基于神经网络主从控制系统的研究与应用

针对钳式吊大车控制系统存在的速度不同步、力矩不均衡问题,研究了基于神经网络的主从控制并将其应用于钳式吊大车控制.在双闭环控制条件下,电流环采用神经网络PID代替传统的PID,解决了因速度不同步、力矩不均衡引起的机械轴经常断裂的问题,降低了机械损耗及故障率,实现了速度同步、力矩均衡,取得了良好的控制效果.     

基于CIoU改进边界框损失函数的目标检测方法

损失函数对于目标检测任务的检测精度和模型收敛速度具有重要作用,而损失函数中的边界框损失函数是影响检测结果和模型收敛速度的重要因素。针对传统模型定位精度低和训练时模型收敛慢的问题,本文在CIoU边界框损失函数的基础上提出一种改进的边界框损失函数,解决了CIoU损失函数求导过程中由边界框宽高比带来的梯度爆炸问题和模型提前退化的问题,并且引入重叠区域与目标框的宽高关系和中心点之间的归一化距离作为附加的惩罚项,提高了模型的检测精度和收敛速度,这种损失函数称为BCIoU(Better CIoU)。在PASACL VOC 2007数据集上的实验结果表明,改进的BCIoU边界框损失函数在YOLOv3网络下相对于IoU损失的mAP50指标相对提升了2.09%,AP指标相对提升了6.88%;相对于CIoU损失的mAP50指标相对提升了1.64%,AP指标相对提升了5.35%。模型的收敛速度也有一定程度的提升。本文提出的BCIoU损失函数提高了模型的检测精度和模型收敛速度,并且可以很方便地纳入到当前目标检测算法中。     

经网络模型参考自适应控制在多机主从控制上的应用

讨论了基于神经网络的模型参考自适应控制算法的力矩跟随主从控制模式，在中厚板生产线上双边剪夹送辊传动系统中的应用，并利用SIEMENS 6RA70系列直流传动控制器内附加的工艺软件S00实现了该算法。     

基于离散小波变换的机械故障信号提取

机械传动的轴承、齿轮等关键部位的故障信号中都含有冲击信息,通过对冲击信息的提取就可以对设备做出精密诊断.本文针对机械故障难以预先发现的问题,将离散小波变换和频谱分析相结合从机械的振动信号中提取非平稳信号,以此作为判断故障信号及类型的依据.从实际的应用效果看,利用离散小波变换技术提取冲击信号是非常有效的.     

基于Android的智能可调光LED灯节能控制

针对家庭LED灯能源耗电问题,提出了一种智能调光节能控制方法。该方法以安卓操作系统为平台,智能手机作为客户端,利用LM3409HV降压自适应反馈控制机制,通过Wi Fi网络实现无线远程可调光节能LED灯的低功率照明。该系统采用太阳能绿色可再生能源为智能电网供电,结合室外光强,通过光敏传感器和脉宽调制(PWM)技术调节LED灯亮度。在通用输入电压下,可实现高效率、高功率因数调光。与传统的机械式开关LED照明电灯相比,智能调光系统设计的软硬件更为灵活和方便、成本更低、功耗更小,界面和功能都具有良好的通用性、准确性,具有广泛的应用前景。     

神经网络模型参考自适应控制在多机主从控制上的应用

讨论了基于神经网络的模型参考自适应控制算法的力矩跟随主从控制模式,在中厚板生产线上双边剪夹送辊传动系统中的应用,并利用SIEMENS 6RA70系列直流传动控制器内附加的工艺软件S00实现了该算法.     

Sunplus 32bit IC在PMP中的应用

本系统用Sunplus（凌阳）公司的32位IC——SPG290A作为主控芯片，通过I^2C总线控制外接的CMOS图像传感器,可方便控制SENSOR的效果和它传输过来的数据，将图像数据存储到SD卡，有利于携带与读取。另外,SPG290A强大的图像处理机制能够处理相对复杂的图像，进行娱乐游戏的开发。     

基于CA-EfficientNetV2的蘑菇图像分类算法研究

针对传统的蘑菇特征提取方法分类效率低且效果差的问题,提出了一种轻量型的蘑菇图像分类模型。由于实验所用数据集较小,所提分类模型在基于Imagenet数据集的迁移学习中初始化EfficientNetV2模型并修改全连接层。同时为了减少网络中参数影响,对原EfficientNetV2模型进行精简,去除了网络中重复的模块。最后用特征提取效果更好的coordinate attention(CA)注意力机制替代原来MBConv模块中的squeeze-and-excitation机制,得到了新的CA-EfficientNetV2。实验结果表明：所提EfficientNetV2与经典ResNet50模型和RegNet相比分类准确率分别提高了10个百分点和2个百分点左右,并得到较高的泛化性能;相较于原始EfficientNetV2,分类准确率提高了3个百分点。即CA-EfficientNetV2在蘑菇分类问题上具有更高的准确率,具有较高的分类性能。