为提升随机路面与局部脉冲激励路面下的悬架平顺性,提出语义分割路面识别的主动悬架显式模型预测控制(Explicit Model Predict Control,EMPC)方法。建立2自由度主动悬架动力学模型;搭建基于空洞空间金字塔池化的DeepLabV3语义分割路面...为提升随机路面与局部脉冲激励路面下的悬架平顺性,提出语义分割路面识别的主动悬架显式模型预测控制(Explicit Model Predict Control,EMPC)方法。建立2自由度主动悬架动力学模型;搭建基于空洞空间金字塔池化的DeepLabV3语义分割路面识别网络,对网络进行训练及验证;设计基于路面识别的主动悬架EMPC控制策略,将悬架动力学模型转化为预测模型,确定代价函数和约束条件,根据路面识别结果匹配代价函数最优加权权重;离线划分系统状态参数区域,求解各状态分区内系统的最优控制律;在随机路面和脉冲路面下,将所设计的控制策略与被动悬架、线性二次高斯控制(Linear-quadratic-gaussian Control,LQG)进行仿真分析对比。相较于LQG控制,基于路面识别的主动悬架EMPC控制策略可在随机路面下改善悬架性能,且在脉冲路面下对悬架的调节时间降低20%以上,悬架的平顺性得到有效提升。展开更多
毫米波雷达凭借其出色的环境适应性、高分辨率和隐私保护等优势,在智能家居、智慧养老和安防监控等领域具有广泛的应用前景。毫米波雷达三维点云是一种重要的空间数据表达形式,对于人体行为姿态识别具有极大的价值。然而,由于毫米波雷...毫米波雷达凭借其出色的环境适应性、高分辨率和隐私保护等优势,在智能家居、智慧养老和安防监控等领域具有广泛的应用前景。毫米波雷达三维点云是一种重要的空间数据表达形式,对于人体行为姿态识别具有极大的价值。然而,由于毫米波雷达点云具有强稀疏性,给精准快速识别人体动作带来了巨大的挑战。针对这一问题,该文公开了一个毫米波雷达人体动作三维点云数据集mmWave-3DPCHM-1.0,并提出了相应的数据处理方法和人体动作识别模型。该数据集由TI公司的IWR1443-ISK和Vayyar公司的vBlu射频成像模组分别采集,包括常见的12种人体动作,如走路、挥手、站立和跌倒等。在网络模型方面,该文将边缘卷积(EdgeConv)与Transformer相结合,提出了一种处理长时序三维点云的网络模型,即Point EdgeConv and Transformer(PETer)网络。该网络通过边缘卷积对三维点云逐帧创建局部有向邻域图,以提取单帧点云的空间几何特征,并通过堆叠多个编码器的Transformer模块,提取多帧点云之间的时序关系。实验结果表明,所提出的PETer网络在所构建的TI数据集和Vayyar数据集上的平均识别准确率分别达到98.77%和99.51%,比传统最优的基线网络模型提高了大约5%,且网络规模仅为1.09 M,适于在存储受限的边缘设备上部署。展开更多
针对高频地波雷达(High frequency surface wave radar,HFSWR)在探测中产生的回波数据,传统的人工识别和分类方法存在工作量大、效率低和主观性强等问题,本研究在分析一阶海杂波、电离层杂波和射频干扰的回波数据特性的基础上,创新性地...针对高频地波雷达(High frequency surface wave radar,HFSWR)在探测中产生的回波数据,传统的人工识别和分类方法存在工作量大、效率低和主观性强等问题,本研究在分析一阶海杂波、电离层杂波和射频干扰的回波数据特性的基础上,创新性地提出了基于YOLOv5识别模型的HFSWR杂波和干扰识别分类方法。该方法旨在帮助研究人员在海量实验数据中快速筛选出符合其科学研究需求的数据集,从而提高研究效率和数据准确性。在具体实施过程中,通过采用批量实测距离-多普勒(Range-Doppler,RD)谱数据对所提出模型进行训练和分析,使该方法能够在频域范围内对杂波和干扰进行有效识别。本研究以该识别分类算法为核心,进一步基于Python语言设计了一款地波雷达智能杂波和干扰识别分类软件。经过严格的批量实测数据测试验证,该软件能够满足设计需求,具有良好的可靠性,极大地提高了研究人员筛选有效实测数据的工作效率,为科学研究工作提供了有力的技术支撑。展开更多
文摘为提升随机路面与局部脉冲激励路面下的悬架平顺性,提出语义分割路面识别的主动悬架显式模型预测控制(Explicit Model Predict Control,EMPC)方法。建立2自由度主动悬架动力学模型;搭建基于空洞空间金字塔池化的DeepLabV3语义分割路面识别网络,对网络进行训练及验证;设计基于路面识别的主动悬架EMPC控制策略,将悬架动力学模型转化为预测模型,确定代价函数和约束条件,根据路面识别结果匹配代价函数最优加权权重;离线划分系统状态参数区域,求解各状态分区内系统的最优控制律;在随机路面和脉冲路面下,将所设计的控制策略与被动悬架、线性二次高斯控制(Linear-quadratic-gaussian Control,LQG)进行仿真分析对比。相较于LQG控制,基于路面识别的主动悬架EMPC控制策略可在随机路面下改善悬架性能,且在脉冲路面下对悬架的调节时间降低20%以上,悬架的平顺性得到有效提升。
文摘毫米波雷达凭借其出色的环境适应性、高分辨率和隐私保护等优势,在智能家居、智慧养老和安防监控等领域具有广泛的应用前景。毫米波雷达三维点云是一种重要的空间数据表达形式,对于人体行为姿态识别具有极大的价值。然而,由于毫米波雷达点云具有强稀疏性,给精准快速识别人体动作带来了巨大的挑战。针对这一问题,该文公开了一个毫米波雷达人体动作三维点云数据集mmWave-3DPCHM-1.0,并提出了相应的数据处理方法和人体动作识别模型。该数据集由TI公司的IWR1443-ISK和Vayyar公司的vBlu射频成像模组分别采集,包括常见的12种人体动作,如走路、挥手、站立和跌倒等。在网络模型方面,该文将边缘卷积(EdgeConv)与Transformer相结合,提出了一种处理长时序三维点云的网络模型,即Point EdgeConv and Transformer(PETer)网络。该网络通过边缘卷积对三维点云逐帧创建局部有向邻域图,以提取单帧点云的空间几何特征,并通过堆叠多个编码器的Transformer模块,提取多帧点云之间的时序关系。实验结果表明,所提出的PETer网络在所构建的TI数据集和Vayyar数据集上的平均识别准确率分别达到98.77%和99.51%,比传统最优的基线网络模型提高了大约5%,且网络规模仅为1.09 M,适于在存储受限的边缘设备上部署。
文摘针对高频地波雷达(High frequency surface wave radar,HFSWR)在探测中产生的回波数据,传统的人工识别和分类方法存在工作量大、效率低和主观性强等问题,本研究在分析一阶海杂波、电离层杂波和射频干扰的回波数据特性的基础上,创新性地提出了基于YOLOv5识别模型的HFSWR杂波和干扰识别分类方法。该方法旨在帮助研究人员在海量实验数据中快速筛选出符合其科学研究需求的数据集,从而提高研究效率和数据准确性。在具体实施过程中,通过采用批量实测距离-多普勒(Range-Doppler,RD)谱数据对所提出模型进行训练和分析,使该方法能够在频域范围内对杂波和干扰进行有效识别。本研究以该识别分类算法为核心,进一步基于Python语言设计了一款地波雷达智能杂波和干扰识别分类软件。经过严格的批量实测数据测试验证,该软件能够满足设计需求,具有良好的可靠性,极大地提高了研究人员筛选有效实测数据的工作效率,为科学研究工作提供了有力的技术支撑。
