1 天津大学精密测试技术与仪器国家重点实验室，天津 300072
2 天津商业大学机械工程学院，天津 300134
为了适应视觉跟踪过程中目标外观变化，提高视觉跟踪算法的鲁棒性，本文基于卷积神经网络（Convolutional Neural Network，CNN）并结合多域学习法与多模板管理，提出一种通过树形结构管理多模板的多域卷积神经网络（Multi-Domain CNNs with Multiple Models in a tree structure）视觉跟踪算法。首先使用大量已标记目标位置的视频数据预训练多域结构的CNN，使CNN 卷积层可从图像中提取出适用于跟踪任务的特征。然后在跟踪时中对CNN 全连接层进行微调以适应跟踪目标，并使用树形结构管理存储不同时间段的目标模板得到模板树。使用模板树综合评价待检测帧，估计目标位置。最后按照一定规则将新模板添加进模板树，完成模板的更新。实验表明，该算法对跟踪过程中目标外观的变化有着良好的适应性，同时多模板可抑制CNN 在跟踪时产生的模板漂移问题。
视觉跟踪 深度学习 卷积神经网络 多域学习 多模板 visual tracking deep learning Convolutional Neural Network (CNN) multi-domain learning multiple models
1 天津大学精密测试技术与仪器国家重点实验室, 天津 300072
2 山东科技大学机械电子工程学院, 山东 青岛 266590
光电与雷达的数据融合能够实现两个独立传感器测量信息的互补, 改善对目标的识别跟踪能力。针对联合传感器系统对动态运动目标定位中存在野值的现象, 同时为了解决单一传感器滤波跟踪发散的问题, 提出一种具有抗野值性能的交互式多模型无迹卡尔曼滤波(IMM-UKF)融合算法。在两坐标雷达提供目标距离与方位角的前提下, 建立参数求解模型, 得到目标的俯仰角, 结合光电传感器提供的角度信息进行滤波融合。实验与仿真结果表明: 该算法可以有效融合雷达与光电的测量数据, 排除野值的干扰, 抑制滤波发散, 提高定位精度。
光电子学 数据融合 交互式多模型无迹卡尔曼滤波算法 雷达 抗野值 激光与光电子学进展
2016, 53(12): 122501
1 天津大学精密测试技术及仪器国家重点实验室，天津 300072
2 中环天仪（天津）气象仪器有限公司，天津 300038
3 海司航保部，天津 300042
光电跟踪取证系统对运动目标进行跟踪拍摄时需要进行变焦和调焦，目标姿态和位置改变而产生调焦窗口偏离是导致传统自动调焦方法失效的主要原因。针对该问题，提出了一种针对跟踪目标动态建立调焦窗口的方法。该方法利用梯度能量评价函数提取目标特征，通过相关性处理和边界扩展建立调焦窗口，能克服调焦窗口偏离的缺陷。实验结果证明，对 704×576像元不同离焦状态的图像都可以在 20 ms内根据目标的位置和大小，构建准确有效的调焦窗口，满足光电跟踪取证系统对运动目标进行实时自动调焦的特殊要求。
光电跟踪 动态调焦 梯度能量评价函数 调焦窗口构建 特征提取 photoelectric tracking dynamic focusing gradient energy evaluation function focusing window establishment feature extraction
1 天津大学精密测试技术与仪器国家重点实验室, 天津 300072
2 天津商业大学机械工程学院, 天津 300134
为满足光电跟踪系统图像跟踪抗遮挡、实时性的要求, 提出了一种改进检测器和目标模型更新策略的 TLD算法。首先, 通过帧差法获得差分图像序列, 其次, 利用动态 Otsu阈值对差分图像进行二值化处理, 滤除背景差分像素, 获取移动物体边界框, 最后, 产生局部滑动窗口, 进行随机厥分类和最近邻分类；并且优化了目标模型更新策略。实验表明, 对于分辨率为 320×240的视频, 改进算法较原算法跟踪速度提升比平均为 1.50, 满足系统的实时性要求；改进算法抗遮挡性能及在低对比度环境中的跟踪性能优于 Mean-Shift算法, 满足系统的抗遮挡要求。
TLD算法 光电跟踪 帧差图像 检测器 Otsu方法 TLD approach optoelectronic tracking difference image detector Otsu method
天津大学 精密测试技术及仪器国家重点实验室, 天津 300072
针对传统子空间辨识法(SIM)用于动力调谐陀螺仪(DTG)建模过程中存在的结构参数复杂、干扰因素未知、建模精度不高等问题, 提出了一种改进的子空间辨识方法。首先, 确定辨识对象DTG的状态空间模型集, 分析DTG输出信号中存在的固有有色噪声。然后, 针对有色噪声的干扰问题, 对传统SIM进行改进, 通过数据Hankel矩阵的正交投影消除传统SIM的有偏性。 最后, 在数值仿真中引入置信椭圆, 对改进算法进行统计特性分析。仿真结果表明: 在不同强度有色噪声干扰下, 改进算法无偏, 方差特性与有色噪声强度和数据长度有关。辨识实验表明: 改进SIM的辨识效果明显优于传统SIM, 辨识拟合度优于90%。得到的结果显示改进算法能够应用于DTG系统建模。
动力调谐陀螺仪 子空间辨识 正交投影 有色噪声 Dynamically Tuned Gyroscopy(DTG) Subspace Identification Method(SIM) orthogonal projection colored noise
天津大学 精密测试技术及仪器国家重点实验室, 天津 300072
为了在闭环工作条件下监测动力调谐陀螺仪的性能, 研究了动力调谐陀螺仪的闭环辨识方法。首先, 根据动力调谐陀螺仪闭环模型的复杂结构, 对其进行化简和离散化处理, 获取辨识模型集和模型阶数。接着, 将辅助变量法(Ⅳ)应用于动力调谐陀螺仪的闭环辨识, 并根据传统Ⅳ法的不足, 提出了BJIV辨识法。该方法能够应用于BJ模型, 使系统模型与噪声模型不再受辨识模型的限制。然后, 利用仿真分析的方法, 分析BJIV法辨识结果的无偏性与渐进离散特性。最后, 采用提出的方法对某型号动力调谐陀螺仪进行单次和连续闭环辨识实验。仿真结果表明: BJIV法的辨识结果在有噪声存在的条件下是一致无偏的, 渐进方差能够接近最优;闭环辨识实验结果表明: 辨识拟合度优于90%, 连续跟踪2 h, 获得了可靠的辨识结果。
动力调谐陀螺仪 闭环辨识 辅助变量法 BJIV辨识 Dynamically Tuned Gyro(DTG) closed-loop identification Instrumental Variable(IV) method BJIV identification 光学 精密工程
2014, 22(11): 3028
1 天津商业大学 机械工程学院，天津 300131
2 天津大学精密测试技术及仪器国家重点实验室，天津 300072
3 天津理工大学 机械工程学院，天津 300384
针对机械伺服系统因温度变化产生的非线性摩擦变化，提出了一种反映温度因素的摩擦建模方法来实现对伺服系统的摩擦补偿。首先，分析了温度和摩擦的关系，并结合修正黏性摩擦的LuGre模型，讨论了该模型各参数与温度之间的关系。利用单隐层BP神经网络描述了随温度变化的各个参数，并确定了神经网络的输入、输出以及传递函数。然后，通过神经网络训练获得神经网络参数，从而得到与温度相关的摩擦模型。最后，改变运行条件，验证了提出的模型对摩擦的估计能力。建立的摩擦模型在不同运行条件、不同温度状态下的最大相对估计偏差小于2.5%，表明其能很好地估计系统摩擦力矩，满足高精度摩擦补偿。
伺服系统 温度变化 非线性摩擦建模 LuGre模型 servo system temperature variation nonlinear friction modeling LuGre model
天津大学精密测试技术及仪器国家重点实验室, 天津 300072
针对一种立柱式二维移动视觉测量系统, 提出了其数学模型的建立和标定方法。分析了测量原理和系统组成, 并通过对运动定位和摄像机成像的独立建模, 构建了符合测量原理的整体数学模型。标定时, 在完成对定位误差等 13项几何误差标定的基础上, 通过移动摄像机使圆孔靶标的像平均分布在摄像机的像面上, 根据靶标的工作台位置、像点坐标、以及测量时对应的运动机构移动量, 利用最小二乘非线性拟合方法实现对摄像机成像模型参数的标定。实验结果表明：经建模和标定后, 测量平均误差为 1.8 μm。利用该方法进行移动视觉测量系统的建模和标定, 可以有效地保证系统的测量精度。
回转体测量 移动视觉 测量系统标定 revolving body measuring portable vision metrology calibration of measuring system
1 天津商业大学 机械工程学院, 天津 300134
2 天津大学 精密测试技术及仪器国家重点实验室, 天津 300072
研究了建立滚珠丝杠副热误差模型的方法, 以进一步提高半闭环丝杠驱动系统的定位精度。分析了滚珠丝杠副的热源和温度场的动态特性并考虑丝杠驱动系统运行条件提出了基于Elman神经网络的热误差建模方法。首先, 根据滚珠丝杠副的结构特点, 确定其内部热源及温度场分布特性。然后, 基于丝杠温度分布函数, 研究丝杠热变形与其内部热源之间的动态非线性函数关系。最后, 综合考虑丝杠驱动系统运行条件对其热误差的影响, 建立了基于Elman神经网络的热误差预测模型。实验结果表明, 当丝杠驱动系统的运行条件较为复杂时, 采用文中提出的预测模型得到的热变形估计残差为-3.1 μm~2.4 μm。结果显示: 考虑运行条件的Elman神经网络比BP和Elman网络(仅考虑温升数据)具有更好的预测精度和鲁棒性, 有较强的工程应用前景。
滚珠丝杠 热误差 动态神经网络 Elman网络 运行条件 ball screw thermal error dynamic neural networks Elman network operating condition
