车辆检测是智能交通系统和自动驾驶的重要组成部分。然而,实际交通场景中存在许多不确定因素,导致车辆检测模型的准确率低实时性差。为了解决这个问题,提出了一种快速准确的车辆检测算法——YOLOv8-DEL。使用DGCST(dynamic group convol...车辆检测是智能交通系统和自动驾驶的重要组成部分。然而,实际交通场景中存在许多不确定因素,导致车辆检测模型的准确率低实时性差。为了解决这个问题,提出了一种快速准确的车辆检测算法——YOLOv8-DEL。使用DGCST(dynamic group convolution shuffle transformer)模块代替C2f模块来重构主干网络,以增强特征提取能力并使网络更轻量;添加的P2检测层能使模型更敏锐地定位和检测小目标,同时采用Efficient RepGFPN进行多尺度特征融合,以丰富特征信息并提高模型的特征表达能力;通过结合GroupNorm和共享卷积的优点,设计了一种轻量型共享卷积检测头,在保持精度的前提下,有效减少参数量并提升检测速度。与YOLOv8相比,提出的YOLOv8-DEL在BDD100K数据集和KITTI数据集上,mAP@0.5分别提高了4.8个百分点和1.2个百分点,具有实时检测速度(208.6 FPS和216.4 FPS),在检测精度和速度方面实现了更有利的折中。展开更多
针对高精度交流调速系统,将分数阶微积分理论、内模控制、模糊控制和比例积分微分(proportional integral differential,PID)控制相结合,提出了一种模糊分数阶内模PI-νDa+ν控制器。首先,考虑到分数阶微积分的优良特性,将其引入交流调...针对高精度交流调速系统,将分数阶微积分理论、内模控制、模糊控制和比例积分微分(proportional integral differential,PID)控制相结合,提出了一种模糊分数阶内模PI-νDa+ν控制器。首先,考虑到分数阶微积分的优良特性,将其引入交流调速系统的内模PID控制器中,得到了一种分数阶内模PI-νDa+ν控制器,该控制器包含3个可调参数。然后,通过阶跃响应分析了控制器参数对系统性能的影响,并根据分析结果设计了模糊控制器,实现了控制器参数的智能整定,克服了分数阶控制器参数整定困难的不足。实验结果表明,模糊分数阶内模PI-νDa+ν控制器可以使系统具有良好的动态响应、扰动抑制特性和克服参数摄动的鲁棒性。展开更多
文摘针对高精度交流调速系统,将分数阶微积分理论、内模控制、模糊控制和比例积分微分(proportional integral differential,PID)控制相结合,提出了一种模糊分数阶内模PI-νDa+ν控制器。首先,考虑到分数阶微积分的优良特性,将其引入交流调速系统的内模PID控制器中,得到了一种分数阶内模PI-νDa+ν控制器,该控制器包含3个可调参数。然后,通过阶跃响应分析了控制器参数对系统性能的影响,并根据分析结果设计了模糊控制器,实现了控制器参数的智能整定,克服了分数阶控制器参数整定困难的不足。实验结果表明,模糊分数阶内模PI-νDa+ν控制器可以使系统具有良好的动态响应、扰动抑制特性和克服参数摄动的鲁棒性。
