基于有限元的助力外骨骼机器人的模态和疲劳分析

根据双足助力外骨骼机器人的行走周期特征,建立有限元模态分析模型,用以模拟机器人的行走动态特征。在有限元结果中提取双足机器人的固有频率及振动特征,同时根据人体步态在行走的不同阶段,分析计算整体系统的放大系数,最终结合系统放大系数计算振荡状态下疲劳等效载荷,预估系统整体的疲劳寿命。根据分析结果,在双足机器人的腿部机构中添加增强部件可以提高助力机器人模拟人类腿部行走的稳定性。     

基于深度学习的高分辨率图像的智能检测

针对高分辨率图像下目标所占面积小,检测效果较低、实时性较差的问题.提出了一种基于LDCF-ResNet50的深度学习模型检测方法.以行人检测为例说明此方法的有效性.首先基于局部无关通道特征的预测提议区域,对行人潜在区域粗检测.然后,设计候选区域合并和扩展方法,将合并后的区域用于后面的ResNet-50神经网络.其次,设计了一个合适的ResNet-50网络,用于精确检测该区域.最后将ResNet-50网络的检测结果映射到原始图像中,输出检测结果.为了验证本文所提方法的有效性,在清华-戴姆勒数据库平台上对高分辨率图像进行实验验证.实验结果表明,所提出方法能够有效地检测行人.与主流的算法(包括Faster R-CNN,YOLOv3和SSD)相比,本文方法对行人检测的平均精度分别提高了4.07％、17.79％和31.45％.