相对熵指标值比传统的二阶方差指标值高 22. 9% 以上;对于螺栓松动非线性损伤,在损伤位置 处的自回归时域模型相对熵指标值比传统的二阶方差指标值高 12. 7% 以上。

摘要:重力流排水管道的泄漏会带来诸多不良后果,但由于重力流排水管道的特殊性,导致许多现有的管道泄漏检测方法难 以适用。 针对这一问题,提出了一种基于地电流的检测方法,该方法利用泄漏孔联通管道内外,通过测量在管道内移动的电极 和固定在地面电极之间电流来确定泄漏,阐述了该方法的基本工作原理,基于该方法设计了检测系统,搭建了实验平台测试了 检测效果。 检测 10 m 长的埋地管道时,最大定位误差约 0. 4 m,表明该检测系统能较准确地定位泄漏位置,若配合更好的探头 定位方法,误差将进一步减小。 根据测得的尖峰电流值,能明显分辨 9 个直径梯度为 0. 5 mm 的圆形泄漏孔,使用测得的 9 组数 据训练神经网络模型,大致得到了尖峰电流值与泄漏孔大小的映射关系,表明根据检测结果能大致估计泄漏孔的大小。

摘要:针对目前公开的人体行为红外数据集较少的问题,本文设计了基于生成对抗网络和基于 3D 人体红外模型的两种数据 增强方法,以快速扩充现有的红外人体行为数据集。 搭建了改进的生成网络模型 AC-WGAN 并添加了网络优化策略,以生成高 质量的红外热图;利用 Unity 3D 引擎搭建表征红外特征及运动信息的人体模型,模拟红外阵列传感器成像原理,实现了给定人 体模型及传感器方位信息便能自动生成大量且多样化数据的功能。 基于数据增强后的数据集训练和测试卷积神经网络,实验 结果表明,网络对不同行为的感知准确度达到 80% 以上,且显著提高了网络对陌生数据的识别能力,所设计的数据增强方法对 于扩充人体行为红外数据集有效。

摘要:自适应跑步机是虚拟现实环境中用于人机交互的重要设备,为了丰富其应用场景,针对跳跃运动模式下的交互控制技 术展开研究。 针对人体跳跃落地稳定性分析问题,综合考虑下肢骨骼及关节肌肉的联合作用,提出一种变刚度弹簧倒立摆模 型,实验结果显示所提模型能够有效实现质心运动过程建模及跳跃稳定域分析,稳定性判断准确率为 93. 0% 。 在此基础上,为 了提升交互过程中的人体落地稳定性,提出自适应跑步机跳跃交互控制策略,仿真和实验结果表明,所提方法能够有效提升人 体落地稳定性。 同时,所提方法能够有效降低下肢关节扭矩,膝关节峰值扭矩由 230 N/ m 降低到 210. 7 N/ m,踝关节峰值扭矩 由 143. 6 N/ m 降低到 131 N/ m,可期减小人体跳跃落地过程中的运动损伤风险。

摘要:人口老龄化导致更高的阿尔茨海默病患病率,造成沉重的家庭和社会负担。 尽早发现是延缓和逆转病程的关键,但现 有检测方法无法满足价格低廉、低侵入性、快速、可靠的筛查与检测需求。 生理液体光谱技术已在医学检测方面显示出了潜力, 但在阿尔茨海默痴呆症检测上所面临的挑战是血浆光谱中阿尔茨海默病相关特征信息难以提取以及多病程复杂分类的难题。 本文从信息空间建立、特征挖掘以及筛查与检测体系构建的角度展开研究,建立模型特征波数驱动的阿尔茨海默病多病程自适 应筛查与诊断体系。 针对阿尔茨海默病早期、中期和晚期 3 个不同病程阶段,模型检测的灵敏度分别为 90. 0% 、87. 5% 、100% ; 特异性分别为 83. 3% 、93. 7% 、100% 。 实验结果表明,基于阿尔茨海默病多病程自适应筛查与诊断模型具有较好的检测灵敏度 和特异性。

摘要:针对六轴外固定器在足踝矫形时的调整方案设计问题以及矫形器在治疗过程中的位姿变化轨迹优化问题,提出了基于 神经网络的足踝外固定矫形方案设计方法。 首先结合神经网络对六轴外固定器进行了运动学分析,其次讨论了针对不同矫形 目标的常规踝构型、斜接串联构型、对接串联构型以及并联构型等不同矫形器构型模式,最后分析了六轴外固定器的计算机辅 助调整方案并考虑了伸缩螺杆调节顺序对治疗轨迹的影响。 实验结果表明,基于所提方法设计的六轴外固定器调整方案可以 对不同足踝畸形类型下的矫正治疗进行有效指导并均能取得理想的残余畸形,平均残余位移畸形小于 1 mm 且平均残余成角 畸形小于 1°;同时也可以使六轴外固定器在治疗过程中的位姿变化轨迹更接近理想线性轨迹,优化后的位置轨迹偏移量和姿 态轨迹偏移量分别减少了 31% 和 19% ,有效减缓了患者的痛苦并改善足踝矫形治疗体验。

摘要:行人再识别是视觉监控系统的核心问题之一,然而传统基于彩色图像的特征提取方法难以用于极暗光照条件下的行人 再识别。 本文提出一种基于深度测量的行人体态特征提取方法,由于深度测量独立于光照条件,因此所提方法可以在极暗光照 条件下对行人目标进行有效识别。 由深度数据经过分割和滤波生成人体点云,将观测点云与初始人体模型进行配准,基于配准 后的点云对人体模型的体态参数和姿态参数进行联合估计,计算体态特征向量的欧式距离实现行人再识别。 在公开数据集和 实验室自采数据集上进行验证,计算 Rank-n、累计匹配曲线、平均精度均值等性能指标,其中在 Single shot 评估模式下 BIWI 数 据集的 Rank-1 可达到 70. 71% 、Rank-5 可达到 92. 32% ,结果表明本文所提算法可有效提高再识别精度。

摘要:为解决多场景复杂海况背景水面小目标检测存在的可利用特征少、纹理信息弱等问题,提升无人艇的环境感知能力,本 文提出一种融合注意力和多尺度特征的典型水面小目标检测算法。 首先,在网络的深层使用空洞空间金字塔池化模块融合目 标的全局先验信息。 其次,通过注意融合模块自适应地增强目标浅层空间位置和深层语义信息特征,提高网络的特征表示能 力。 最后,通过多尺度特征融合实现高性能的目标检测。 本文构建了典型水面小目标数据集,并基于无人艇开展了真实海况下 水面小目标检测的算法验证。 实验结果表明,该算法在无人艇 NVIDIA 平台检测速率达到 17 FPS,能准确识别水面小目标, mIoU 比原始特征金字塔网络算法提升 7. 58% ,平均检测精度提升 11. 41% ,达到 82. 36% 。

摘要:针对激光超声检测技术应用于金属增材件中所获取的信号具有复杂、多模态、信噪比低的特性的问题,获取激光超声信 号进行时频分析,探究其频域可分性,采用变分模态分解算法根据频域特征进行分离并提取最佳表面波模态。 在此基础上,提 出一种基于激光超声信号 B 扫图结合变分模态分解提取表面回波特征值技术,对金属增材件表面裂纹长度进行定量检测。 针 对直接观察 B 扫图获取裂纹长度信息存在误差较大的问题,通过对变分模态分解提取的表面波模态在有无裂纹时反射回波峰 峰值的变化分析,绘制扫查位置-峰峰值图并据此精确获取裂纹起始和结束位置,检测结果的相对误差不超过 8%。 与直接获取 原始信号 B 扫图的裂纹长度信息相比,提高了检测精度。 该方法在金属增材件的激光超声信号的特征提取与定量检测方面具 有可行性。

摘要:集成软测量方法已被广泛应用于流程工业关键质量参数实时估计。 但是,常规集成建模方法在基模型构建过程中往往 局限于挖掘样本之间的空间关系,忽略了样本间的时序关系,从而导致过程局部状态挖掘不充分、基模型间多样性不足等问题。 其次,传统软测量方法由于缺乏自适应机制而无法有效处理过程时变特征,从而导致模型性能发生退化。 为此,提出一种基于 时空局部学习(STLL)的集成自适应软测量方法。 该方法首先通过移动窗口、即时学习技术分别挖掘样本间的时序关系和空间 关系,并采用统计假设检验实现冗余状态剔除,进而构建多样性的时空局部高斯混合回归(GMR)模型。 然后,基于在线选择性 集成策略实现局部预测结果的自适应融合。 此外,引入双重自适应机制以缓解模型性能退化问题。 实验结果显示,相较于非自 适应全局 GMR 模型、时间局部学习集成 GMR 模型、空间局部学习集成 GMR 模型,所提方法在金霉素发酵过程中的预测精度 分别提升了 70. 3% ,14. 9% ,27. 8% ;在脱丁烷塔过程中,分别提升了 31. 9% ,21. 2% ,19. 3% 。

摘要:电磁流量测量在工业生产过程中扮演着重要角色,但易受流体中气泡的影响导致测量结果出现波动进而影响测量精 度,因此通过技术手段实现测量精度的优化十分关键。 针对电磁流量测量精度受气泡影响的测量优化问题,本文首先从权重函 数角度入手,建立了气泡对电磁流量测量影响的理论模型;其次,通过有限元仿真研究了气泡对权重函数的影响,并根据仿真结 果提出了一种基于图像采集与处理技术的优化方法降低气泡对电磁流量测量的影响;最后,为了验证优化方法的可行性,开发 了气泡图像处理算法,并搭建气液两相流流体电磁流量测量实验平台进行实验验证。 实验结果表明,采用优化方法补偿后的电 磁流量测量系统受气泡影响的敏感程度得到有效降低,误差降低幅度均在 82. 63% 以上,最大误差降低幅度可达 91% ,优化后气 泡存在时的测量误差在±3. 03% 以内。 研究有效降低了电磁流量测量受气泡影响产生的误差,为进一步提高气泡影响下的电磁 流量测量精度和实现气液两相流电磁测量提供技术支持。

摘要:传统三边遥操作系统的力传感器对主从端交互力进行测量时局限性较大,且在共享权重切换时易导致系统不稳定,本 文设计基于力估计与权重切换控制的六足机器人三边遥操作控制架构。 针对系统各端口交互力信息缺失的问题,设计一种非 线性交互力估计器,实现对各端口间交互力的实时估计。 聚焦双操作者控制权重动态调整过整中的柔顺切换问题,本文基于共 享控制策略,设计权重因子自适应切换算法。 为保证所提出系统的稳定性及透明度,融合力估计器及权重切换算法,设计遥操 作系统的控制器。 通过力反馈设备分别和 Vortex 与 ElSpider 六足机器人搭建半物理仿真平台与实物实验平台,对本文提出控 制方法进行验证。 相对于传统三边遥操作,实验表明在平坦地形下速度跟踪性提高了 45. 12% ,力跟踪提高了 64. 71% ;在崎岖 地形下速度跟踪提高了 39. 02% ,力跟踪提高了 29. 41% 。

摘要:针对演示学习中高斯混合模型参数估计效率低,泛化能力不足的问题,提出一种基于狄利克雷过程聚类和高斯混合模 型的复合动态运动基元算法。 为实现高斯混合模型参数的实时估计,使用基于距离阈值的狄利克雷聚类算法进行演示轨迹点 在线聚类,并引入 Welford 公式更新参数以提高参数估计效率。 获得轨迹分布特征后,使用动态运动基元进行高斯混合回归轨 迹的编码,以提高轨迹泛化能力。 为了验证算法的有效性,引入了轨迹可达性和相似性指标评价算法的学习泛化能力,设计了 基于手写体字母轨迹和机器人动觉示教的演示学习实验。 实验结果表明,所提复合动态运动基元算法参数估计平均时间仅 0. 052 ms,具备快速轨迹复现和泛化能力。

摘要:在基于姿态识别协同控制灵巧手机械臂的任务中,会出现身体部位相互遮挡以及非操作人员身体干扰的问题。 因此本 文提出了一种面向人机协作系统的上肢姿态精准识别算法,能够有效排除遮挡和干扰问题。 该算法首先基于 Finger-YOLOv4 算法框选出人体上肢区域;其次通过稀疏性目标提取算法排除非操作人员身体干扰;然后在设计的双特征条件随机场网络中进 行深度学习,解决遮挡导致的类内模糊问题,精准定位人体上肢的 48 个关键点坐标;最后,根据关键点坐标进行人体上肢的姿 态预测,将人体上肢的姿态与灵巧手机械臂的姿态进行映射,完成人机协作。 实验表明,本算法平均检测速度 33 FPS,关键点 平均检测精度 75. 2% ,协同操作完成度 98% 。 满足实际需求。

摘要:由于工业现场设备存在外观相似和部署密集等特点,使得巡检机器人仅依靠机器视觉难以对工业现场的相似设备进行 识别,进而影响了自主巡检的准确性和效率。 针对上述问题,基于工业物联网的无线信号特征,提出了融合机器视觉与邻近度 估计的相似工业设备识别策略。 该策略首先通过机器视觉和高效透视 N 点投影算法估计巡检机器人的初始位姿,进而采用邻 近度估计算法实现巡检机器人对邻近工业设备目标的识别。 另一方面,该策略还包括了机器人角度校正与位置调整算法,以此 保证邻近度估计的精度。 实验结果表明,相比于基于机器视觉的传统识别方法,该策略能够在不同设备密度的场景下,提升 2% ~ 49% 的相似工业设备识别精度,有效地解决巡检机器人对工业现场相似设备的识别问题。