摘要:GMM-FBG电流互感器具有精度高、体积小、不易磁饱和等优点,近年来受到广泛关注。该互感器的测量本质是磁场-应变-光学的多物理量耦合传递测量过程,因此传感磁路的设计直接影响其测量精度。基于此,提出一种基于传感磁路均匀磁场分布的GMM-FBG电流互感器方案,通过对驱动线圈、偏置磁场和导磁回路等传感磁路组件进行设计,并以驱动线圈内部轴向磁场强度均匀度为评价标准对磁路结构参数优化,获得轴向磁场强度均匀度达 96.03% 的传感磁路。同时,对0\~6A的工频电流进行测量,结果表明,所设计的GMM-FBG电流互感器的测量误差为 0.163% ,满足电流互感器国标0.2级精度要求。所提方案实现了对工频小电流的精确测量,能够有效提高测量精度,具有重要的工程应用价值。
摘要:为提高“ Ω ”型引线成形应力释放能力,缓解电子元器件引线在高温度梯度下因热应力而导致断裂失效的问题,文中对“Ω"型引线成形在热应力下的释放能力进行了理论分析。考虑到高温度梯度下引线沿长度方向上材料性能的不均匀性,建立了引线热力耦合仿真模型,提出了引线安全系数计算公式。进一步地,基于代理模型建立了“ Ω ”型引线成形的优化模型,并利用混合整型序列二次规划(MISQP)算法进行全局优化求解。理论分析和仿真研究结果均表明,在高温度梯度环境下,“ Ω ”型引线成形应力释放能力与引线中间圆弧位置的尺寸有关,随着圆弧半径的增加,其应力释放能力有所提高。通过结构优化设计,得到了最佳的引线成形方案,优化后引线的安全系数从1.09增加到5.75,显著提高了引线使用的可靠性。
摘要:为提高水面无人艇(USV)推进器的可靠性,提出一种基于无迹卡尔曼滤波(UKF)与多模型自适应估计(MMAE)相结合的故障诊断方法。在传统的滤波器设计基础上,引入多模型自适应估计,分别建立正常、左推进器故障和右推进器故障的UKF故障诊断模型;再通过MMAE计算各模型的似然度,并根据无人艇当前状态动态调整权重,实现对故障的检测和识别。仿真和实船测试实验结果表明,所提方法能在故障发生后有效识别故障类型,在无人艇各种机动条件下,仍能够持续、有效地检测出故障情况,显著提升了推进器故障诊断的准确性和安全性。研究结果可为水面无人艇推进器故障检测提供一定参考。
摘要:功率放大器作为微波系统的重要组成部分,提高其带宽、输出功率与效率等重要指标一直是设计功放的目标和重难点。为此,基于CREE公司研发的CGH40025F氮化镓(GaN)晶体管,设计一种高输出功率的宽带放大器。通过引入切比雪夫阻抗变换器进行输入输出匹配电路设计,在放大器的输出功率、带宽和功率附加效率之间进行权衡优化,避免性能指标出现短板,最终实现性能均衡的宽带功率放大器。测试结果表明:所设计的功率放大器工作频率范围为 1~2.5GHz ,相对带宽为 85.7% ;在该工作频带内,功率放大器的增益大于 10dB ,饱和输出功率大于 42dBm ,功率附加效率大于 50% 。
摘要:针对汽车大灯高低温老化测试对多通道温度数据同步采集与存储的高精度要求,设计一种基于FPGA的多通道热电偶信号采集板卡。该板卡以FPGA作为控制核心,采用24位Σ-△型模数转换器AD7793作为模数转换芯片,原始数据通过千兆以太网传输至上位机,并同时备份存储于SD卡中。上位机基于Qt框架开发,具备多通道温度数据实时显示、波形绘制、数据存储及SD卡原始数据解析等功能。实验结果表明,该板卡能稳定实现16路热电偶信号同步采集,采集范围为-40~200°C ,温度分辨率为 0.01°C ,采样速率达1KSPS。该板卡通过校准技术确保了温度采集的准确性,16个通道采集的温度数据与标准温度之间的相对误差均小于 0.2% ,可以为汽车车灯老化测试提供一套高精度、高实时性的性能评估解决方案。
摘要:为满足光电式毒性测试仪器中光电倍增管对稳定高压供电的需求,设计一种专用高压直流电源。采用文氏桥振荡器生成正弦信号,经比较器与基准电平对比形成PWM信号;通过MOSFET驱动隔离变压器,结合二极管倍压整流实现升压;利用运算放大器与双光耦完成线性取样和隔离输出,调节比较器基准电平以稳压。过压保护采用TVS管,过流保护通过电流取样触发可控硅切断初级绕组电流。测试结果表明,所设计电源可调输出为 800~1 200V ,纹波小于 0.2% ,静态功耗小于 $0 . 5 ~ \mathrm { \textW }$ ,效率大于 70% ,可保障光电倍增管稳定工作及光电式毒性测试仪可靠运行。
摘要:为了解决传统经验传播损耗模型预测精度不足的问题,提出一种基于CNN-Transformer架构的电磁传播损耗预测算法,通过构建回归模型进行精准的传播损耗预测。通过斯皮尔曼系数法提取有效特征,利用CNN提取与传播损耗预测高度相关的浅层特征,将从卫星图像中获取的传播路径上地物特征序列进行位置编码,增强对传播路径中不同地物特征顺序对传播损耗影响的理解。最后将CNN提取的浅层特征与位置编码后的地物特征输入到Transformer模型,通过多头自注意力机制捕捉特征间的全局关联性,从而有效校正传播损耗的预测结果。实验结果表明,所提出的CNN-Transformer方法显著降低了传播损耗预测的均方根误差(RMSE),达到了3.3745dB,同时保持了0.8956的较高确定性系数 (R2) 。所提的电磁传播损耗预测算法为无线通信传播特性研究领域提供了参考,具有一定的应用价值。
摘要:针对滑模控制在电机控制应用中所存在的抖振严重、超调量大、响应速度慢等问题,提出一种双曲正切型模糊滑模控制的无刷直流电机矢量控制系统。首先,将一般趋近律中的符号函数替换为双曲正切函数,设计一种新型趋近律以削弱抖振;然后引入模糊规则来整定相应的趋近律参数,进一步优化传统滑模控制算法和观测器;最后,为确保系统的稳定,使用李雅普诺夫稳定性理论对系统进行分析。仿真结果表明,所设计的双曲正切型模糊滑模速度控制器具有较强的抗扰动能力和鲁棒性。
摘要:在“双碳”目标下,光伏发电系统对直流变换器提出了更高要求。传统升压变换器在实现高电压增益时,电容承受着较高的电压应力。为解决该问题,提出一种低电容电压应力的准Z源光伏升压变换器。该变换器通过增加开关电感与三个电容共同向负载放电的结构,在提升电压增益的同时,降低电容的电压应力。文中详细分析了变换器的工作原理、关键元器件电压应力及参数设计方法,并进行了仿真验证与100W样机实验。实验结果显示:当占空比为0.20时,变换器效率达 94.4% ,电压增益为3.2倍;在相同输出电压条件下,其电容电压应力为传统准Z源升压变换器电压的0.4,且随占空比增加呈线性下降趋势。结果表明,所提出的改进型准Z源变换器具有高增益、低电容电压应力的优点,有助于提高系统的安全可靠性,适用于光伏发电产生的高电压应力场景,具有一定的工程实用性。
摘要:为了应对永磁同步电机(PMSM)控制需求向高动态性能和高集成化方向发展的趋势,针对传统软件矢量控制策略存在的响应速度慢、成本较高等问题,提出一种基于单片机的矢量控制与驱动集成电路(CDIC)系统的设计方案。通过C语言实现矢量控制策略,构建多闭环控制架构;并结合芯片内置模块(包括ADC采样接口、电机控制PWM(MCPWM)、触发复用器(TMU)、触发延迟发生器(TDG)以及定时器模块等)设计出高效的任务调度方案,利用程序中断机制实现多任务并行处理。此外,采用FreeMaster工具直接访问变量地址,进行仿真与验证,全面评估所设计系统的可靠性与稳定性。实验结果表明,所设计的CDIC系统在有感与无感控制模式下均表现出快速的动态响应和良好的鲁棒性,能够满足工业领域对电机控制高性能、高集成度和高可移植性的需求,具有显著的推广应用价值。
摘要:随着信息技术的发展,许多智能建筑系统将数据存储在云服务器中,但集中式存储模式存在数据隐私泄露的潜在风险。用户在访问建筑管理数据时,常常耗费大量时间却无法确保数据的准确性。此外,大多数智能建筑数据共享方案缺乏对第三方修改数据的审计机制。为了解决这些问题,结合可检索属性加密技术与区块链技术,提出一种基于可检索属性加密的区块链智能建筑数据共享方案。该方案将关键词和密文分别存储在建筑联盟区块链和云服务器上,有效解决了区块链存储空间有限和云服务器隐私泄露的问题;引入数据公开审计机制,防止第三方以虚假身份篡改云服务器中的数据,保障上传数据的真实性与可靠性;借助多项式方程关联多个关键词,实现用户的多关键词检索,提升数据获取的准确度;利用可检索属性加密技术实现对用户的安全检索。此外,设计一种基于树形结构的细粒度访问控制机制,进一步增强访问控制的灵活性和安全性。理论分析与实验验证结果表明,该方案具备较高的数据安全性,且检索效率优于其他方案。
摘要:电梯制动器间隙的准确监测对于电梯安全稳定运行具有直接关系,而传统监测方法存在精度不足、实时性差的问题。为此,提出一种基于容栅技术与改进LSTM的电梯制动器间隙监测预警方法。该方法采用容栅技术对电梯制动器间隙进行实时测量,构建了基于容栅技术的电梯制动器监测拓扑结构,并搭建监测平台框架,为电梯制动数据的采集与分析奠定基础。同时在传统LSTM中引入动态注意力机制,构建改进LSTM算法。该算法能对电梯制动器间隙的异常数据进行识别和提取,可有效提升模型的实时性和预测精度。实验结果表明,所提方法对异常数据的识别准确率可达 99.2% ,为间隙的智能化监控提供了新的解决方案。
摘要:为实现弹载设备之间通信总线接口的模块化,并提高通信接口的灵活可配置性,设计一种基于全可编程片上系统(SoC)的RS485总线通信扩展模块。该模块包含4路RS485接口、国产SoC芯片及相关外围器件。SoC内部集成可编程逻辑(PL)与处理器系统(PS)两部分,其中PL通过高级数据链路控制(HDLC)协议IP软核设计,实现HDLC协议数据解析与4路总线间的数据高效转发;PS则通过配置PL内部HDLCIP软核的动态寄存器和收发缓存,实现对特定总线数据发送控制与接收缓存区的数据读取。通信扩展模块采用同步半双工串行通信方式与外部设备进行通信,可以通过4路RS485总线与外部设备进行独立的总线数据传输;也可以将1路总线作为主总线,主总线在收到外部设备发送至总线上的数据后,能够将该数据快速转发至其余3路从总线。实验结果表明,该通信控制模块能够以 4Mb/s 的通信速率准确地完成总线数据的独立传输和总线间的数据转发传输,且在HDLC编解码过程中保持了零错误。
摘要:合理的初始聚类中心是提升K-means算法聚类效果和避免局部最优的关键。为了确定合理的初始聚类中心,文中提出一种期望因子驱动下的K-means初始聚类中心优化算法。首先,设计期望因子驱动下的网格划分标准来衡量样本点密度因素,并采用欧氏距离衡量样本点距离因素;其次,引入权重系数约束密度因素和距离因素,综合考虑两种因素以优化初始聚类中心的选取,增强全局搜索能力和提升聚类效果;最后,提出中心相距和的概念来衡量初始聚类中心的优化效果。在UCI数据集Iris、Seeds和Wine上的对比实验结果表明,所提算法的中心相距和相较于传统K-means算法分别减小75%.52%.58% ,误差平方和分别减小 15%.7%.6% ,准确率分别提升 20%19%.24% ,性能优于其他改进算法。实验结果证明,所提算法能够有效优化初始聚类中心,提高聚类效果和聚类结果稳定性。
摘要:针对现有X光图像违禁品检测精度低、速度慢且公共数据集样本过少等问题,提出一种基于CycleGAN和改进YOLOv8n的X光图像违禁品检测算法。该算法利用CycleGAN模型生成更多具有安检X光风格特点的违禁品图像,建立足够多的违禁品图像样本;同时,针对X光违禁品图像目标大小不同的特点,设计了混合卷积注意力(HCA)机制,有效加强YOLOv8n对目标关键特征的提取能力。对于安检X光违禁品图像特征信息不足的问题,利用CARAFE模块替代原YOLOv8n的上采样方式,并采用BiFPN对颈部网络进行改进,通过有效的特征融合方法和上采样方式弥补图像特征信息不足的问题。最后针对YOLOv8n检测头参数冗余问题,使用参数共享和DBB模块减少模型参数量,同时保证模型的检测精度。在经过扩充的SIXary数据集上对所提出的检测算法进行测试,实验结果表明,该算法的mAP值达到 93.1% ,相比原始算法提升 2.9% ,同时参数量减少 8.5% ,并且保持了与原始模型相当的检测速度。该算法的性能相比原始算法取得显著提升,验证了其改进的有效性。
摘要:针对风力发电系统中因波动风速和复杂风况导致的传统变桨控制参数难以动态整定、输出功率波动大等问题,提出一种基于改进误差补偿的TD3-LADRC控制策略。该策略通过分析线性扩展状态观测器(LESO)的估计误差,并引入控制增益改进自抗扰控制律,增强了风机系统的抗扰性。同时,采用双延迟深度确定性策略梯度(TD3)深度强化学习算法,对改进后的线性自抗扰控制(LADRC)观测器带宽和控制器带宽等关键参数进行动态优化,有效提升了风电机组的输出稳定性。通过Matlab/Simulink对2MW风电机组进行建模,仿真结果表明,所提控制策略在阶跃风况和湍流风况下均能显著降低风机输出功率波动,验证了其有效性。
摘要:针对基于Transformer网络的语音识别模型对电力调度噪声场景下音频特征提取能力不足、专业术语识别准确率较低以及鲁棒性较差等问题,提出一种结合深度残差收缩网络(DRSN)和Conformer网络的电力调度场景语音识别方法。首先,在DRSN中设计通道阈值共享型和独立型两类收缩模块以学习音频信号的噪声阈值,减少噪声带来的干扰;然后,采用Conformer块将DRSN块输出的音频信号编码为音频特征,并使用交叉注意力融合文本编码器编码之后的文本特征,得到音频与文本的相关性表示;最后,结合CTC损失与Attention损失进行训练和解码。在公开数据集Aishell-1、Thchs30以及内蒙古自治区某电网公司内部电力调度数据集上的实验结果表明:相较于Transformer网络模型,所提方法最终字错误率降低了 8.5% ,专业术语识别字错误率降低了 5.2% ,验证了该方法在解决电力调度语音识别任务中的有效性和先进性。
摘要:在人工智能与自然语言处理技术应用过程中,民族文学语料普遍存在数字化资源匮乏、标注样本稀缺等问题;而传统主题分析方法在低资源场景下会出现表征能力不足、演化预测精度较低等问题。为此,提出一种适配低资源语料的民族文学主题演化预测与追踪算法。该算法融合基于领域知识的预处理方案,并通过数据增强、语义扩展等策略缓解样本稀缺问题;同时采用元学习与迁移学习融合策略,构建低资源场景下的主题表征模型,有效解决小样本条件下文本语义特征提取不充分的问题。所提融合时序注意力机制的主题演化预测与追踪算法,实现了对主题动态演化过程的精准追踪和未来趋势的量化预判。实验结果表明,与其他算法相比,所提算法的主题识别准确率与预测准确率均达到 90% 以上,为低资源场景下的民族文学计算分析提供了可行的技术路径。
摘要:针对电机振动信号的非平稳特性及故障特征提取困难导致诊断精度偏低的问题,提出一种基于调整互信息优化辛几何模态分解(AMI-SGMD)与多通道深度学习的故障诊断方法。首先,利用AMI优化辛几何模态分解对电机振动信号进行降噪,并将其自适应分解为若干改进辛几何模态分量(ISGC);其次,融合峭度、排列熵及相关系数构建综合评价指标和筛选准则,从ISGC分量中选取能敏感反映故障特征的分量;进一步设计多通道一维卷积神经网络-门控循环单元-注意力机制(MC-1DCNN-GRU-Attention)混合模型,并利用雪消融算法进行参数优化,避免训练陷入局部最优解。以直流电机实测数据为样本,对比不同数据处理方法和故障诊断模型的测试结果。结果表明,所提方法的故障诊断准确率达 98.50% ,可准确识别机电故障,且具备良好的鲁棒性。
摘要:为提高机械臂在非结构化环境下目标抓取位姿检测的准确性与鲁棒性,提出一种融合SAM图像分割与GraspNet的抓取位姿检测方法。利用SAM分割目标掩膜以过滤非目标区域干扰,结合GraspNet预测抓取位姿,并基于力闭合理论筛选高鲁棒性方案;再通过标定后的RealSense相机获取RGB-D数据与相机内参,建立相机与机械臂基座的坐标转换关系;最后通过坐标转换与逆运动学控制机械臂进行抓取。利用Sawyer七轴机械臂与D435i相机搭建验证平台进行实验,结果表明:改进算法的目标检测率与平均抓取成功率分别达到 91.7% 和 81.6% ,较原始GraspNet算法提升了 7.5% 和 8.3% ,且显著减少了非目标物体干扰导致的错误位姿。所提方法通过GraspNet与零样本分割的协同优化,提升了非结构化环境下的抓取精度与泛化能力,为工业自动化与机器人抓取任务提供了可行的技术方案。
摘要:公交车作为重要民生工程,在城市交通中承担着关键角色。据统计,驾驶员的不安全驾驶行为是诱发交通事故的主要原因,因此加强驾驶安全培训尤为必要。传统培训方式较为单一、效果有限,而虚拟现实技术具有良好的交互性,适合用于开发公交车模拟驾驶系统。为确保高沉浸感的驾驶环境和真实的触感反馈,基于实车搭建了公交车模拟驾驶器作为交互端。同时,为了还原真实的公交运营场景,根据郑州市B12线路,在Unity3D中建立真实运营虚拟驾驶场景。在分析车辆运动的动力学模型后,通过编写车辆控制脚本实现了逼真的车辆行驶控制。此外,结合真实道路的车流量数据,模拟了贴近现实的交通仿真环境。最后经主客观验证得出,虚拟车辆具备良好的加速与制动性能,模拟驾驶系统整体满意度较高,能够对公交车驾驶员的安全培训起到有效的促进作用。
摘要:车辆轴重信号去噪对提高动态称重精度有重要的作用。针对噪声干扰问题,文中提出一种基于冠豪猪优化(CPO)算法优化改进自适应噪声完备经验模态分解(ICEEMDAN)、样本熵(SampEn)以及小波软阈值去噪(WTD)的混合信号去噪方法。首先,利用CPO优化ICEEMDAN的白噪声幅值权重和噪声添加次数,并对车辆的轴重信号进行ICEEMDAN分解,得到若干本征模态分量;然后,计算各分量的样本熵,利用阈值判断含噪分量和有用分量,并对含噪分量进行小波软阈值去噪;最后,将处理后的分量与有用分量重构,得到去噪信号。实验结果表明,所提方法可以有效去除原始轴重信号中的噪声,进而提高动态称重系统的测量精度。
摘要:随着高压直流输电技术在远距离、大容量输电中的广泛应用,LCC-HVDC因其独特优势而备受关注。然而,LCC-HVDC系统采用的半控型器件缺乏自关断能力,故障时容易发生换相失败,会对系统的稳定性和安全性有较大影响。鉴于此,文中研究了LCC-HVDC系统的动态换相过程,详细分析了正常运行与交流系统故障下换流变压器阀侧电流的变化特性,并提取了此电流的变化特征。在此基础上,基于其不对称性特征构建一种LCC-HVDC系统换相失败检测判据,以快速、准确地检测多次换相失败的发生。最后,基于PSCAD/EMTDC仿真平台,采用CIGRELCC-HVDC系统仿真模型及实际的同塔双回线模型对该方法在不同运行条件下的有效性进行了验证。实验结果表明,所提出的判据在多次换相失败的检测中具备快速响应能力和较高的检测精度,表现出艮好的可靠性和鲁棒性,可以为实际工程中换相失败的检测提供理论参考。
摘要:针对绝缘子图像中的目标与背景存在高度相似性、小目标缺陷特征易受下采样与感受野限制而被稀释等问题,提出一种跨分量协同融合与多阶非局部通道注意力的绝缘子缺陷检测算法。首先,在主干网络中加入跨分量协同融合模块,通过频域与空间域特征进行跨域融合,实现多尺度跨分量协同交互,增强特征判别能力,从而提升对细微缺陷差异的识别效果;其次,在颈部网络中引入多阶非局部通道注意力机制,挖掘多尺度通道间的相关性,并结合非局部感知增强小目标缺陷区域的表征能力,有效抑制下采样引起的特征稀释,进而提升小目标缺陷的检测精度。实验结果表明,改进模型的mAP@0.5 和 mAP@0.5:0.95 分别为 79.7%.38.6% ,较基准模型(YOLOv8)分别提升了 3.6%.3.8% ,在绝缘子缺陷类别上的AP达到 79.3% ,帧率达到 60.2f/s ,能够满足电力系统实时检测要求,且显著提升了绝缘子缺陷的检测精度。
摘要:针对现有遗传算法在路径规划中存在的不足及其产生原因展开深入研究,并进行系统的理论分析。同时,对已有的改进遗传算法进行对比研究,总结其在优化过程中存在的问题,如收敛速度慢、易陷入局部极值、自适应能力弱等。以变电站为研究对象,围绕巡检机器人从起点到终点的路径规划问题展开研究。首先,分析巡检场景并建立相应的环境模型;其次,对巡检方案进行优选;最后,提出有针对性的改进策略,以解决路径冗余和局部极值风险等问题。为验证所提方法的可行性,采用Matlab与ROS系统进行建模与测试。通过构建场景模型分析规划算法的执行效率,并对平面内最短且最平滑路径的目标点进行检测与设计。基于改进遗传算法的变电站巡检机器人路径规划方法,在多种复杂场景下进行了模拟实验。实验结果表明,该方法能够快速、有效地求解最短路径问题,具有较强的实用性和稳定性。
摘要:针对无监督行人重识别中聚类生成伪标签时存在较大噪声的问题,提出一种基于局部特征匹配与伪标签细化的纯无监督方法。该方法不依赖任何源域信息,仅从图像级考虑样本之间的相关性,并为其分配鲁棒的伪标签用于训练。首先,设计一个局部特征匹配模块,通过对齐样本的局部特征并进行相似度排序,合理表征样本之间全局与局部特征的相关性。随后,引入相关性评分模块,在综合考虑样本的全局特征和局部特征之间的相关性的基础上,对聚类生成的伪标签的合理性进行打分。在此基础上,通过伪标签细化模块,依据评分结果分别对样本的全局和局部特征伪标签进行细化。最后,使用细化后的伪标签训练网络,并在训练过程中持续更新伪标签。在Market-1501、DukeMTMC-ReID和MSMT17公开行人重识别数据集上对所提方法进行实验验证,结果表明,该方法的mAP分别达到 81.9%.71.1% 和 31.6% ,效果良好。
摘要:在数据驱动的旋转机械智能故障诊断中,多模态数据相比单模态数据能提供更为全面和多维度的机械设备运行状态信息,多模态数据驱动的故障诊断方法能显著提升旋转机械故障诊断(RMFD)的准确性和鲁棒性。然而,在旋转机械设备运行中不同类型的传感器采集的多模态数据不仅规模庞大而且具有显著的异质性和互补性,如何有效提取和融合不同模态的故障特征是多模态数据驱动的故障诊断亟待解决的关键问题。为此,提出一种多模态数据驱动的智能故障诊断方法。首先,将振动信号和电流信号构成的多模态数据根据半径近邻算法构建为多张包含多模态故障特征的多模态半径图,以便模型能有效地学习和提取多模态故障特征的深层次信息。其次,将GraphSAGE网络中每层的输入与输出进行加权融合,以充分捕捉多模态数据中的潜在关联,提升模型的表达能力。最后,开展一系列实验来验证所提方法的有效性,结果表明该方法取得了较高的故障诊断精度。
摘要:为应对人机交互中手势姿态多样性、尺度变化及复杂背景干扰等问题,提出一种基于尺度空间特征的人机交互多姿态三维手势智能识别方法。首先构建三维手势点云并转换为二值体素网格,结合金字塔多尺度结构与SIFT描述子提取具有空间分布特性的手势特征;其次利用三维卷积网络回归关节点热图实现精确定位,引入时间移位模块与LSTM网络对手势动态序列进行建模,实现多姿态手势实时智能识别。实验结果表明,所提方法对10类交互手势的综合识别置信度最高达 99.68% ,在虚拟游戏、办公与教学三类场景中的识别稳定性为 97.7%.96.38%.98.67% ,抗干扰能力为 94.99%93.85% 、95.98% ,可实现高精度、多姿态三维手势智能识别,为人机交互与虚拟现实应用提供可靠、自然的手势交互支持。
摘要:为了实现海外维和任务区执勤作战现场的即时感知,提高侦察设备的复杂环境适应能力与侦测系统威胁研判效率,采用目标定位识别、多模态信息融合及异常检测预警等技术,通过集成雷达与光电传感器,构建了一种基于深度学习算法的智能态势侦测一体化系统。实验结果表明,该系统能有效实现可疑人员、车辆等威胁目标的实时侦测与预警,提升了维和执勤作战现场态势侦测的全面性、准确性和时效性,可为维和行动提供智能化决策支持。