基于SSD的轻量级车辆检测网络

车辆检测在汽车辅助驾驶中起着重要作用。因卷积神经网络的目标检测方法具有较高的准确性和稳定性,已经被应用到车辆检测领域。但因其密集型运算和较大的内存需求限制了在嵌入式平台上的应用。针对上述问题,在深入分析SSD算法的基础上,创造性地提出了基于SSD的轻量级车辆检测网络,采用网络剪枝与参数量化融合的方法来减少网络冗余参数。实验结果表明,该网络在略微损失准确率的情况下,压缩率达到15.7%,速度提升了近3倍,可用于嵌入式平台实时检测车辆。     

基于高斯过程的参数辨识及永磁同步电机模型电流预测控制策略

为了提高永磁同步电机控制系统电流环控制器的性能,降低模型参数失配对控制系统的影响,提出了基于高斯过程参数辨识的永磁同步电机有限集模型预测电流控制策略（FCS-GPMPC）。首先,介绍了永磁同步电机电流预测模型并分析了模型参数失配对系统性能的影响;其次,为简化一般机器学习参数辨识算法中超参数复杂的调试过程,提出了一种基于高斯过程的模型参数的辨识方法;同时,引入预测值的置信区间作为参数预测效果的实时评估参考;最后,将高斯过程参数辨识与基于模型的有限集模型预测电流控制（FCS-MPC）相结合,在得到准确辨识的参数后对系统电流预测模型更新以提高系统鲁棒性和电流环跟踪性能。实验结果显示：在本文训练数据的统计特征下,测试数据均方根误差RMSE为0.002 1,R2达到0.99。在参数波动条件下,与FCS-MPC相比,FCS-GPMPC策略下电流波动度降低了30.5%,电流平均偏移度降低了19.6%,另外对参考电流的阶跃变化,FCS-GPMPC有更好的动态响应。实验结果表明,基于高斯过程的模型预测控制方法可有效抑制模型失配对控制系统的影响,能够提高永磁同步电机控制系统电流控制器性能。     

嵌入式驾驶疲劳检测系统设计

随着机动车交通事故数量的快速增长,交通安全已成为研究的热点.疲劳驾驶是引起交通事故的一个关键原因.为了减少疲劳驾驶带来的损失,论文利用TI公司的DSP芯片TMS320DM642,设计了嵌入式驾驶疲劳检测系统.该系统集图像采集,图像处理,图像识别以及疲劳预警于一体.实验结果表明此设计能进行实时疲劳检测,可以有效地减少交通意外,并具有尺寸小,成本低,实时好的优势.