课程文献中心 更多>>

关键词： 嵌入式系统   养殖环境监测   ARM   云平台   环境预测  

摘要： 近年来,随着经济的不断发展、恩格尔系数的不断提升,人们对生活品质的要求也逐步提升,数据显示,我国居民对肉制品的需求正在快速增长,加之国家近年来大力倡导发展绿色、健康、可持续发展的养殖业,国内正在呈现出一种将现代科学技术融入到禽畜养殖中的趋势。目前,我国的养殖业主要以中小规模养殖为主,现代化水平不高。养殖过程中养殖户主要依照自身的工作经验来调控养殖环境,对养殖环境的监测和调控还需要人工前往现场进行手动操作。在养殖场中,温度、湿度、氨气、二氧化碳等都是关系禽畜健康的重要环境因素,如果对这些环境因素监控不及时,就会直接导致生产效益降低。因此,将现代科学技术运用到传统养殖业中,对养殖场的主要环境信息实施有效监测并做到提前调控,直接关系着养殖场的生产效益水平,具有重要的研究价值和广阔的应用前景。针对上述问题,本文设计了一款基于ARM的养猪场环境监测系统,本系统能够采集养猪场中的温度、湿度、二氧化碳浓度和氨气浓度,根据采集到的环境数据能够调控养猪场内环境,同时也能够利用长短期记忆神经网络(LSTM)对下一时间步的养猪场环境变化进行预测,以达到提前调控的目的。系统的开发分为硬件设计、软件设计和环境预测三部分。在硬件部分,采集节点利用STM32驱动传感器的方式实现养猪场环境数据采集,利用LoRa模块收发数据,采用STM32与LoRa模块、WiFi模块相结合的方式来设计智能网关模块,智能网关则利用LoRa模块与采集终端进行通信,通过WiFi模块连接互联网来接收和发送信息;在软件部分,利用RT-Thread实时操作系统的多任务调度机制保证数据采集、数据传输、报警等功能有序且稳定地运行,利用OneNet物联网云平台实现养猪场环境数据的存储和调用、实时监测场内环境信息和远程控制猪场内硬件设备等功能;在环境预测部分,利用长短期记忆神经网络进行养猪场环境预测模型训练,通过预测模型来对下一时间步的养猪场环境数据进行预测,提前掌握场内的环境变化并及时做出相应的调控措施。系统搭建完成后,对系统的各个功能模块进行了测试与验证,通过测试,系统的软、硬件都能够正常工作,基于LSTM算法的养猪场环境预测模型的预测误差处于设计预期范围内,系统整体运行情况能够达到预期效果。最终,本系统能够较准确地采集养猪场内的各项环境数据,根据采集到的数据实现场内环境的提前调控,利用LSTM算法预测下一时间步的环境数据,让养殖户充分体验到现代化养殖的智能与便捷,具有一定的应用价值。

关键词： 红外激光光谱学   城市大气监测   甲烷传感器   远程监测   嵌入式系统  

摘要： “十三五”国家科技创新规划提出重点研究适合我国国情的大气环境污染监测技术,研制大气环境在线监测设备。甲烷（CH4）作为天然气的首要组成部分,其含量超过90%,是重要的清洁能源。CH4具有无色、无臭、易燃、易爆的特性,其泄漏会导致诸如全球气候变暖、工业生产安全事故、大气环境污染等方面的问题。因此,对大气CH4浓度状况进行精确监测十分重要。此外,在固定位置检测的CH4气体传感器无法满足城市大范围的大气监测要求,且传统的CH4气体传感器不具备网络发布的功能。因此,无法实现实时、远程的数据监测和地图测绘。为了解决上述问题,本论文设计并实现了一种车载移动式CH4传感器嵌入式远程监测系统,实现了城市大气痕量CH4的远程监测,为实时测绘城市大气CH4浓度情况提供了关键技术与装备。具体内容如下:本论文首先阐述了红外气体检测原理,为了扩大检测范围和提高检测精度,采用了直接吸收光谱和波长调制光谱两种技术相结合的方式检测大气CH4浓度。为了实现精度高、抗干扰能力强的红外吸收光谱气体传感,选取了中红外的CH4气体分子吸收谱线作为目标谱线。针对城市大气CH4气体检测目标,对传感系统中的红外光谱检测技术方案,以及车载移动式的应用方案进行了分析与设计,同时设计了CH4传感器的系统整体结构,包括了光学、气路、电学三部分,并对激光器的扫描电流范围和工作温度进行了分析与确定。为了满足车载复杂环境的适应性,设计了紧凑、稳定的直线式光路结构,并对整个传感器系统进行了集成。此外,还优化了激光器的调制深度。最后,对传感器主要性能做了测试与评估。浓度标定实验结果表明,传感器系统的线性度良好。当积分时间为0.5 s时,检测限为4.10 ppbv（parts per billion in volume,十亿分之一体积分数）。当积分时间为54 s时,检测限为0.62 ppbv。仪器的响应时间为1.92 s。相比于商用的车载CH4传感器,所研制的车载移动式大气CH4传感器在精度、稳定性等方面具有比较先进的水平。为了实现远程、实时、任意地点监测大气CH4浓度,开发了一种嵌入式远程监测系统,包括基于嵌入式多核处理器的网络发布端、云服务器和Android（安卓）远程监测客户端。对于网络发布端,首先设计了硬件部分,包括i TOP-4412嵌入式平台、Wi Fi模块、定位模块以及触摸屏模块。对嵌入式Linux系统进行了编译与移植,并根据硬件设计了相应的驱动程序。最后,设计了网络发布端的软件部分,包括流程图的设计、各个模块程序的编写以及软件的交叉编译,以实现网络发布端的数据采集、网络发布、本地存储、人机交互的功能。对于云服务器,首先对其进行了配置,并搭建了MQTT（Message Queuing Telemetry Transport,消息队列遥测传输）代理服务器,以实现消息中转。设计了My SQL数据库,并对实现云存储的后台程序进行了编写。对于Android远程监测客户端,主要分为界面设计和功能代码设计,功能代码部分的设计采用了多线程编程技术,实现了CH4浓度监测、百度地图定位和历史数据显示等功能。最后,利用所研制的中红外车载ppbv量级的CH4传感器远程监测系统,进行了吉林大学校园内定点和移动式大气CH4远程监测实验,证明了该系统具有长期监测稳定性和良好的移动监测性能。随后,进行了长春市车载移动式大气CH4远程监测实验,结果说明了该系统具有良好的实用潜力和广阔的应用前景。本论文的主要创新点:针对城市大气痕量CH4气体检测的需求,研发了一种中红外ppbv量级的CH4传感器。基于嵌入式多核处理器、云服务器和Android手机平台,运用嵌入式Linux技术、无线通信技术、数据库技术、Android客户端技术,研发了一种嵌入式远程监测系统,实现了CH4浓度数据和定位数据的采集、存储、网络发布、远程监测和地图测绘的功能,提高了传感器系统的网络化和智能化水平。

关键词： 嵌入式系统   高效神经网络设计   目标检测   智能安防  

摘要： 在嵌入式摄像头系统中实现基于机器视觉的目标检测算法,是安防领域走向智能化的重要一步。传统的深度学习算法设计与实际部署至目标平台是相对独立的两个环节,由于设计平台与实际部署平台之间存在的硬件架构差异,许多GPU平台上设计得到的算法无法充分利用目标平台的硬件计算能力,该问题已经成为许多研究人员关注的焦点。针对目前嵌入式摄像头部署的智能算法无法充分利用硬件计算资源,算法精度与实时性无法兼顾的问题,本文研究实时场景下的嵌入式深度神经网络设计方案及其在具体硬件平台上的应用实现。针对目前深度学习中的传统轻量化网络在星宸科技Sigma Star SSC338G芯片平台上不适配硬件计算架构,无法充分利用硬件计算资源,导致计算效率低下的问题。本文结合硬件平台的运算特性感知,提出一种基于可变尺度的高效网络结构SGSBlock(Sigma Star Block),使用更简洁紧凑的卷积连接,以及可变尺度的轻量化设计,提升基本网络模块的硬件计算效率。基于SGSBlock的高效网络结构,结合目标检测任务的特点,本文提出一种适应于Sigma Star SSC338G芯片的高效轻量化目标检测网络SGSNet,高效结构设计使得网络模型的各项硬件运行指标大幅度提升。经过在嵌入式目标平台与经典的Dark Net-YOLOv5s和Mobile Netv2-YOLOv5s两个低复杂度目标检测网络的对比,在精度分别提升0.2%与1.8%的基础上,推理时延分别降低36.7%和26.2%,硬件计算效率分别获得61.8%和42.1%的显著提升。最后,为实现高效目标检测网络SGSNet在嵌入式平台的具体应用,进一步围绕目标流量统计任务展开相关工作。针对嵌入式平台的资源局限性,本文选用硬件友好的高性能多目标匹配算法,设计实现针对跨线计数优化的轨迹时空分析计数算法,实现了基于嵌入式摄像头平台的智能目标流量监控,速度和精度上能够满足实际应用场景需求,具有实际应用价值。

关键词： 球形机器人   动力学模型   运动控制   嵌入式系统  

摘要： 球形机器人是一种新型移动机器人,有球形或近似球形的外壳,其它机构都放置在球壳内部。具有密封性强,运动灵活,能耗小等优点。可以在野外、水下等恶劣环境以及管道、沟渠等狭小空间内工作,应用前景广阔。但是球形机器人复杂的运动控制问题还没有很好地解决,严重阻碍了其现实应用的推广。本课题是以重摆式球形机器人为研究对象,通过理论分析、仿真模拟和实验验证等主要方式,对球形机器人的控制器设计和实验研究两个方面展开工作,具体研究内容如下:(1)对球形机器人样机的机械结构、驱动原理和硬件组成进行分析,具体介绍球形机器人各构件的安装位置、传动方式和主控制器、通信系统、传感器系统等。(2)根据重摆式球形机器人的运动原理建立动力学模型,并在ADAMS中建立虚拟样机,进行仿真验证。在合理假设下,将复杂动力学模型简化、线性化。为控制器的设计奠定理论基础。(3)对球形机器人速度控制和姿态控制进行分析,先后采用了极点配置、渐进跟踪控制器、LQR控制等方法进行控制器的设计,在MATLAB中对控制策略进行仿真。并对不同的控制方法进行了对比和改进。(4)通过控制系统的硬件设计和软件设计,对球形机器人的运动控制进行实验研究,包括:传感器的安装、姿态测量程序、电机驱动程序和控制程序等。从而实现准确的姿态测量和稳定的控制,完成实验平台的测控系统。最后利用搭建好的实验平台,进行姿态控制实验、速度控制实验,验证控制策略的有效性。

关键词： 网络化制造   电火花数控系统   嵌入式系统   ARM  

摘要： 进入新时代,加快建设制造强国、加快发展先进制造业,成为我国的国家战略。其中,制造业的数字化、网络化、智能化是我国制造业创新发展的主要技术路线。电火花加工适用于难加工材料和复杂曲面的加工,特别在航天涡轮盘发动机制造加工领域有着重要地位。因此,电火花加工设备的网络化研究对推动制造业创新发展有着重要的意义。目前电火花数控系统都是基于PC构架,以华为事件为警钟,一旦国外在PC技术上封锁我国,国内的电火花加工数控系统将受到严重影响。随着嵌入式处理器的发展,嵌入式微处理器的资源已经能够满足电火花加工数控系统的要求。同时,基于嵌入式处理器的电火花加工数控系统研究能推进数控系统更深层次的国产化。由此,本文提出基于ARM(Acorn RISC Machine)的电火花数控系统网络化研究课题,以促进电火花加工技术发展。本文从网络化制造系统总体出发,分析电火花加工机床在网络化制造系统中扮演的角色,明确电火花加工机床需要面向主控用户(人机界面)、远程控制用户(生产线主控器)、远程监视用户(生产线监视器)提供不同的服务功能,研究电火花加工数控系统网络化的硬件方案和软件方案。结合电火花加工数控系统实际功能需求,构建基于TCP/IP的电火花数控系统网络通讯协议,开发网络通讯接口模块及用户演示界面。以德瑞加电火花加工机床为基础,开发基于ARM的电火花加工控制器,替换原工控机,实现对电火花加工机床的控制功能。基于ARM的电火花加工控制器采用“软PLC+NC+通讯服务”模型来实现数控系统的功能,用FMSC总线替代工控机的PC104总线,实现控制器与电火花加工控制板的接口。软件上采用COS实时操作系统来满足电火花数控系统的实时性要求。在德瑞加电火花加工机床,进行基于ARM的电火花加工控制器的网络通讯实验和机床控制功能的实验,验证了本研究电火花加工网络化方案的可行性。

关键词： 集群机器人   定位   UWB   PDOA   嵌入式系统  

摘要： 近年来,集群机器人正成为一个热门研究领域,因其具有分布式、自主决策的特点,有助于解决集中式控制的多机器人系统所不能解决的问题。而位置信息作为集群机器人决策的重要组成部分,对其执行预定任务或算法的能力有着不可忽视的影响。然而,现有的机器人定位技术多需要服务器或已知锚点辅助进行定位,不适合自主集群机器人应用场景。针对这一点,本文基于UWB技术,创新性地设计并实现了不依赖服务器或已知锚点的相对定位方法,适用于自主集群机器人的应用场景。该方法以UWB通信技术为基础,融合了DS-TWR与RSSI方法实现距离测量,又采用PDOA方法实现角度测量,并综合距离与角度测量结果得到目标的相对位置。此外,该方法基于UWB通信,在定位的同时还可进行机器人间的信息交流,实现了定位与通信的一体化。为实现这一方法,本文主要进行了以下工作:(1)针对集群机器人系统对定位技术的需求,在对现有定位技术的分析基础上,提出了基于UWB技术的相对定位方法,并对系统架构与软硬件结构做了总体方案设计。(2)提出了将DS-TWR与RSSI方法互相结合的测距方法,介绍了PDOA方法测量角度的原理,结合以上两种方法,提出了一种综合定位方法,可以实现对目标的相对定位。(3)完成了集群机器人实验平台中定位系统的硬件设计,包括了硬件选型与电路设计等,主要有UWB通信模块,PDOA模块,Wi-Fi通信模块,IMU模块等。(4)完成了集群机器人实验平台中定位系统的软件设计,实现了UWB通信与测距功能、基于PDOA的角度测量功能、相对定位功能、Wi-Fi通信功能等。本文设计并实现了一种适用于集群机器人的相对定位方法,经过测试,该方法能够在无已知锚点与服务器辅助的条件下,实现集群机器人之间的相对定位,且具有较高的精度,能够满足集群算法对位置信息的需求。

关键词： 嵌入式系统   频谱分析   色彩音乐   常数Q变换  

摘要： 音频信号处理一直是计算机领域的热门研究方向。本课题运用了科学的方法,通过对音乐与色彩关系的研究,探寻音乐与色彩映射的依据,建立色彩音乐的模型。归纳分析了音乐与色彩之间存在的联系,自行研制嵌入式实验系统,进行音频播放、音频采样、音频信号处理、音频信号频谱识别等实验。开展音乐与色彩之间关系的理论研究,建立音符频率与色彩之间的映射关系;对频谱分析算法进行优化研究,并实现适合在嵌入式系统上可以实时进行音频处理的程序算法;进行频谱识别方法研究,通过频谱数据,确定音频的频谱特征,并确定与其相匹配的色彩模式;通过脉冲宽度调制驱动混光模块,实现对色彩的输出展示,以达到将音乐与色彩实时准确匹配在一起的目的。主要内容如下:(1)对色彩和音乐关系的研究。从色彩和音乐的基本属性入手,通过分析音乐和色彩的特征,探寻色彩和音乐之间的联系。由音的理论入手,按照音的十二平均律找到一种属于光的“十二平均律”。通过分析音乐和色彩的关系,建立了色彩音乐的模型。以色彩音乐模型为基础实现了音乐和色彩的映射匹配,以此实现对播放的音乐可以实时进行色彩匹配。(2)对频谱分析算法的研究。利用频谱分析技术,从快速傅里叶变换入手,进一步延伸到短时傅里叶变换,又继续扩展到常数Q变换,最后实现一种基于改进的常数Q变换的音级识别算法。该算法针对十二平均律做了特殊的优化处理以便更好地识别十二平均律中的半音信号。由于本算法要在嵌入式平台上实现,所以针对嵌入式系统的实际性能对算法做了特别优化以降低计算量,可以实现以时间帧为单位的基频识别功能。(3)对实验平台的开发。为了可以顺利开展实验,设计开发了嵌入式实验平台,在嵌入式平台可以实时对音频信号进行处理。嵌入式系统具有便携性强、移植方便等特点。因此本课题选择使用嵌入式系统作为研究平台。本课题设计的实验平台采用双机通信:主机进行音频采样,从机进行频谱分析。通过双机协作的方式满足对时序的要求。

关键词： 国产化平台   嵌入式系统   图形用户系统   轻量级  

摘要： 随着操作系统国产化的不断推进,依托开源生态,涌现出了大批以Linux为内核的国产操作系统。而目前Linux上的图形用户系统基本都是以X架构为主,由于X架构上的一些缺陷,导致国产操作系统中基于X的图形显示系统存在系统占用资源高、渲染效率低下等问题。为提升国产平台的人机交互显示能力和系统整机效能,以国产嵌入式Linux操作系统和龙芯3A系列处理器为平台,设计并实现了一个基于Wayland协议的轻量级图形系统。 通过分析Wayland协议架构的优势,设计出基于Wayland协议的轻量图形系统架构与其渲染分工:在架构上将合成器与服务器合并为合成显示服务器;在渲染分工上使用共享内存的方式让客户端自行绘制。同时设计出了合成显示服务器的内部结构与运行流程。 轻量图形系统主要分为合成显示服务器与桌面管理器。为彰显其轻量性特点,在合成显示服务器中,基于客户端自行渲染机制,采用转发客户端请求、保存窗口状态信息的方式实现用户的窗口管理操作,降低了服务器的实现难度;采用共享内存与双缓冲机制相结合的方法设计实现了窗口显示流程,降低内存与通信过程开销;提出了损坏区域的概念,它能有效降低帧重绘的时间,在其基础之上设计出窗口的合成与半透明显示策略。在桌面管理器中,为达成系统轻量、快速等特点,提炼出其核心功能,主要分为三个模块去实现:桌面背景的显示、桌面锁定与解锁、系统托盘。 为使轻量图形系统应用在国产嵌入式平台上,利用交叉编译技术搭建出运行环境,并对系统进行了功能与性能测试。功能测试结果显示系统各方面运行正常,性能测试结果中,虽然基于Wayland架构的图形系统在绘制时间上要差于X架构,但其磁盘和内存等系统资源占用较少,达到了轻量级的需求。

关键词： 实时诊断   卷积神经网络   嵌入式系统   轻量化   电机轴承  

摘要： 电机在人们的生产生活中应用广泛,电机故障会引起经济损失、人员受伤等问题。滚动轴承是构成电机设备的重要元件,滚动轴承故障是电机故障的主要原因之一,因此,电机轴承故障的智能实时诊断尤为重要。针对传统的轴承故障诊断方法存在模型尺寸大、检测时间长、抗噪性能不佳、不适用于实时诊断的问题,本文基于卷积神经网络和Jetson Nano的嵌入式系统研究轴承故障的实时诊断方法,从硬件设计和网络算法两个方面着手研究,将网络算法部署到硬件平台后进行实时诊断,主要研究内容如下:1.本文构建由传感器、信号采集电路、单片机、Jetson Nano及轴承故障实验平台组成的嵌入式滚动轴承故障诊断硬件系统,对系统的各部分组成进行详细地分析与介绍,分析滚动轴承故障产生的原因,并且介绍本文数据采集的实验装置,该硬件系统与轴承故障诊断算法结合后可以有效地实现滚动轴承的实时诊断,符合实时性要求较高的诊断现场。2.针对传统轴承故障诊断存在实时性差的问题,本文研究基于一维卷积神经网络的嵌入式滚动轴承故障实时诊断系统,分析讨论影响模型诊断性能的重要参数,设计三组双层卷积加最大池化的堆叠结构以有效提取特征,并利用全局平均池化技术以降低模型参数量。实验结果表明该方法可以有效对电机的滚动轴承故障进行实时诊断,在噪声干扰下,该方法也可以达到较好的诊断效果,证明该方法具有较好的抗噪声性能。3.针对上述1DCNN模型不够轻量化、检测时间长、抗噪性能仍可以提升的问题,本文提出一种基于压缩扩张深度可分离卷积的轻量级网络SEDS-CNN,通过改进Fire模块实现对数据先压缩后扩张的目的,利用深度可分离卷积层和全局平均池化层替换标准卷积层和全连接层,以降低模型参数及运算量、缩小模型大小,引入Dropout层以提高模型抗噪声能力和避免发生过拟合,最后将所提方法与搭建好的嵌入式系统相结合。对比实验结果表明,所提SEDS-CNN更加轻量化,模型存储空间更小,具有更好的抗噪声能力和更快的检测速度。

关键词： 列车定位   目标检测   文本识别   嵌入式系统  

摘要： 列车定位是列车运行控制的基础,目前普遍采用地面应答器、轨道电路、卫星导航等多传感器融合方式实现列车的高精度定位。但在地面设备损坏、车地通信故障、卫星信号遮蔽等极端情况下,仍然存在定位丢失的可能。为此,本文提出了一种基于机器视觉的虚拟应答器技术,通过智能识别铁路沿线大量周期性出现的标志物,如公里标、百米标和接触网立柱编号等,与列车运行线路的里程建立联系,实现类似应答器功能的高精度定位,可以摆脱对外部定位设备的依赖,提高定位系统的可靠性。本文首先分析了现有列车定位技术存在的问题,通过调研铁路沿线的实际场景,分析了基于线路视觉特征进行列车定位的可行性。并据此设计了基于线路标志物识别和定位的虚拟应答器总体方案,提出了基于双路相机和基于单路相机两种定位方案。通过实验分析,最终选择了基于单路相机定位方案,并针对列车定位总体精度要求,分析了各部分算法应达到的技术指标。根据虚拟应答器的单路相机设计方案,论文重点研究了基于深度学习的机器视觉算法,包括标志物检测算法,标志物识别算法和标志物距离估计算法。首先设计了基于YOLOv5的线路标志物检测算法,为满足算法训练和验证需要,建立了铁路场景线路标志物目标检测数据集,解决了数据集存在的类别不平衡问题。并针对原始网络在对线路标志物进行检测时存在的误检和漏检问题提出了有针对性的改进优化,实现了比原始网络更好的检测效果,在铁路场景数据集上达到了93.8%的总体平均精确度。其次,设计了基于CRNN的线路标志物识别算法,为满足算法训练和验证需要,建立了线路标志物文本识别图像集并通过数据增强提高了数据集的特征多样性。针对原始网络特征提取效果差,速度慢等问题通过减少卷积层引入残差结构实现了比原始网络更好的识别效果,在铁路场景数据集上达到了96.75%的样本识别准确率。最后,设计了标志物距离估计算法,利用机器学习的回归模型对图像中检测识别到的线路标志物距离进行估计,解决了视觉虚拟应答过程中列车位置获取的问题。为了对设计的算法进行验证,搭建了嵌入式虚拟应答器样机系统,通过减少输入通道和卷积通道剪枝完成了虚拟应答视觉算法轻量化改进并基于Tensor RT框架进行了网络加速和部署,在环形铁道上进行了车载实验,实现了在车载样机系统上的14FPS的全流程线路特征识别与定位,在实验线路上的定位精度为1.88米。