为解决四旋翼飞行器在飞行过程中的轨迹跟踪和姿态控制问题,文中基于改进的新型趋近律和滑模函数设计了滑模变结构非线性控制器。根据四旋翼飞行器的欠驱动、强耦合和多变量特性对其系统进行整体受力分析,根据牛顿第二定律和欧拉动量方程简化系统数学模型。基于传统指数趋近律并结合双幂次项、比例项和改进的变指数项对四旋翼系统内环和外环设计新型趋近律滑模控制器。通过将外环位置控制器的输出作为内环控制器的期望输入来形成外环控制内环的闭环系统,并根据李雅普诺夫稳定性定理证明了该系统的稳定性。仿真结果表明,在空中定点悬浮和复杂三维轨迹跟踪实验中,相较于传统趋近律滑模控制器,该方法响应时间更短,跟踪效果更好,稳态误差更小。

针对无障碍设施设计不合理、建设不完全、导盲辅具参差不齐、功能单一以及无法满足用户户外出行需求等问题,文中提出了一种利用BlendMask算法并基于RGB-D户外导盲动态障碍目标的视觉感知与探测的方法。该方法使用Azure Kinect DK采集的RGB-D数据,利用6组实例分割算法对比,选择效果最优的BlendMask实例分割模型,通过添加深度数据处理分支得到单个实例的深度信息,即目标到相机的距离。为提高距离检测精度,通过三维,以点云的形式使用离群点剔除操作,去除分割掩膜中残余的背景信息。其中,基于统计的离群点剔除方法能更准确地检测障碍物到相机的距离。实验结果表明,该方法不仅能较好地检测户外动态目标,也能检测目标到相机的距离,提高了距离检测的精度。

在弱耦合压电能量采集系统中,串联同步开关采集接口电路(Series Synchronous Switch Harvesting Interface Circuit, S-SSHI)、并联同步开关采集接口电路(Parallel Synchronous Switch Harvesting Interface Circuit, P-SSHI)、同步电荷提取接口电路(Synchronous Charge Extraction Interface Circuit, SECE)比全波整流接口电路(Full-Wave Rectifier Bridge, FB)能够获得更大的输出电压和俘能功率。在强耦合系统下,S-SSHI、P-SSHI、SECE接口电路对输出电压的增益效果并不明显。为解决该问题,文中提出了一种非对称电压接口电路。该电路由单个电压检测开关和全波整流桥组成,当充电电容电压接近压电能量采集器(Piezoelectric Energy Harvester, PEH)的开路电压时,PEH的电压开始偏置。在偏置电压作用下,非对称电压接口电路的最大输出电压高于FB,因此非对称电压接口电路可提高俘获能量。非对称电压接口电路的仿真结果和实验结果一致。非对称电压接口电路在强耦合实验下的俘能能量为0.532 J,与FB相比,其俘获能量提高了147%,与其他改进接口电路相比,其俘获能量提高了75%。

人体组织病理学检查主要应用于各类肿瘤诊断和治疗,免疫组织化学技术在结直肠癌早期筛查中具有重要的临床意义。为准确判断结直肠癌抑癌基因p53表达程度,文中提出一种基于逐块释放微调策略迁移学习的分级诊断方法,通过图像预处理、有监督模型预训练以及逐块释放微调等步骤将细胞核分割模型的参数迁移至诊断框架中。生成的细胞核分割掩膜进行主成分分析(Principal Component Analysis, PCA)降维和支持向量机(Support Vector Machine, SVM)多元分类最终得到图像诊断结果。该方法在结直肠癌p53蛋白免疫组化(Immunohistochemistry, IHC)图像数据集上进行了验证,模型的Dice值可达到0.887 6,分级准确率达到90.28%。结果表明,所提方法能够对结直肠癌免疫组化图像有效分级,为医生阅片提供可靠的辅助信息。

针对具有量化输入的单连杆机械臂系统,文中提出了基于Funnel控制的预设性能自适应神经网络控制方法。不同于传统Funnel控制方案,该方法通过构建新型性能函数可保证系统在预定时间达到预设的性能指标,并且使用径向基神经网络和动态面控制技术解决了系统中的未知非线性项与传统反步控制方法中的微分爆炸问题。理论分析证明,所提控制方案不仅消除了量化输入引起的负面影响,而且保证了系统的稳定性。通过调节MTLAB仿真实验中的设计参数,实现了跟踪误差的预定时间收敛,验证了所提控制方法的有效性。

数字微波接力通信系统是以微波接力方式进行数字信号远距离传输的多路通信系统,为提高通信中的信噪比并降低误码率,文中设计了一种C波段高滚降宽带超材料吸波器。利用准周期的环形谐振结构设计实现偏振不敏感宽带吸收的效果,在7~8 GHz范围内吸收率均在90%以上,吸收谱线的滚降系数达到0.8以上。所提超材料吸波器在常见结构的基础上添加了介质保护层,在保护超材料吸波器表面环形结构的同时增加了吸波器的阻抗匹配能力。所提设计具有结构简单、厚度薄、材料常见以及高滚降吸收的特性,在探测、隐身、传感和通信等领域具有重要的应用潜力。

近年来,表面等离激元快速发展,应用于较多领域。人工表面等离子体激元是受到表面等离子体激元现象的启发而被提出,形式表现为在金属表面上构建周期性的孔槽,进而在微波或太赫兹波段实现等离激元现象。文中基于人工表面等离激元理论提出了一种应用于室内通信的平面非对称漏波天线,该天线具有波束扫描的特性,可以在11.5~15.0 GHz内实现67°的波束扫描。同时在周期单元内加入了可调谐的缝隙和用于匹配的枝节,通过改变缝隙尺寸达到控制天线主波束方向的效果。天线在各个频点的增益均高于8.5 dBi,效率在全频段高于75%。讨论了该天线在室内通信中的性能,通过分析天线在不同位置下的场分布来讨论天线的最佳摆放区域,为人工表面等离激元可调谐漏波天线在室内通信中的应用提供了理论指导。

针对现有钢材表面缺陷检测方法准确率不高、识别速度慢等问题,文中提出了一种基于改进YOLOv5s(You Only Look Once version 5s)的缺陷检测方法。为了实现对图像重要区域信息的关注以及提高模型对目标缺陷的学习能力,在主干特征提取网络引入CBAM(Convolutional Block Attention Module)注意力机制。为了提高目标框的回归速度和定位的准确性,使用距离损失和宽高损失结合的EIoU(Efficient Intersection over Union)边界框损失函数计算损失值。通过迁移学习加快模型的收敛速度来提升模型对各类缺陷检测准确率。通过在数据集NEU-DET上的实验结果表明,相较原始YOLOv5s网络,改进YOLOv5s网络模型对该数据集的准确率提升了6.3百分点,召回率提升了9.2百分点,mAP(mean Average Precision)达到了81.7%,对于钢材表面缺陷检测具有良好的性能。改进YOLOv5s算法的钢材表面缺陷检测模型大小仅为13.8 MB,在确保实时性的基础上提升了检测精度,便于模型在实际应用中的部署。

直接转矩控制因具有控制结构简单、电机参数依赖性小以及鲁棒性好等优点成为同步磁阻电机(Synchronous Reluctance Motor,SynRM)的常用控制方法。传统直接转矩控制系统使用编码器来获得电机转速和转子位置信息,编码器安装在电机轴上,既不利于电机的小型化,也使生产成本增加,降低了系统可靠性。文中提出一种分段饱和函数代替传统的符号函数,同时提出一种自适应滑模增益设计来改进滑模观测器,并应用于SynRM无位置传感器直接转矩控制。引入CORDIC(Coordinate Rotation Digital Computer)算法对锁相环加以优化,从而估算电机转速。为验证所提理论的正确性和有效性,搭建了专用实验平台对其启动特性和抗负载扰动性能进行测试。实验结果表明,相比传统方法,无位置传感器控制方法能够快速准确地实现电机转速估算,使稳态误差控制在0.5%以内,有效降低了系统成本。

针对较多复杂而高维的结石图像数据和不同成像技术导致的不确定、破碎分散、异构的结石信息等问题,深度学习是一种高效的大数据处理工具,具有较好的特征提取和非线性识别能力,已成为提升肾结石管理水平的智能方案。深度学习应用于肾结石影像数据分析,可以针对不同类型结石数据的特征进行适应,并利用多变量综合评估结石,实现其精准量化,提高了诊断和评估的效率和准确度,协助医生制定更优的结石治疗方案。文中综述了近年来深度学习在肾结石影像的进展,介绍了各类深度学习算法,阐明其相对于传统方法以及机器学习算法的新颖性和优越性,并提出不足之处,旨在为后续的研究工作提供参考和方向。

针对超临界CO₂萃取过程中不同控制系统对稳定性、准确性和快速性具有不同要求,文中提出一种改进鲸鱼优化算法目标函数,用于超临界CO₂萃取参数整定。根据被控系统的控制目标采用层次分析法确定绝对值积分鉴定、超调量、余差和调节时间的权重关系,通过三折线法对控制系统性能指标进行归一化,构建鲸鱼优化算法的目标函数。以超临界CO₂萃取过程的压力和温度为被控对象,采用改进鲸鱼优化算法目标函数与传统鲸鱼优化算法目标函数进行参数整定。仿真结果表明,改进的鲸鱼优化算法目标函数在超临界CO₂萃取压力控制系统中能保证压力无超调,在超临界CO₂萃取温度控制系统中调节时间减少了30.17 s,实现了超临界CO₂萃取过程中控制参数的整定优化。

针对在现有人脸静态识别过程中被识别人需等待配合的问题,文中提出了一种动态人脸识别系统。该系统采用了基于RetinaFace与FaceNet算法的动态人脸检测和识别方法,并进行了优化,以达到高识别精度和实时性的目标。其中,RetinaFace检测采用GhostNet作为骨干网络,使用Adaptive-NMS(Non Max Suppression)非极大值抑制用于人脸框的回归,FaceNet识别采用MobileNetV1作为骨干网络,使用Triplet损失与交叉熵损失结合的联合损失函数用以人脸分类。优化后的算法在检测与识别上具有良好表现,改进RetinaFace算法在WiderFace数据集下检测精度为93.35%、90.84%和80.43%,FPS(Frames Per Second)可达53 frame·s^-1。动态人脸检测平均检测精度为96%,FPS为21 frame·s^-1。当FaceNet阈值设为1.15时,识别率最高达到98.23%。动态识别系统平均识别精度98%,FPS可达20 frame·s^-1。实验结果表明,该系统解决了人脸静态识别中需等待配合的问题,具有较高的识别精度与实时性。