课程文献中心 更多>>

关键词： 运动平台   嵌入式系统   超低温   运动控制   低温摩擦  

摘要： 由于在常温中对磁场的测量技术相当成熟,但在低温环境中超导材料的载流粒子浓度与常温不同,其霍尔数值也不同,如何利用霍尔探头在低温环境下进行均匀连续性的磁场测量一直是低温超导磁体检测过程中的研究重点,因此,用高精度低温霍尔探头测量永磁体在低温环境下的磁性能以及如何对高精度霍尔探头在低温环境下进行标定,这对于永磁体低温磁性能研究有着重要意义。为了实现对液氮环境下进行超导磁体检测,本文对运动控制平台的整体结构进行设计,提出了该平台的隔温密封与润滑方案,开发了运动控制平台的上下位机控制系统,并开展了超低温环境下的相关实验研究。具体研究工作如下:首先,根据研究目标以及运动平台的设计背景要求,对整个运动控制平台进行了整体结构设计,重点开展了滑动密封的材料选择与结构设计,尽可能解决运动控制平台常温环境与液氮超低温环境的隔热问题。其次,基于滑动摩擦热源理论,建立了低温环境下的滑动摩擦分析模型,并对该模型进行热力耦合仿真分析。仿真结果表明,在液氮超低温环境下,滑动密封结构模型中的碳纤维杆与石墨环之间最大摩檫力为0.08N,最大接触应力为7.57Pa,验证了滑动密封结构的可行性,并结合摩擦力矩对电机进行了驱动力的计算、校核与选型。然后,搭建运动控制平台的控制系统,基于嵌入式系统与Visual Studio软件平台设计开发运动控制平台的上位机与下位机软件系统,并通过串口通信方式实现对整体平台结构的运动控制以及传感器的磁场数据采集。同时,上位机软件系统可实现传感器位置数据和采集数据的实时显示与保存的功能。最后,搭建整个实验平台系统,并进行试验测试与数据分析。通过采用基于低通滤波的滑动窗口方法对传感器采集的数据进行处理。实验结果表明,通过使用该方法达到了预期的效果,并测得运动控制平台轴向运动的定位精度达到±15μm,周向运动的定位精度达到±0.27°,验证了本文所设计的运动平台的传动系统和控制系统的可行性。

关键词： 肌电信号   采集与识别   无人机控制   OpenMV   LSD算法   嵌入式系统  

摘要： 为保障电力线路安全、稳定运行,需要定期对输电线路进行巡检。目前,绝大多数电力公司用无人机搭载的外设查看输电线路有无磨损、是否覆盖有异物等,无人机通常用手柄操控。这种操控方式存在人机交互性差、操作复杂等缺点。针对上述不足,本文设计了基于表面肌电信号的无人机控制系统。由于表面肌电信号能够表征特定肌肉的收缩状态,因此,可由不同手势时肌电信号的特征判断手势的类别,从而遥控无人机对输电线进行巡检。本课题的主要研究内容如下。首先,在硬件方面,设计、制作了肌电信号采集和调理电路以及基于STM32F407处理器的嵌入式运算平台。为满足肌电信号稳定地采集,根据不同臂围,完成了四通道肌电手环的结构设计并通过3D打印进行制作。为确保下发每个手势识别结果的准确性,该肌电手环增加语音播报功能进行二次确认即通过人脑判断当前手势与识别播报的相同后再通过OK手势下发。考虑到长时间的手势控制会导致肌肉痉挛,本课题在无人机上搭载了Open MV模块,当无人机到达电力线ROI(感兴趣的区域)后可实现自动跟线巡检。然后,在算法方面,为准确获取到活动段内的肌电信号,本文研究了一种基于移动平均的局域性双阈值活动段检测方法。在分类识别中,比较分析了K近邻、贝叶斯分类以及支持向量机等算法对活动段肌电信号的分类识别效果,提出了基于动态规划的DT-SVM算法识别手势。在无人机自动跟线中,采用LSD(Line Segment Detector)算法进行电力线提取和最小二乘法拟合,通过颜色和电力线在ROI(感兴趣的区域)中的位置来实时调节无人机的姿态。最后,基于嵌入式平台对算法进行裁剪优化,实现系统训练、识别和解码,完成了手势控制无人机和无人机自动跟踪电力线的软件程序设计与实现。测试结果表明,本文设计的系统能够较好的实现肌电信号的采集与识别。手势控制无人机的模拟实验与无人机自动巡线实验验证了本系统的可行性与工程实用性。

关键词： 无透镜成像   即时检测   系统参数检测   细胞尺寸检测   嵌入式系统  

摘要： 细胞大小是进行医学诊断的重要基础。传统的细胞尺寸检测设备有光学显微镜和流式细胞仪,光学显微镜需要专业人员操作,不能自动化,流式细胞仪设备笨重,价格昂贵,二者都不适合即时检测。无透镜成像技术的发展为细胞尺寸检测提供了更好的解决方案。 传统的基于无透镜成像技术的细胞尺寸检测方法有阴影成像和全息重建,前者需要细胞紧贴图像传感器表面,操作复杂且检测成本高,后者对光源有严格要求,算法复杂。本文提出了一种利用衍射图像的衍射条纹半径获取准球形细胞尺寸的算法,在不改变系统结构的情况下,能够快速实现细胞尺寸的检测。本文首先分析了无透镜成像系统的衍射理论和准球形细胞的衍射成像规律,根据菲涅尔衍射理论提出了一种系统参数检测算法。其次,根据衍射成像规律建立了衍射叠加模型,通过衍射叠加仿真和拟合得到准球形细胞尺寸检测算法及尺寸检测的边界条件,并给出了完整的准球形细胞尺寸检测方案。为了验证算法的有效性,搭建了实验平台,分别使用直径为5μm、6μm、7μm、和9μm的聚苯乙烯微球,以及人体健康的红细胞对算法进行测试。测试结果表明,利用本文提出的算法计算得到的红细胞半径均值与显微镜下测量的红细胞半径均值相比,误差为3.12%,且单个细胞半径最大误差为9.69%,平均误差为5.37%,算法计算的300个微流控中的红细胞的半径均值为3.40μm,而人体正常红细胞的平均半径约为3.50μm,该测试结果充分说明了本文提出的细胞尺寸检测算法的有效性,且具有较高的测量精度。最终在此基础上,设计了基于嵌入式系统的小型化细胞尺寸检测系统,其中设计的无透镜图像采集系统的尺寸仅为48.30×48.30× 80.50mm3。 本文利用衍射图像的衍射条纹半径,实现了无透镜系统下准球形细胞尺寸的测量,为细胞尺寸检测提供了新的技术手段,拓宽了无透镜成像系统的应用。设计了基于嵌入式系统的细胞尺寸检测系统,减小了设备体积,降低了检测成本,为小型化细胞检测设备的设计提供了新的思路。

关键词： 地下隐藏式垃圾收集系统   垃圾分类   嵌入式系统   图像识别  

摘要： 生活垃圾处理是当今社会共同关注且迫切需要处理的公共卫生问题。推行垃圾分类制度,加强分类设施建设,强化垃圾处理系统前端、中端、末端各环节有序衔接,对于最大化利用垃圾资源,减少垃圾处理数量,节省土地资源,改善生存环境状态具有重要意义。但目前主要的研究和投入多为末端分类回收方法的创新,处于前端的垃圾分类投放和收集环节大都依靠人工,导致资金压力大且效率低,有关前端垃圾分类收集阶段的任何改进都可节约可观的费用。因此,本文针对公园景区、高档社区和写字楼等公共场所垃圾收集与分类处理需求,开展地下隐藏式智能垃圾分类收集系统研究,为解决该场所垃圾分类配套设施不完善、土地资源有限、人为分类成本高、效率低、效果不佳等问题,提出了基于深度学习图像识别算法与嵌入式平台的智能垃圾分类收集方案,并设计必要的地下隐藏式执行机构,可以较低成本地实现该场所塑料瓶、易拉罐等高回收价值目标的有效识别与分类,为前端垃圾分类收集环节的自动化和智能化改进提供参考解决方案。主要内容如下:首先对系统的应用场景与功能需求进行分析,明确了地下隐藏式智能垃圾分类收集系统的总体设计方案,包括机械系统、嵌入式平台硬件系统及软件系统设计三部分,并分别对各部分内容展开详细的方案设计与功能分析,为后续设计工作提供指导。根据机械系统的设计要求、设计参数及功能需求完成了整机结构设计,包括分类运输装置、双层双列剪叉升降装置、安全防坠装置等主要机构的设计方案,完成了主要受力结构件强度的有限元仿真校核。基于CM4计算模块设计了地下隐藏式智能垃圾分类收集系统的控制器硬件,包括核心板、底板及扩展板三部分。首先完成了核心板芯片资源分析与引脚分配;其次完成了底板集成电源模块与接口模块电路设计,包括USB2.0、HDMI、CSI、DSI、SDcard及40Pin GPIO接口;然后设计了扩展板集成功能模块电路,包括I2C扩展I/O模块、串行总线扩展AD采样模块、全功能串口扩展GSM移动通讯模块以及SPI扩展无线收发模块和RF遥控器;最后完成了控制器各功能板PCB绘制。完成了系统控制器软件开发与功能测试,包括数据采集模块、GSM通讯模块以及无线收发模块的程序设计,以及垃圾图像识别模型的训练、测试、移植与评估。通过Py Qt5完成人机交互界面开发设计,并在控制器Linux环境下完成界面移植与测试。经测试,移植后的网络模型平均识别准确率达到90%,各模块串口通信、网络连接以及数据收发等功能均正常,人机界面具有良好的用户体验。共有图83幅,表5个,参考文献83篇。

关键词： 脉冲神经网络   强化学习   机器人   嵌入式系统   Q学习  

摘要： 脉冲神经网络被称为第三代人工神经网络,是一种受到生物神经元工作模式启发的神经网络模型,具有高度的生物学上的可解释性。脉冲神经网络中神经元之间的信息交互基于离散脉冲,与采用模拟数值的第二代人工神经网络相比,包含了更多的信息,如时间、频率、相位等,因此具有更加强大的数据处理能力。但基于脉冲的数据处理方式也为脉冲神经网络带来了新的问题,其中最主要的问题之一便是脉冲变量的不可微性导致学习算法匮乏。针对该问题,本文主要关注脉冲神经网络领域中的强化学习策略。本文的主要工作及创新点可以总结为以下几个方面: 1、首先是本文的研究背景,包括课题的由来以及主要的研究内容。该部分主要包括了生物神经网络基础和脉冲神经网络中常见的神经元模型、编码方式以及学习算法。 2、结合强化学习思想,提出了一种新型的基于脉冲神经网络的自主学习算法并在移动机器避障领域进行了应用。其中神经网络部分采用FPGA进行实现,移动机器人的控制则采用ARM微控制器,两者通过蓝牙模块进行通信。实验结果表明,使用了新型自主学习算法的机器人不仅能够成功的完成避障任务,相对于其他同类工作,其各项行为具有生物学可解释性。 3、针对脉冲神经网络使用离散脉冲进行信息传递,相对于传统的第二代人工神经网络具有更高鲁棒性的特点,本文研究了基于液体状态机(Liquid State Machine,LSM)的Q学习算法的鲁棒性。实验结果表明,与基于第二代人工神经网络的深度Q学习网络相比,基于LSM的Q学习算法在输入环境信息分别受到三种噪声干扰时,均具有更高的性能。 4、针对基于LSM的Q学习算法在训练和推理时需要大量的计算资源,在资源受限场合下无法满足实时性需求的问题,本文设计了一种基于FPGA的加速方案。在此基础上,结合强化学习任务本身的特点,构建了一个完整的嵌入式强化学习任务执行系统。实验结果表明,与使用通用处理器Intel Core i7-10700F相比,本文所设计的系统在执行相同的强化学习任务时,其训练和推理过程分别达到了2.7倍和17.5倍的加速效果。

关键词： 视频监控   嵌入式系统   运动侦测   Vibe算法  

摘要： 近年以来,伴随着科技的进步和互联网的发展,电商行业得到了快速的发展,相应的也带动了物流行业的发展,仓库的种类、规模和数量也在逐年增加。仓库的安防监控系统不仅仅是物流公司管理的重要环节,同时也是保证广大消费者权益的一项重要手段。目前,仓库监控系统大多采用的是传统的大型监控设备,这种监控设备存在许多弊端。首先,传统监控设备以电脑主机作为监控平台,往往需要进行复杂的布线工作,安装难度较大,维护成本较高,同时占用空间,过多的线路也会给仓库安全带来隐患;其次,传统的监控系统对于仓库存在的安防等问题无法及时反馈,需要监控人员长时间盯着屏幕,在出现安防事故时只能通过视频回放才能获取事件信息,浪费人力且效率低下。针对传统的视频监控系统存在的问题,结合嵌入式视频技术和图像处理技术,课题组设计了一款小型的、低成本的智能监控系统,用于对小型仓库的智能化监控。仓库管理员可以通过人机交互界面以及网页进行仓库画面的实时监控,同时当仓库中出现人员移动时,系统会自动进行画面的捕捉和保存,并进行报警。设计以三星的Exynos4412芯片作为处理器,以嵌入式Linux作为开发平台,给出了仓库监控系统的整体设计架构,在电脑端搭建系统开发所需要的交叉编译环境,对Linux移植所需要的U-boot、内核、根文件系统进行相应的交叉编译和移植工作;对仓库监控系统所需要的视频采集驱动、USB驱动、触摸屏驱动以及网卡驱动等进行了内核的裁剪、编译和移植,搭建了整体的ARM-Linux系统开发平台;在上层应用中,设计以QT应用程序开发框架,设计人机交界面,以V4L2视频采集框架,实现了视频的采集与本地画面的实时显示功能;在系统中移植并配置了Nginx小型服务器和FFmpeg视频处理库,通过对Nginx网页端进行设计,最终实现网页端的远程监控功能;在对传统的运动目标侦测算法的比较和实验的基础上,改进了Vibe算法的鬼影问题,并将改进后的算法移植到ARM系统中,完善系统运动图像的保存和蜂鸣器的报警,实现移动目标侦测、画面保存和报警功能。

关键词： PLC   硬件抽象   嵌入式系统   任务调度   软件构件  

摘要： 随着中国制造2025的提出,可编程逻辑控制器(Programmable Logic Controller,PLC)因其高可靠、编程简单、高效低耗、系统灵活等优点,在工业自动化领域扮演着越来越重要的角色。但国内的PLC市场长期被国外厂商占据,拥有自主产权的PLC十分稀少,核心技术缺乏,尤其是其硬件平台,大部分采用国外,国产化程度远远不够。而CK系列处理器(CK-CPU)是由阿里巴巴旗下平头哥研发的、全自主产权高性能32位嵌入式处理器,有着极其广阔的应用前景。本文在对PLC系统进行深入研究和详细分析的前提下,提出了一种基于CK-CPU硬件平台的PLC构建方法并加以实现,为国产嵌入式处理器的发展添砖加瓦,同时为PLC领域的“卡脖子”问题提供了一种解决方法。本文主要工作如下:(1)提出了基于CK-CPU的PLC硬件抽象方法。采用嵌入式构件技术将CK-CPU的硬件资源封装、抽象,并实现了硬件构件库。然后通过变量映射表建立硬件资源与PLC软元件的映射关系。该方法降低了PLC软件系统的耦合度,提高了可扩展性,同时为构建PLC提供了底层支持。(2)结合PLC硬件抽象方法,提出了基于CK-CPU的PLC构建方法。该方法包括PLC硬件系统结构设计,以及存储管理、Bootloader、控制引擎、通信模块等软件模块设计。针对数据地址离散的情况下Modbus协议传输效率低的问题,提出了一种改进的通信协议,提高了通讯效率。(3)针对PLC中信号扫描周期和精度不同引起的运行效率和可靠性下降问题,提出了一种面向嵌入式PLC的动态任务调度算法DTO-IT(Dynamic Tolerance And Interrupt Time Scheduling Algorithm),实验结果表明,该算法在不增加硬件资源开销的同时,提高了PLC的实时性。(4)将提出的PLC构建方法应用于智能新风系统。设计了基于PLC的智能新风系统的软硬件系统。通过梯形图语言编写了智能新风系统的控制逻辑,并将其应用于实际场景中。应用结果表明,智能新风系统满足控制要求,准确可靠、方便易用,证明本文提出的基于CK-CPU的PLC构建方法具有可行性。本文提出的基于CK-CPU的PLC构建方法与自主研发的开发平台相结合,其硬件系统、软件系统以及开发平台共同组成了全自主化的PLC系统,为PLC自主化研究做出贡献,具有非常现实的意义。

关键词： 癫痫自动检测   嵌入式系统   迁移学习   卷积神经网络   数据可视化  

摘要： 脑电图在癫痫诊断和治疗过程中发挥重要作用。传统的癫痫诊断需要专业医生根据临床经验从大量的脑电图中查找癫痫发作数据,这项工作费时费力,且诊断结果依靠医生的主观判断,难以避免漏判或误判。因此,研究基于脑电信号的癫痫自动检测系统,既可减轻医生临床诊断的工作负担,也有助于提高诊断的准确性和客观性。癫痫自动检测方法常采用特征提取和分类器的组合,特征提取包括对采样点的时域分析、傅里叶变换后的频域分析、小波变换、经验模态分解和非线性动力学分析等,旨在获取数据的代表性特征;分类器包括支持贝叶斯、K近邻、决策树、支持向量机、神经网络等,可以根据特征区分脑电信号类别。本文针对临床癫痫自动检测任务,设计了基于脑电时频特征结合支持向量机、一维卷积神经网络、以及二维卷积神经网络的三种癫痫检测模型。针对脑电数据个性化差异大的特点,借鉴迁移学习的思想,以多名患者的脑电数据组成通用数据集,训练上述三种癫痫检测通用模型;以各个患者剩余的脑电数据组成个性化数据集,在通用模型基础上训练患者的个性化模型。在树莓派4B平台上,实现了“数据采集-数据接收-前处理-算法识别-后处理-可视化展示”完整的癫痫自动检测数据处理流程。在波恩数据集及波士顿儿童医院CHB-MIT数据集上进行实验,验证算法的准确率和实时性。本文搭建的嵌入式癫痫自动检测系统具有成本低、识别准确率较高、可实时检测等特点,可满足嵌入式癫痫检测的性能要求。

关键词： V2G   分布式储能   车网协同技术   嵌入式系统  

摘要： 近年来,随着新能源汽车大规模接入电网,对电网调节能力以及能源储备的要求不断提高。全球能源短缺问题的日益凸显以及人类环保意识的日益提高,促使绿色能源开发强度不断增大。自中国在第七十五届联合国大会上提出碳达峰、碳中和的“双碳”目标以来,世界各国有关于能源转型路径的关键判断趋于一致。为了能够早日实现“双碳”目标、提高能源储备量,增强能源系统的储备与调节能力显得尤为重要。本文以车网协同技术为基础,结合主流物联网技术,充分利用电动汽车作为分布式储能设备的特性,设计并实现了集“充-放-储”功能于一体的基于V2G技术的电动汽车智能充放电系统。本文首先对智能充放电系统的功能需求进行了分析,对系统的总体架构进行了设计。然后进行了硬件系统、软件系统设计和系统测试。硬件系统设计以GD32F407系列微处理器作为核心,设计并实现了充放电系统主控板。针对放电并网功能,采用了两级式V2G并网系统结构。软件系统设计运用了嵌入式系统软件开发技术,制定了各外设通信协议和网络通信协议,完成了充放电系统主控板物理层、网络层以及应用层的软件开发,实现了充放电系统的充电控制、放电控制、安全保护、联网监控等功能。为了有效应对系统的各种应用场景,本设计采用了多种身份认证方式、多种联网方式融合机制。同时,对系统软件植入了实时操作系统,以提高系统的可靠性。测试结果表明,系统能够稳定运行,满足设计指标要求,智能化水平较高。基于V2G的电动汽车智能充放电系统,既能实现对电动汽车的快速充电,缓解车主的续航焦虑,同时也能实现对电动汽车的有效放电,充分发挥电动汽车的分布式储能特性,使电动汽车参与电网资源调节,缓解电网的负荷压力,有效提高能源系统的储备、调节能力,降低储能系统扩容带来的成本压力,具有良好应用前景。

关键词： 人体目标检测   OpenPose   模型轻量化   嵌入式系统   人体姿态识别  

摘要： 人体姿态估计(Human Pose Estimation)作为计算机视觉领域的一个重要分支,在人机交互、体感游戏、运动预测以及医疗康复等领域得到广泛的应用。其目标是检测出图像中人体各部位的骨骼关键点并将这些点连接形成人体姿态骨架,是人体动作特征中很重要的一种表征,尤其是在视频数据中,可以通过将多帧的人体姿态串联在一起形成某种动作轨迹。因此,越来越多的研究人员会把时间和经历投入到该方面的研究中来。其中,基于OpenPose的人体姿态识别存在模型结构大、计算复杂度高,使得网络检测速度慢以及不易部署在边缘设备等问题。因此,为了能够在边缘设备上实时识别出人体动作姿态,本文主要从两个方面进行了研究:一方面,为了网络在运行时能够达到实时标准,在网络层面上利用轻量级网络对人体姿态估计网络进行改进,以减少模型的计算量。另一方面,为了减轻服务器端计算压力,在边缘设备Jetson Xavier NX上运行人体姿态识别模型。本文的最终目标是将基于嵌入式系统的人体姿态识别模型应用到现实场景中。具体工作主要包括以下几点:(1)为了解决OpenPose算法在无人区域存在误检出人体骨骼关键点的问题,本文提出了在人体姿态估计之前先进行人体目标检测的方法。即先检测出图像中目标人体的位置并将其框出,再将框出了人体的图像输入到人体姿态估计网络中进行人体关键点检测。(2)将摄像头实时捕获的数据输入到人体姿态估计网络中提取每一帧中人体的18个关键点的坐标信息,对坐标数据做归一化处理,并采用COCO数据集的格式对动作姿态类别进行标定,形成包含37列数据的csv文件数据集。该数据集一共有24276条数据,包含11类动作姿态,有站立、跑步和踢腿等,并用该数据集训练人体动作姿态识别模型。(3)针对OpenPose模型结构大、参数量多等特点,提出了一种轻量化的人体姿态估计算法。用轻量级MobileNet网络中的深度可分离卷积替换原OpenPose模型中的标准卷积,减少网络的参数量,提升检测速度。同时为了验证改进算法的有效性,做了基于OpenPose、改进OpenPose以及MediaPipe Pose的人体姿态识别实验,通过比较分析,基于轻量级OpenPose的人体姿态识别在识别准确率和实时性方面均表现良好。(4)为了减轻服务器端计算压力,在边缘设备上识别人体动作姿态。在Jetson Xavier NX平台上安装操作系统、搭建运行环境,将人体姿态识别模型移植到该平台上,通过实验测试验证了该模型在边缘设备上运行的效果,可基本满足检测实时性要求。并针对意外摔倒对老年人造成的伤害,本文也进行了摔倒检测实验,实验验证了人体姿态识别模型可以有效的识别出摔倒动作并进行报警。因此,能够将该模型应用到对独居老人摔倒检测的现实场景中。