一、多传感器信息智能模糊安全警示系统设计（论文文献综述）
钟鹏[1]（2021）在《水空两栖多旋翼无人机研究和设计》文中认为为了提高多旋翼无人机和无人船的适用范围和作业能力,保障水上任务执行的可靠性,设计了一种新型水空两栖多旋翼无人机。通过多旋翼无人机和无人船的功能结构相结合,将多旋翼垂直起降、空中飞行的功能融入到无人船上,突破空中飞行或水上航行的单一模式。本文的工作主要包括以下几个方面:（1）使用SOLIDWORKS设计出水空两栖多旋翼无人机的外形结构。所设计的两栖无人机机身结构呈船型样式,空中飞行时由旋翼提供动力,水面航行时由水下推进器提供动力。（2）完成两栖无人机控制系统各模块的硬件电路设计以及外部动力系统选型,控制系统采用STM32F4为主控芯片。在硬件电路基础上,设计编写姿态参考系统和运动控制系统的软件程序,实现两栖无人机两种运动模式控制及其模式切换的功能。（3）设计了基于多传感器姿态信息融合算法的姿态参考系统,系统采用卡尔曼滤波算法对传感器数据进行滤波处理,采用互补滤波对多传感器数据进行数据融合。所设计姿态参考系统能够适应空中和水上两种不同模式,为控制器提供精确的姿态数据反馈。（4）根据运动控制原理设计了两栖无人机运动控制系统。在经典PID和模糊PID对比分析的基础上,选用模糊PID算法,构建串级模糊自适应PID控制系统。根据水空两栖要求,分别设计了两种模式的控制律。
金鹏[2]（2021）在《基于嵌入式系统的智能服装设计研究》文中研究说明作为一类多学科交叉技术融合的特殊类型服装,智能服装相较于传统服装的作用范畴更为广阔。目前针对智能服装的研究局限于某特定类别智能服装的设计研发,对服装的设计也注重于功能设计及实现,对服装整体设计流程及设计理念涉及较少。据此针对基于嵌入式系统的智能服装这一特殊服装类别,根据现有研究现状,剖析基于嵌入式系统的智能服装所需关键技术与器件,并据此进行该类别智能服装设计流程解析,提出一套可用于该类别智能服装的设计流程。流程划分为服装设计要点分析、服装载体设计、嵌入式硬件系统设计、嵌入式软件系统设计、嵌入式系统测试、服装与硬件结合设计、服装系统的测试与改进。利用该设计流程,设计并实现了一种可用于保护消防员人身安全及协助消防员协同合作的智能消防服。该消防服从消防员日常工作环境与工作特点入手,从服装舒适性、警示性、有毒有害气体监测、消防员协同合作等角度进行设计要点分析。从面料、服装结构等角度改善服装舒适性;以Arduino Lite处理器为核心,外扩气体监测模块、GPS、Wi-Fi、无线对讲、显示屏等模块,通过嵌入式软件设计后,使消防员与指挥人员可监测环境中有毒有害气体是否超过警戒值,同时可查看自己及队员间的实时位置,并提供对讲功能。经过测试,该消防服外层织物、防水透湿层织物、隔热舒适层织物的测试结果均符合相应国家标准;对有害气体的监测灵敏度高;在昏暗环境（光照强度0.5lx、1lx、5lx）均可达到“良好”的警示效果;相较于普通消防服,在主客观测试下舒适度更高,在七分制评分下评分高0.669;交互性能满足实际需求。服装功能完备,反馈机制完整,对保障消防员的人身安全具有积极作用。利用该设计流程,设计并实现了一种面向盲人出行难点的智能盲人服。该智能服装系统从服装警示效果、探路功能、摔倒监测、摔倒保护、未起身报警功能几方面进行设计。该系统硬件以Arduino Lite处理器为核心,利用距离传感器进行障碍物距离判定,在距离过近时使用蜂鸣器警示穿着者;利用三轴加速度传感器及SVM算法,对摔倒的判定进行阈值核算;利用高压二氧化碳气瓶及气囊,在摔倒时保护盲人颈部、胯部、手肘、膝盖等部位;结合GSM模块,在穿着者未能及时起身时将定位信息发送至监护人手机或网页端,以保护穿着者人身安全。测试结果显示,盲人服相较于普通服装在厚重感、宽松感方面的舒适性差;盲人服在距离20m以内的昏暗环境中具有“良好”评分的警示效果;服装探路功能对左右障碍物辨识度可达100%;设置传感器合加速度与合角速度阈值为2.8G及60deg/s时,系统对摔倒判定成功率可达100%;未起身报警功能可有效保护无法自行起身的穿着者,并可通过短信与网页显示及时通知监护人。
高波[3]（2021）在《基于多传感器感知的辅助驾驶技术研究》文中研究指明大型车辆和特种车辆的驾驶员面临着车辆视野盲区大,驾驶难度和操作强度较大,车辆在陌生环境或狭窄车道区域行驶可通过性差等多种问题,易造成驾驶事故。多传感器感知辅助驾驶技术通过多传感器感知计算、全景图像拼接和车辆可通行性判断方法,实现驾驶员全方位、多视角观察车身盲区和大型车辆辅助驾驶,降低大型车辆驾驶操控的复杂度,提高大型车辆行驶安全和特殊路况的可通行能力。首先根据大型车辆多传感器感知系统功能需求,设计了以视觉传感为主,FPGA和HI3559为图像拼接和信息计算处理平台的多传感器感知系统。完成各分系统的设计,建立传感器的安装位置坐标,获得车身近景范围探测区域场景,并搭建实验车辆平台。结合靶标和张正友算法实现多传感器的内外参数的校准,校准的重复误差主要分布在1个像素点以内。设计多传感器感知系统软件算法处理流程,实现多路视频图像的全景拼接。结合待拼接区域的图像特征,采用区域分块得到感兴趣区域。然后利用FAST算法代替原有的特征点提取算法,使用机器学习算法筛选得到有效的特征点集,通过匹配算法和RANSC算法完成全景拼接算法的优化。改进算法的图像正确匹配率为87.6%,获得完整清晰的全景鸟瞰俯视图。系统的输出帧频大于16帧/秒,满足大型车辆全景视图观察和实时显示的需求。为有效提高驾驶员辅助观察车身四周信息,采用自由视角变换算法。设定虚拟相机坐标来模拟人眼观察,在碗状投影模型中,采用逆投影变换建立自由视角变换的算法模型。根据读取到驾驶员视线偏转角度或毫米波雷达的障碍物数据,利用OpenGL实现全景鸟瞰视图的自由视角切换和显示。对车辆近景环境目标的探测实验,验证了辅助驾驶员实现大型车辆视野盲区的观察。根据全景视图和自由视角变换视图,结合车辆制动距离的标准,建立大型车辆可行驶区域标识线,实现行驶路面状况、车道边界和障碍物检测。利用全景视图结合车辆自身参数,建立行驶道路参数模型获得了车辆转向角区间等信息。结合道路的可通行标识线,辅助驾驶员完成行驶道路检测和行驶路线规划。通过大型车辆在狭窄的直道和弯道可通行能力验证结果,增加辅助驾驶系统在直道的通行效率提高27.8%,弯道通行效率提高52.5%,此方法能够提高大型车辆在特殊路况的快速可通行能力。
陈富昭[4]（2021）在《基于多传感器融合的高速列车牵引变流器故障智能诊断技术研究》文中进行了进一步梳理随着铁路技术的迅速发展和高铁运行里程的不断增加,我国在途列车数量也逐渐增多,针对列车安全状态监管及故障诊断的研究显得越来越重要。牵引变流器系统是列车承担动能转换的重要装置,系统结构复杂且故障高发。变流器故障的发生会导致列车牵引传动系统异常从而影响整车正常运行,目前针对牵引变流器故障诊断的研究不多,所以对列车牵引变流器进行故障诊断是一个重点研究方向。然而列车牵引变流器故障场景复杂,传统诊断方法多依赖单传感器数据,不能全面包含故障特征、易受环境因素影响,导致诊断效率低下难以满足实际需求,因此本文开展基于多传感器融合的高速列车牵引变流器故障诊断技术研究,主要包括如下研究内容:（1）本文针对高速列车故障诊断技术研究现状进行了综述,并重点分析了传统诊断方法存在的问题。接着介绍了高速列车牵引变流器传感器数据特性,结合物理机理与统计学两个角度对变流器传感器数据进行特征筛选,选取了对牵引变流器故障影响较强的10个特征变量作为文章后续研究的数据基础。（2）传统的变流器故障诊断多基于单信号传感器进行,诊断结果仅能反应监测物理量的异常状态,不能全面代表部件故障特征,而且易受噪声干扰诊断效率低下。针对这些问题本文提出了基于LSTM的多故障智能诊断方案,模型自适应的学习多源变量数据特征,利用有效的数据融合策略来识别不同类型故障。诊断过程中,模型擅长提取时序数据里隐藏的长期依赖关系,可有效利用前后数据片段的时域关联特性;此外,多变量融合策略还充分考虑了不同变量间的空间关联特征,这使得输入数据的时空特性被充分挖掘。经实验测试,该方法能有效诊断变流器场景下的绝大多数故障。（3）文章将多种智能诊断方法进行深入比较,以研究不同模型各自性能优势。首先在单传感器场景下进行灵敏度验证实验,然后在多传感器场景下进行多故障诊断实验以测试不同模型的性能,并将DCNN与LSTM进行深入比对研究,分析各自特征提取过程,以及研究了不同训练集规模对各模型性能的影响程度。针对容易混淆的困难样本提出了针对性的优化诊断策略,从而提高整体实验精度。此外还在辅助变流器场景下进行可拓展性实验测试并取得了满意效果。（4）研发了高速列车网联化数据故障诊断系统,将智能诊断结果在系统端直观呈现,并结合数据可视化技术对实时传感器数据进行动态监管,此外系统还可对历史传感器数据进行管理。系统将信号实时监测、故障诊断以及数据管理相结合,为技术人员提供直观形象的列车运行状态监管服务。正文图48张,表20个,参考文献63篇。
张先勇[5]（2020）在《基于信息融合的鱼雷罐车安全监控系统与关键技术研究》文中研究指明鱼雷罐车是大型钢铁企业转运高温铁水的主要运输车辆。现有的安全监控研究关注于罐体材料和物流管理较多,而对罐体倾动角度精确测量和运输全路径连续定位等的研究较少,甚至鲜有报道。鉴于此,本文依托国家重点研发计划项目的子课题“专用运输车辆转运作业安全监控与预警技术研究”（2017YFC805104）,结合武汉钢铁股份有限公司的实际应用场景,通过开展了一系列实验研究,建立了鱼雷罐车安全监控关键技术的信息融合模型,构建适合鱼雷罐车转运安全的评估指标体系,提出了运用图像识别技术非接触式精确测量角度的方法、车辆连续位置检测和停车精确定位方法,以及全天候障碍物识别方法,实现了从理论到实践应用的转化。研究成果对指导鱼雷罐车转运安全监控系统的开发具有重要参考价值。具体研究内容包括以下几个方面:1、针对鱼雷罐车转运作业的安全监控特点,研究了基于目标决策的安全监控系统各层次的信息融合模型,为信息融合技术在鱼雷罐车转运安全监控领域的应用提供技术支撑;针对重大钢铁企业事故的多因素分析,运用人为因素的分析分类系统（HFACS）分析了安全事故,融合层次分析法（ANP）和二次逻辑回归模型对鱼雷罐车事故进行多因素的关联性分析和权重分析,构建适合鱼雷罐车转运安全指标体系。2、针对鱼雷罐车高温罐体倾动角度检测问题,提出了运用图像识别技术非接触式精确测量角度的方法。利用高清相机连续拍摄罐体端部特征图像,运用BRISK算子检测图像特征点。利用汉明距离对特征点进行两次筛选,提高配准点的准确度,最后结合最大类间方差法（OTSU）计算罐体的旋转角度。设计实验方法进行测试,分析实验数据,探讨了倾角非接触式测量技术和连续位置监测技术的测量精度和响应速度。3、针对鱼雷罐车在高炉车间和运输路经中的连续定位问题,提出了融合室内外定位数据,运用最小二乘法线性拟合在信号盲区的定位方法。该方法比单一的惯性计算方法有更好的定位精确性。研究利用卫星定位系统获取室外数据,UWB系统获取室内定位数据。建立多基站获得更多组合的室内定位数据,利用卡尔曼滤波（Kalman）降噪优化原始数据,按照距离远近进行权重分配以提高TOA/TDOA组合定位算法的准确度。针对停车精确落位问题,提出采用电涡流传感器微距测量的方法监测停车位置,设计试验,检验有效性。4、针对轨道全天候障碍物识别问题,提出了融合视觉相机、红外成像和毫米波雷达三种探测技术于一体的全天候障碍物识别技术方法。并重点对视觉图像处理过程进行了深入研究,运用Canny算子对图像边缘检测;利用霍夫变换对图像中的轨道边缘进行检测提取;基于兴趣范围提取颜色异常区域,通过形态学处理,标注出障碍物位置。分析了毫米波雷达、红外线成像的性能和降噪技术,研发了多传感器融合的鱼雷罐车转运全天候障碍物识别系统。5、研究了基于计算机自动处理的实时安全监控系统与车辆制动系统联动技术,研发了融合多传感器的鱼雷罐车运输安全监控系统和罐体倾动监控系统,并集成上述技术建立统一安全监控平台,进行了功能测试和示范应用。本文通过对鱼雷罐车运输连续位置监测技术和罐体倾动角度非接触式测量技术的研究,开发了基于信息融合的安全监控系统平台,为大型钢铁企业的鱼雷罐车转运安全监控提供了技术保障。
宋志强[6]（2020）在《智能汽车的主动紧急避撞技术及乘员保护性能的研究》文中研究说明近年来,汽车的高级驾驶员辅助系统（ADAS）在车辆中得到了快速的发展和广泛的应用,也成为了全球研究的热点,特别是自动紧急制动（AEB）系统不仅具有碰撞预警的功能还具有自动实现紧急制动的功能,由于AEB系统工作在碰撞前的紧急危险的情况下,因此AEB系统对驾驶员的正常驾驶判断和乘坐舒适度及避撞的安全性等都有着极大的影响,但是目前的AEB系统的性能表现在多个方面还存在着缺陷且不具备转向避撞的功能。因此,本文提出一种具有紧急制动和紧急转向变道功能的主动紧急避撞系统以期提高汽车的主动安全技术和解决道路交通事故导致的人员伤亡的问题。本文围绕着以改进和优化智能汽车的主动紧急避撞系统在避撞过程中的综合性能（如目标检测的准确性和可靠性、介入时机的及时性、乘坐的舒适性、避撞时的车辆稳定性和安全性等）的关键技术和对乘员进行有效地约束保护的技术展开了研究,本文的主要研究工作内容和创新点如下:1.在AEB系统的基础上增设了自动紧急转向变道（AE LC）系统,设计了主动紧急避撞系统的驾驶模式的决策机制,实现了纵向和横向上的协同紧急避撞的功能,提高了主动紧急避撞系统的环境适应能力。2.研究了将毫米波雷达与视觉相机的数据信息进行融合的技术。在利用毫米波雷达探测目标物体时,通过设定反射截面积、信噪比、横向距离、相对速度及目标检测的生命周期的阈值来筛选出有效的目标信息。在利用视觉相机检测目标时,通过利用Adaboost机器学习算法与Haar-like矩形特征相结合的方法训练得到了车辆的分类器用于目标物体的检测,并且对待检图像的有效区域和检测窗口的尺寸进行了优化以提高检测效率;通过对检测的目标进行跟踪预测增强了目标检测的环境适应能力和降低了检测的误检率和漏检率。最后,通过实车实验验证了利用多传感器数据融合的感知系统对车辆目标进行检测时具有较高的准确性和可靠性。3.研究了AEB系统的分级预警和分级制动的控制策略,分析和设计了控制策略中的关键性能参数。在分级预警中设计了视觉、听觉和体感式的三级不同方式的预警功能,延长了预警时间且提高了预警的有效性;设计了路面自动识别系统,在考虑路面附着系数的情况决策分级制动策略;采用了TTC值的时间尺度算法结合反应制动器特性的距离尺度的算法计算AEB系统的介入时机。从AEB系统的介入时机和介入程度方面减少了AEB系统工作时对乘员的干扰影响,提高了乘员的乘坐舒适性。基于上述的控制策略和性能参数设计了AEB系统的分层控制器,用于规划介入时机和制动减速度以及控制自车的实际减速度精确地跟随期望的减速度。通过在多种工况下的仿真实验验证了设计的分层控制器的可行性和有效性,并且验证了路面自动识别系统的集成可以提高AEB系统的制动安全性和稳定性。4.研究了基于五次多项式的变道路径规划,分析了不同车速和不同变道持续时间下的变道性能;在综合考虑变道安全性、乘坐舒适性、道路行车条件等约束条件下应用了多目标优化的方法对变道路径进行了优化,将其作为变道跟踪的参考路径;接着通过采用模型预测控制（MPC）的方法对车辆的前轮转向角进行优化控制使车辆执行转向变道的避撞运动;最后基于Simulink模块建立的控制算法和基于Carsim建立的车辆模型和道路模型开展了模型在环的仿真实验,实验结果演示了智能汽车能够自动地完成转向变道的避撞驾驶,验证了路径规划和跟踪控制的有效性和可靠性。AELC系统的研究和应用将扩增了智能汽车在多种工况下的避撞功能。5.为了减少乘员在紧急避撞过程中受到车内的碰撞损伤,本文将主动预紧式安全带与紧急避撞系统相集成来对乘员进行预警提醒和约束保护。利用M ad ym o软件建立了紧急避撞的仿真模型,通过对比研究三种不同形式的安全带对乘员的保护效果,说明了主动预紧式安全带在紧急制动避撞过程中能够对乘员提供更好的约束保护性能。此外,通过开展台架实验和志愿者实车实验研究了可逆预紧式安全带在工作时的预紧速度和预紧力等性能参数。6.基于对主动紧急避撞系统的理论研究和仿真实验的研究,并且根据2 0 1 8年版的中国新车测评规程（C-NCAP）的相关测试要求,开发了测试主动避撞系统性能的测试设备,并且利用该开发的测试设备开展了部分的场地实验,对AEB系统的性能进行了测试。测试设备的开发将进一步地促进主动紧急避撞技术的发展。综上所述,本文提出了从纵向和横向上协同进行避撞的主动紧急避撞系统,然后对优化和提高其多方面的综合性能的关键技术进行了深入的分析和研究。
李春晓[7]（2020）在《基于多源信息融合的人体健康分析与评价技术研究》文中指出随着当今社会人们生活节奏的变快以及生活压力的增大,导致越来越多的人身体处于亚健康甚至不健康的状态。因此,人体健康监测系统在实时性、灵活性、智能化等各个方面受到了越来越多地重视。针对上述的问题,基于多源信息融合的人体健康监测系统应运而生了。在该系统的基础上,本文提出将多传感器数据融合算法应用于人体健康的分析与评价,通过多传感器采集多种人体生理参数,并将采集到的人体生理参数进行数据融合处理,最终得出人体是否健康的结论。本文搭建的系统以嵌入式ESP8266 Wi-Fi模块为硬件处理核心,利用体温传感器、血压传感器、肌电传感器和脉搏传感器组成可穿戴设备。通过佩戴可穿戴设备实现对体温、血压、肌电和脉搏4种人体生理参数的采集。单个信息源传感器的工作并不能准确地采集这几项生理参数,因此在可穿戴设备中设置多个不同生理参数传感器的信息源来采集多个部位的身体生理指标。来自多个信息源传感器的生理参数如何进行多源信息融合是本论文的一个研究重点。本文提出了一种模糊的D-S证据理论算法。其中,在特征级融合过程中,设定最优融合集,使用优化后的模糊集理论算法;在决策级融合过程中,对引起信息冲突的焦元设定不同的权重使用优化后的D-S证据理论算法。从而根据多传感器检测的数据来判断用户是否健康。本研究的意义在于使人们能够在家庭环境中实现对自身生理信息参数的监测,并通过基本生理参数来判断自身的健康状况。因此,本研究具有较强的理论意义和使用价值。
刘梦玉[8]（2020）在《基于情境意识的视障人群出行伴护产品设计研究》文中研究表明随着科技的进步,智能硬件的发展和体验经济的崛起,可穿戴电子产品走进了我们的生活,也为视障群体带来福音。盲人出行辅助类产品的研究,能够为盲人提供更好的社会服务,以解决更多的社会问题。由于盲人视觉通道的缺失,盲人在出行场景中需要耗费注意力资源通过听觉、触觉等其它通道感知道路信息,对路况进行理解和预测,及时做出行为调整,以避免事故的发生,因此必须具有较高的情境意识。而盲人的出行情境意识与出行产品的可用性、风险感知等用户体验要素紧密相关,需要对听觉通道和触觉通道提示进行合理而有效的设计以降低盲人认知负荷,提高出行任务绩效,改善用户体验,提高盲人的出行情境意识。针对盲人出行情境下的听觉、触觉通道提示设计及其用户体验问题,研究了国内外学者对情境意识的理论模型、影响因素等研究成果,梳理了现有的国内外盲人出行辅助类产品研究,对听觉、触觉通道在盲人出行伴护产品中的设计要素和信号参数进行归纳,提出了听觉、触觉通道的设计原则,作为设计研究的理论依据。为了对盲人出行伴护产品整体的用户体验进行评估,结合情境意识测量方法,提出了适用于盲人出行伴护产品评估的模型框架,为评估盲人情境意识和出行伴护产品的用户体验提供思路。以盲人出行伴护产品的听觉通道和触觉通道交互设计为出发点,展开课题的具体研究。采用用户行为观察、用户访谈和问卷调查方法,了解盲人对于出行伴护产品的使用意向、产品期望、功能需求等,理解盲人在出行过程中存在的问题和风险,构建用户角色模型,对产品功能进行规划与分析,发现设计要点和机会点。对盲人出行情境进行研究,得出盲人出行情境层次,归纳了盲人出行情境要素分类表,总结出盲人出行伴护产品多通道交互设计流程,并按照该流程对盲人出行伴护产品的听觉通道和触觉通道进行了设计。采用Python和pygame等模块完成听觉系统开发,借助振动电机、超声波传感器和树莓派等模块实现触觉系统开发。开展实验验证听觉、触觉通道提示设计策略,通过分析被试对听觉提示的感知时间、任务判断正确次数,以及对触觉提示的感知时间、方向感知任务正确率、舒适度和感知程度,得出不同声音形式、不同振动模式对用户体验和情境认知的影响,并得出合适的听觉提示方式和触觉提示方式。根据实验结果选择合适的听觉、触觉提示方式,结合用户调研结果和典型用户特征,归纳出产品的设计原则,实现产品的各个功能模块,并对产品的形态语义偏向进行分析,推导出产品定位,用以指导产品的设计实践。开展实验评估盲人出行伴护产品总体的用户体验,实验表明,盲人出行伴护产品总体用户体验良好,具备听觉和振动触觉提示方式,能够提高盲人的任务完成效率,提升盲人的风险感知能力和决策正确率,降低盲人的认知负荷,从而提高了出行情境意识,满足盲人的功能需求和设计要求,也验证了听觉、触觉通道及整体设计的可行性。
吕继亮[9]（2020）在《基于多传感器信息融合的无人小车避障算法研究》文中提出随着智能化时代的到来,无人小车在众多领域中得到了广泛的应用。在未知环境下的避障技术已成为突破无人小车智能化发展瓶颈的核心技术之一。为了实现对障碍物更为准确的探知并控制无人小车作出相应的避障行为,需要引入多传感器系统以达到信息互补的目的。因此多传感器信息融合技术对无人小车能否实现良好的避障行为具有非常重要的影响。本文以自主设计的无人小车为试验平台,重点研究了多传感器信息融合技术以及基于模糊控制的避障算法,对各类无人移动平台的开发具有重要的理论意义和较强的实际应用价值。根据无人小车的避障功能需求,进行了无人小车的机械结构设计。然后建立了无人小车的运动学模型,并讨论了适用于无人小车的控制与驱动原理。确定了以STM32F407为核心的控制系统,对系统中的电气元件进行设计选型并完成整车的组装与调试。基于多传感器信息融合的数学方法,分析设计了自适应加权融合算法,并利用MATLAB对算法进行编程仿真。分析仿真结果发现:自适应加权融合算法的总方差收敛稳定在1×10-3左右,效果稳定,但是存在权值分配不当的问题。通过对算法迭代过程的优化,解决了权值分配的问题并发现数据融合结果误差在0.2%以下,表明优化后的算法具有较好的融合稳定性与精确性。基于优化后的自适应加权融合算法,分析了无人小车可能的避障环境以及避障策略。根据模糊控制原理设计了避障算法,制定了相应的模糊与反模糊规则。通过对无人小车在多种不同障碍物情况下的仿真,发现无人小车均能够避开障碍物的干扰。但运动过程中存在大量大幅度转向的问题,表明无人小车的运动不稳定。针对模糊控制避障算法中存在的问题,利用神经网络学习更新函数参数,实现了对模糊控制器的改进。分析仿真结果发现:改进后的最大偏转角度接近40°,较优化前减少了20%左右,转向次数明显减少。设计并测试了传感器测距以及电机控制程序,并通过无人小车实车实验验证了本文设计的避障算法的有效性与可靠性。
毛效禹[10]（2019）在《基于数据融合技术和WSN的民用智能火灾报警系统的研制》文中研究表明火灾报警系统是是城市安全基础设施之一。火灾发生后不仅会直接伤害人们的财产安全,还会伤害人身安全。目前,自动火灾报警系统出现适用应用规模小、智能化程度低、连接方式老化等问题,通过无线传感网络（WSN）技术结合国家消防自动报警系统设计标准“GB50116-2013”,提出基于多传感器信息融合技术的民用火灾智能报警系统,以解决当下居民区频繁发生火灾,有效降低现役火灾报警系统的误报和漏报率。主要内容如下:1.设计了智能火灾报警系统的硬件电路,包括了环境采集器、无线通讯、集中控制器。其中涉及了主控芯片最小系统、环境数据采集电路、无线传输电路等。实现智能远程采集与监控。2.设计了智能火灾报警系统的软件,包括了环境采集器程序设计、集中控制器程序设计、基于NRF24L01和GPRS相互结合的网络通讯方案,实现了系统集中控制管理。3.提出一种基于多传感器信息融合技术来处理环境数据的算法,在信息融合技术中,考虑到数据的特殊性和输出的可靠性,采用BP神经网络、模糊决策相互结合的方式来处理火灾数据。4.设计了基于Android平台的用户火灾报警APP,包括了服务器的接口建立、通过JAVA语言实现的数据库、设计了Android APP和设计了App用户UI界面、在数据交互上采用TCP和Http两种方式。5.搭建了系统平台并完成了测试与仿真。测试方面包括了:GPRS性能测试、环境参数采集测试、液晶显示测试、火灾报警用户APP性能测试。在仿真方面包括了:特征层BP神经网络仿真、模糊决策输出仿真。较好的实现了系统设计目标。测试结果表明,系统实现了环境数据自动采集、无线传输、实时显示、APP远程监控、火灾预报警等功能,达到预期目标。在后续的研究过程中,系统需要增加灭火装置形成火警联动和优化BP神经网络训练样本,实现更加智能化火灾报警及联动系统。智能火灾报警系统的应用,对提高居民人生安全、财产安全具有社会意义与应用价值。
二、多传感器信息智能模糊安全警示系统设计（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、多传感器信息智能模糊安全警示系统设计（论文提纲范文）
（1）水空两栖多旋翼无人机研究和设计（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 多旋翼无人机的研究现状 |
| 1.2.2 无人船的研究现状 |
| 1.2.3 两栖无人机的研究现状 |
| 1.3 研究内容和结构 |
| 1.3.1 研究目的和内容 |
| 1.3.2 关键技术分析 |
| 1.3.3 论文结构安排 |
| 第二章 两栖无人机总体方案 |
| 2.1 两栖无人机的总体功能与指标要求 |
| 2.1.1 功能需求 |
| 2.1.2 设计指标 |
| 2.2 两栖无人机的总体设计方案 |
| 2.2.1 总体设计思路 |
| 2.2.2 总体方案设计 |
| 2.3 外形结构设计 |
| 2.3.1 机身整体设计 |
| 2.3.2 机臂折叠设计 |
| 2.3.3 船型浮筒设计 |
| 2.3.4 悬挂装置设计 |
| 2.4 本章小结 |
| 第三章 两栖无人机硬件设计 |
| 3.1 硬件总体设计 |
| 3.2 主控模块 |
| 3.2.1 主控芯片 |
| 3.2.2 最小系统电路设计 |
| 3.3 供电模块 |
| 3.4 姿态测量模块 |
| 3.5 高度测量模块 |
| 3.6 GPS定位模块 |
| 3.7 无线通信模块 |
| 3.8 动力系统器件选型 |
| 3.8.1 螺旋桨选型 |
| 3.8.2 电机选型 |
| 3.8.3 电机驱动选型 |
| 3.8.4 推进器选型 |
| 3.9 本章小结 |
| 第四章 姿态参考系统设计 |
| 4.1 传感器数据校正 |
| 4.1.1 陀螺仪 |
| 4.1.2 加速度计 |
| 4.1.3 磁力计 |
| 4.2 数据滤波算法 |
| 4.2.1 卡尔曼滤波算法 |
| 4.2.2 仿真实验 |
| 4.3 姿态解算算法 |
| 4.3.1 互补滤波算法 |
| 4.3.2 仿真实验 |
| 4.4 姿态参考系统设计 |
| 4.4.1 多传感器姿态信息融合算法 |
| 4.4.2 姿态信息融合程序设计 |
| 4.5 本章小结 |
| 第五章 运动控制系统设计 |
| 5.1 运动控制原理 |
| 5.1.1 空中飞行控制原理 |
| 5.1.2 水上航行控制原理 |
| 5.2 运动控制算法研究 |
| 5.2.1 PID算法 |
| 5.2.2 模糊PID算法 |
| 5.2.3 对比仿真实验 |
| 5.3 运动控制系统设计 |
| 5.3.1 空中飞行控制设计 |
| 5.3.2 水面航行控制设计 |
| 5.4 控制系统程序设计 |
| 5.4.1 主控流程 |
| 5.4.2 空中飞行控制程序 |
| 5.4.3 水面航行控制程序 |
| 5.4.4 模式切换程序 |
| 5.5 本章小结 |
| 第六章 实物测试 |
| 6.1 硬件电路检测 |
| 6.2 姿态解算测试 |
| 6.3 运动控制测试 |
| 6.3.1 空中功能测试 |
| 6.3.2 水上功能测试 |
| 6.4 本章小结 |
| 第七章 总结与展望 |
| 7.1 总结 |
| 7.2 展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（2）基于嵌入式系统的智能服装设计研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题研究背景 |
| 1.2 课题研究现状 |
| 1.3 课题研究目的及意义 |
| 1.4 研究内容与创新点 |
| 1.4.1 研究内容 |
| 1.4.2 论文创新点 |
| 第二章 嵌入式系统及智能服装概述 |
| 2.1 嵌入式系统概述 |
| 2.1.1 嵌入式系统概念 |
| 2.1.2 嵌入式系统特点 |
| 2.2 嵌入式系统组成部分 |
| 2.2.1 嵌入式硬件系统 |
| 2.2.2 嵌入式软件系统 |
| 2.3 智能服装概述 |
| 2.3.1 智能服装定义 |
| 2.3.2 智能服装产品分类 |
| 2.3.3 存在问题 |
| 2.4 本章小结 |
| 第三章 基于嵌入式系统的智能服装设计分析 |
| 3.1 基于嵌入式系统的智能服装设计原则 |
| 3.1.1 人本设计原则 |
| 3.1.2 安全环保设计原则 |
| 3.1.3 功能性设计原则 |
| 3.1.4 模块化设计原则 |
| 3.1.5 舒适性设计原则 |
| 3.1.6 设计美感原则 |
| 3.1.7 市场需求原则 |
| 3.2 智能服装中嵌入式系统设计 |
| 3.2.1 嵌入式硬件系统设计 |
| 3.2.2 嵌入式软件系统设计 |
| 3.2.3 系统测试与优化 |
| 3.3 基于嵌入式系统的智能服装设计流程 |
| 3.3.1 服装设计要点分析 |
| 3.3.2 服装载体设计 |
| 3.3.3 嵌入式硬件系统设计 |
| 3.3.4 嵌入式软件系统设计 |
| 3.3.5 嵌入式系统测试 |
| 3.3.6 服装与硬件结合设计 |
| 3.3.7 服装测试与改进 |
| 3.4 本章小结 |
| 第四章 基于嵌入式系统的智能服装设计实例 |
| 4.1 一种具有安全防护功能的智能消防服 |
| 4.1.1 服装设计要点分析 |
| 4.1.2 服装载体设计 |
| 4.1.3 嵌入式硬件系统设计 |
| 4.1.4 嵌入式软件系统设计 |
| 4.1.5 嵌入式系统测试 |
| 4.1.6 服装与硬件结合设计 |
| 4.1.7 服装测试与改进 |
| 4.1.8 总结与展望 |
| 4.2 一种可满足盲人出行需求的安全防护服设计 |
| 4.2.1 服装设计要点分析 |
| 4.2.2 服装载体设计 |
| 4.2.3 嵌入式硬件系统设计 |
| 4.2.4 传感器阈值 |
| 4.2.5 嵌入式软件系统设计 |
| 4.2.6 硬件连接与服装结合设计 |
| 4.2.7 实验检测与数据修正 |
| 4.2.8 结论与展望 |
| 4.3 本章小结 |
| 第五章 结论与展望 |
| 致谢 |
| 参考文献 |
| 附录:作者在攻读硕士学位期间成果 |
（3）基于多传感器感知的辅助驾驶技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 课题研究背景及意义 |
| 1.1.1 课题研究背景 |
| 1.1.2 课题研究的意义 |
| 1.2 国内外研究现状 |
| 1.2.1 车载多传感器感知研究现状 |
| 1.2.2 图像拼接技术研究现状 |
| 1.2.3 大型车辆辅助驾驶技术研究现状 |
| 1.3 本文主要研究的内容 |
| 1.4 本文组织结构 |
| 2 多传感器感知系统设计 |
| 2.1 多传感器感知系统需求分析 |
| 2.2 多传感器感知系统总体方案 |
| 2.3 多传感器感知子系统设计 |
| 2.3.1 传感器的选择 |
| 2.3.2 综合信息处理子系统设计 |
| 2.3.3 系统电源电路设计 |
| 2.3.4 车侧传感器的布置 |
| 2.4 多传感器感知系统实验车辆搭建 |
| 2.5 多传感器的标定 |
| 2.5.1 传感器的内参标定 |
| 2.5.2 传感器的外参标定 |
| 2.6 本章小结 |
| 3 多传感器全景图像拼接算法研究及实现 |
| 3.1 全景图像拼接软件算法设计 |
| 3.2 SIFT图像拼接算法 |
| 3.2.1 经典SIFT算法 |
| 3.2.2 改进的SIFT算法和图像匹配 |
| 3.3 SURF图像拼接算法 |
| 3.3.1 经典SURF算法 |
| 3.3.2 SURF算法图像匹配 |
| 3.4 改进的SURF算法 |
| 3.4.1 区域分块和ROI区域特征点提取 |
| 3.4.2 机器学习的特征点检测 |
| 3.4.3 改进SURF图像拼接算法实现 |
| 3.5 全景图像拼接算法对比实验分析 |
| 3.6 本章小结 |
| 4 全景视图自由视角显示算法研究及实现 |
| 4.1 全景图像亮度的调节算法 |
| 4.1.1 图像亮度调节方案 |
| 4.1.2 亮度调节算法实现 |
| 4.1.3 亮度调节算法实验结果及分析 |
| 4.2 投影模型的建立 |
| 4.2.1 碗状模型的建立 |
| 4.2.2 逆投影变换算法 |
| 4.3 自由视角图像显示算法 |
| 4.3.1 自由视角变换方法 |
| 4.3.2 全景图像自由视角显示算法实现 |
| 4.3.3 全景图像自由视角显示实验结果及分析 |
| 4.4 本章小结 |
| 5 基于多传感器全景感知的辅助驾驶实验 |
| 5.1 障碍物检测的辅助驾驶实验 |
| 5.1.1 路面检测 |
| 5.1.2 道路边界检测 |
| 5.1.3 障碍物检测 |
| 5.2 辅助驾驶车辆道路可通过性实验 |
| 5.2.1 车辆可通行判断 |
| 5.2.2 辅助驾驶车辆道路可通行实验 |
| 5.3 本章小结 |
| 6 结论与展望 |
| 6.1 结论 |
| 6.2 研究展望 |
| 参考文献 |
| 致谢 |
（4）基于多传感器融合的高速列车牵引变流器故障智能诊断技术研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 机械设备故障诊断常用方法 |
| 1.2.2 列车牵引传动系统故障诊断现状 |
| 1.2.3 传统诊断研究存在的问题 |
| 1.3 本文的研究内容 |
| 1.4 本文的组织架构 |
| 2 牵引变流器系统场景分析及特征筛选 |
| 2.1 牵引变流器系统场景描述 |
| 2.2 传感器数据来源及数据介绍 |
| 2.3 牵引变流器故障机理分析 |
| 2.4 列车牵引变流器数据特点及特征筛选 |
| 2.4.1 从机理的角度分析数据特征 |
| 2.4.2 从统计分析的角度进行特征筛选 |
| 2.5 本章小结 |
| 3 基于LSTM的列车牵引变流器智能诊断技术研究 |
| 3.1 时序数据分析及LSTM介绍 |
| 3.1.1 多变量时间序列分析 |
| 3.1.2 LSTM模型介绍及优势分析 |
| 3.1.3 LSTM模型适用性分析 |
| 3.2 基于LSTM的牵引变流器智能诊断方案 |
| 3.2.1 数据处理方法 |
| 3.2.2 智能诊断方法的提出 |
| 3.2.3 模型训练方式 |
| 3.3 实验数据集的准备 |
| 3.4 基于LSTM的智能诊断实验结果分析 |
| 3.4.1 实验平台描述 |
| 3.4.2 模型优化策略 |
| 3.4.3 超参数计算 |
| 3.4.4 结果及分析 |
| 3.5 本章小结 |
| 4 牵引变流器故障智能诊断技术对比研究 |
| 4.1 典型智能诊断方法介绍 |
| 4.1.1 支持向量机 |
| 4.1.2 多层感知机 |
| 4.1.3 循环神经网络 |
| 4.1.4 卷积神经网络 |
| 4.2 智能诊断方法对比实验设计 |
| 4.2.1 实验总体方案 |
| 4.2.2 支持向量机智能诊断实验方案 |
| 4.2.3 多层感知机诊断实验方案 |
| 4.2.4 循环神经网络诊断实验方案 |
| 4.2.5 卷积神经网络诊断实验方案 |
| 4.3 智能诊断框架灵敏度验证 |
| 4.4 多故障智能诊断方案对比实验分析 |
| 4.4.1 多方法诊断结果对比分析 |
| 4.4.2 LSTM、DCNN诊断结果深入分析 |
| 4.4.3 T-SNE可视化分析特征提取过程 |
| 4.5 不同规模数据集实验探索 |
| 4.6 困难样本诊断优化实验 |
| 4.6.1 Two-Stage诊断策略 |
| 4.6.2 损失函数的改进 |
| 4.6.3 实验结果分析 |
| 4.7 可拓展性实验验证 |
| 4.8 本章小结 |
| 5 高速列车网联化数据故障诊断系统 |
| 5.1 需求描述 |
| 5.2 故障诊断系统整体设计 |
| 5.2.1 平台整体拓扑结构描述 |
| 5.2.2 开发平台介绍 |
| 5.2.3 整体架构描述 |
| 5.2.4 故障诊断系统数据流介绍 |
| 5.2.5 故障诊断系统功能模块设计 |
| 5.2.6 故障诊断系统数据库模块设计 |
| 5.3 列车故障诊断系统的实现 |
| 5.3.1 登录权限管理模块 |
| 5.3.2 故障诊断模块 |
| 5.3.3 列车历史数据管理模块 |
| 5.3.4 列车传感器数据实时监测模块 |
| 5.4 本章小结 |
| 6 总结与展望 |
| 6.1 文章总结 |
| 6.2 研究展望 |
| 参考文献 |
| 作者简历及攻读硕士学位期间取得的研究成果 |
| 学位论文数据集 |
（5）基于信息融合的鱼雷罐车安全监控系统与关键技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究状况 |
| 1.2.1 鱼雷罐车定位技术的研究状况 |
| 1.2.2 鱼雷罐车运输安全监控技术的研究 |
| 1.2.3 鱼雷罐车罐体安全监控技术的研究 |
| 1.2.4 信息融合和HFACS在运输安全监控领域的应用研究 |
| 1.2.5 国内外研究存在的问题分析 |
| 1.3 主要研究内容及技术路线 |
| 1.3.1 主要研究内容 |
| 1.3.2 技术路线 |
| 2 相关基本理论与鱼雷罐车安全监控系统框架 |
| 2.1 信息融合的基本理论 |
| 2.1.1 信息融合的功能模型 |
| 2.1.2 信息融合的层次 |
| 2.2 信息融合的技术方法 |
| 2.2.1 卡尔曼(Kalman)滤波 |
| 2.2.2 加权平均算法 |
| 2.2.3 网络层次分析法(ANP) |
| 2.3 鱼雷罐车安全监控系统的融合模型的研究 |
| 2.3.1 鱼雷罐车转运安全监控系统的特征分析 |
| 2.3.2 室内定位多传感器的融合模型 |
| 2.3.3 室内外连续位置监测多设备的信息融合模型 |
| 2.3.4 障碍物识别多设备的信息融合模型 |
| 2.3.5 鱼雷罐车转运安全监测多系统的信息融合模型 |
| 2.4 基于人为因素的鱼雷罐车安全评价体系 |
| 2.4.1 鱼雷罐车安全评价指标分析 |
| 2.4.2 基于HFACS的鱼雷罐车安全评价指标体系构架 |
| 2.4.3 HFACS-TCA模型因素关联分析 |
| 2.4.4 HFACS-TCA模型因素权重分析 |
| 2.5 鱼雷罐车安全监控体系总体框架 |
| 2.6 本章小结 |
| 3 鱼雷罐车罐体倾动监测技术研究 |
| 3.1 非接触式倾角探测技术方案 |
| 3.1.1 倾角探测设备应用场景 |
| 3.1.2 非接触式角度探测技术方案 |
| 3.2 基于BRISK算法的图像识别方法 |
| 3.2.1 BRISK算法 |
| 3.2.2 图像识别测量角度实验 |
| 3.2.3 倾角测量实验结果分析 |
| 3.3 罐体倾动监控电路与数据通信网络 |
| 3.3.1 罐体倾动监测与控制功能 |
| 3.3.2 罐体倾动角度控制电路原理 |
| 3.3.3 监测数据通信网络结构 |
| 3.4 倾角监测系统测试与分析 |
| 3.4.1 系统测试装置 |
| 3.4.2 倾角监测系统测试与评价 |
| 3.5 本章小结 |
| 4 鱼雷罐车连续位置监测与精确定位技术研究 |
| 4.1 鱼雷罐车运输管理 |
| 4.2 室内外主要定位技术 |
| 4.2.1 室外定位技术-GPS系统 |
| 4.2.2 室内定位技术比较 |
| 4.2.3 GPS接收器选型与精度测试 |
| 4.3 UWB定位算法优化、信号降噪与测试 |
| 4.3.1 UWB定位算法优化与信号降噪 |
| 4.3.2 UWB测试分析 |
| 4.4 电涡流传感器微距测量 |
| 4.4.1 电涡流传感器响应测试 |
| 4.4.2 测试结果分析 |
| 4.5 鱼雷罐车室内外连续定位技术 |
| 4.5.1 连续定位算法 |
| 4.5.2 室内外连续定位系统工作流程 |
| 4.6 本章小结 |
| 5 鱼雷罐车全天候障碍物识别技术应用研究 |
| 5.1 障碍物检测技术比较 |
| 5.2 视觉相机的障碍物识别技术 |
| 5.2.1 视觉图像处理流程 |
| 5.2.2 基于Canny算子的图像边缘检测 |
| 5.2.3 轨道边缘提取 |
| 5.2.4 障碍物的图像识别 |
| 5.3 障碍物识别系统测试分析 |
| 5.3.1 毫米波雷达测试 |
| 5.3.2 热图像识别测试 |
| 5.4 全天候障碍物识别系统结构 |
| 5.5 本章小结 |
| 6 鱼雷罐车运输安全监控系统研发与应用 |
| 6.1 罐体倾动监控系统设计 |
| 6.1.1 罐体倾动监控系统结构 |
| 6.1.2 配置模块设计 |
| 6.1.3 图像采集模块 |
| 6.1.4 倾角计算模块 |
| 6.1.5 倾动控制模块 |
| 6.2 鱼雷罐车运输安全监控预警系统设计 |
| 6.2.1 配置模块 |
| 6.2.2 轮对振动状态传感器数据采集模块 |
| 6.2.3 GPS、UWB定位数据采集模块 |
| 6.2.4 障碍物信息分析模块 |
| 6.2.5 位置信息分析模块 |
| 6.2.6 制动信号触发模块 |
| 6.3 联动控制系统结构设计 |
| 6.3.1 鱼雷罐车运行安全综合判断与联动制动系统设计 |
| 6.3.2 机车应急排空电磁阀的控制系统设计 |
| 6.3.3 安全监控联动系统结构 |
| 6.4 鱼雷罐车转运安全监控预警装备示范应用 |
| 6.4.1 罐体倾动防倾翻监测与控制装备 |
| 6.4.2 鱼雷罐车运输作业防倾翻监控预警装备 |
| 6.5 本章小结 |
| 7 结论与展望 |
| 7.1 研究结论 |
| 7.2 创新点 |
| 7.3 研究展望 |
| 致谢 |
| 参考文献 |
| 附录1 攻读学位期间发表论文目录 |
| 附录2 攻读学位期间参与的科研项目 |
| 附录3 软件源代码(局部) |
| 附录4 系统界面 |
| 附录5 示范施工现场 |
（6）智能汽车的主动紧急避撞技术及乘员保护性能的研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题背景及研究意义 |
| 1.1.1 课题研究背景 |
| 1.1.2 课题研究意义 |
| 1.2 国内外研究现状及文献综述 |
| 1.2.1 智能驾驶技术的文献研究 |
| 1.2.2 纵向紧急制动的研究现状 |
| 1.2.3 自动紧急转向变道的避撞控制研究 |
| 1.2.4 对主动紧急避撞技术的性能测评的研究 |
| 1.2.5 紧急避撞过程中对乘员的保护性研究 |
| 1.3 问题提出及解决方案 |
| 1.4 本文的主要研究内容 |
| 第2章 主动紧急避撞系统的功能分析及总体研究架构 |
| 2.1 引言 |
| 2.2 汽车的智能辅助驾驶系统的总体设计 |
| 2.3 智能辅助驾驶模式的决策机制设计 |
| 2.4 自动紧急制动系统的功能及研究架构 |
| 2.4.1 AEB系统的功用及性能分析 |
| 2.4.2 AEB系统的总体研究框架设计 |
| 2.5 自动紧急转向变道系统的功能及研究架构 |
| 2.5.1 对AELC系统的功能分析 |
| 2.5.2 AELC系统的研究框架设计 |
| 2.6 本章小结 |
| 第3章 多传感器数据融合的关键技术与性能优化研究 |
| 3.1 引言 |
| 3.2 基于毫米波雷达的目标探测 |
| 3.2.1 基于毫米波雷达的探测方法 |
| 3.2.2 筛选有效目标的方法 |
| 3.2.3 基于毫米波雷达的实验及结果分析 |
| 3.3 基于机器视觉的目标检测 |
| 3.3.1 基于Adaboost算法与Haar-like特征组合的检测 |
| 3.3.2 基于OpenCV生成级联分类器 |
| 3.3.3 提高检测实时性的方法 |
| 3.3.4 压缩跟踪检测目标 |
| 3.3.5 实验及结果分析 |
| 3.4 多传感器的数据融合 |
| 3.4.1 多传感器数据在空间上的融合 |
| 3.4.2 多传感器数据在时间上的融合 |
| 3.4.3 数据融合的方法和过程 |
| 3.4.4 多传感器数据融合的实车实验 |
| 3.5 本章小结 |
| 第4章 紧急制动系统的控制策略与性能参数的研究 |
| 4.1 引言 |
| 4.2 AEB系统的控制策略的改进设计 |
| 4.3 控制策略中关键参数的确定 |
| 4.3.1 预警时机介入的确定 |
| 4.3.2 一级制动强度的确定 |
| 4.3.3 二级制动强度的确定 |
| 4.3.4 制动介入时机的确定 |
| 4.4 分级预警/制动的控制流程 |
| 4.5 本章小结 |
| 第5章 紧急制动系统的控制器设计及仿真实验的研究 |
| 5.1 引言 |
| 5.2 基于有限状态机的上层控制器 |
| 5.3 切换制动/加速模式的控制 |
| 5.3.1 模式切换的临界减速度 |
| 5.3.2 保持恒速的节气门开度 |
| 5.4 实现自动紧急制动的解决方案 |
| 5.4.1 AEB系统的自动调压执行机构 |
| 5.4.2 AEB系统的调压过程分析 |
| 5.5 对AEB压力调节的控制 |
| 5.5.1 路面附着系数与滑移率的关系 |
| 5.5.2 基于最佳滑移率的控制 |
| 5.6 车辆逆纵向动力学模型 |
| 5.6.1 制动主缸压力的期望值计算 |
| 5.6.2 轮缸制动力的分配计算 |
| 5.6.3 建立车辆系统仿真模型 |
| 5.6.4 制动系统的仿真实验 |
| 5.7 基于模糊PID控制的下层控制器 |
| 5.7.1 模糊PID控制器的设计 |
| 5.7.2 模糊PID控制器的仿真模型 |
| 5.7.3 建立下层控制器的仿真模型及仿真实验 |
| 5.8 路面自动识别系统的设计研究 |
| 5.8.1 理论的路面附着系数的计算 |
| 5.8.2 实际的路面附着系数的计算 |
| 5.8.3 路面自动识别的方法 |
| 5.8.4 路面自动识别建模及仿真分析 |
| 5.9 基于AEB功能的仿真实验 |
| 5.9.1 在直道的高附路面上开展校准实验 |
| 5.9.2 在弯道的低附路面上的对比实验 |
| 5.9.3 对开路面上的对比仿真实验 |
| 5.10 本章小结 |
| 第6章 自动转向变道的路径规划与轨迹跟踪的研究 |
| 6.1 引言 |
| 6.2 转向变道的路径规划 |
| 6.2.1 转向变道的路径规划的数学模型 |
| 6.2.2 转向变道的路径生成 |
| 6.3 多目标优化选取最佳的变道路径 |
| 6.3.1 目标函数的确定 |
| 6.3.2 约束条件的设置 |
| 6.3.3 预定场景下的路径优化及仿真实验 |
| 6.4 基于模型预测控制算法的轨迹跟踪 |
| 6.4.1 基于车辆运动学的模型预测控制 |
| 6.4.2 基于车辆动力学的模型预测控制 |
| 6.5 转向变道的轨迹跟踪的仿真实验 |
| 6.6 本章小结 |
| 第7章 主动紧急避撞过程中对乘员的防护性能的研究 |
| 7.1 引言 |
| 7.2 主动预紧式安全带系统 |
| 7.3 对乘员防护性能的仿真实验研究 |
| 7.3.1 建立紧急制动避撞的仿真模型 |
| 7.3.2 设置制动避撞的仿真工况 |
| 7.4 仿真实验结果的分析 |
| 7.5 预紧性能的台架试验研究 |
| 7.6 预紧性能的实车实验 |
| 7.7 本章小结 |
| 第8章 基于C-NCAP的测试设备的开发及场地实验 |
| 8.1 引言 |
| 8.2 对C-NCAP的相关分析 |
| 8.3 避撞系统的测试设备的开发设计 |
| 8.3.1 前方目标车的设计 |
| 8.3.2 目标行人模拟设备的设计 |
| 8.3.3 自动驾驶机器人的设计 |
| 8.3.4 声音预警的监测设备的设计 |
| 8.3.5 组合导航定位测量技术研究 |
| 8.3.6 上位机的远程控制平台的设计 |
| 8.4 CCRs场景下的场地测试 |
| 8.4.1 最大避撞速度和TTC值的测试 |
| 8.4.2 对舒适性能的主观评价 |
| 8.5 行人AEB性能的测试 |
| 8.5.1 行人AEB的测试场景 |
| 8.5.2 假人目标的运动控制 |
| 8.5.3 关键点坐标的计算与验证 |
| 8.5.4 场地测试及客观评估 |
| 8.6 本章小结 |
| 结论与展望 |
| 1.结论 |
| 2.创新点 |
| 3.展望 |
| 参考文献 |
| 附录A 攻读学位期间所发表的学术论文 |
| 附录B 攻读学位期间参与的科研项目及科研成果 |
| 附录C 部分英语专业术语缩写索引 |
| 致谢 |
（7）基于多源信息融合的人体健康分析与评价技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 研究现状 |
| 1.3 研究内容 |
| 1.4 章节安排 |
| 第2章 人体健康检测数据及分析 |
| 2.1 脉率检测 |
| 2.1.1 脉率 |
| 2.1.2 脉搏信号 |
| 2.1.3 脉搏异常对人体健康的影响 |
| 2.2 肌肉疲劳检测 |
| 2.2.1 肌肉疲劳 |
| 2.2.2 肌电信号 |
| 2.2.3 肌肉疲劳对人体健康的影响 |
| 2.3 血压检测 |
| 2.3.1 血压 |
| 2.3.2 血压信号 |
| 2.3.3 血压异常对人体健康的影响 |
| 2.4 体温检测 |
| 2.4.1 体温 |
| 2.4.2 体温信号 |
| 2.4.3 体温异常对人体健康的影响 |
| 2.5 本章小结 |
| 第3章 基于多源信息融合的人体健康监测系统设计 |
| 3.1 系统总体架构 |
| 3.2 系统硬件设计 |
| 3.2.1 多传感器及其接口 |
| 3.2.2 ESP8266数据采集模块 |
| 3.3 系统软件设计 |
| 3.3.1 系统软件结构 |
| 3.3.2 用户UI设计 |
| 3.4 本章小结 |
| 第4章 多传感器数据融合处理 |
| 4.1 数据融合 |
| 4.1.1 检测级融合 |
| 4.1.2 状态级融合 |
| 4.1.3 属性级融合 |
| 4.2 多传感器信息融合原理 |
| 4.3 多传感器信息融合方法 |
| 4.4 基于加权平均数据融合算法的人体健康评估 |
| 4.5 本章小结 |
| 第5章 基于模糊D-S证据理论的人体健康评价 |
| 5.1 数据智能处理算法 |
| 5.1.1 模糊集 |
| 5.1.2 D-S证据理论 |
| 5.2 模糊集与D-S证据理论的数据融合 |
| 5.3 融合算法在人体健康监测系统中的应用 |
| 5.4 模糊D-S证据理论算法与加权平均数据融合算法比较 |
| 5.5 一种适用于人体健康恢复的肌肉疲劳检测与缓释系统 |
| 5.5.1 缓解肌肉疲劳的常见方法 |
| 5.5.2 反馈机制对肌肉疲劳的缓释作用 |
| 5.6 本章小结 |
| 第6章 总结 |
| 6.1 总结 |
| 6.2 不足及改进空间 |
| 参考文献 |
| 致谢 |
| 在学期间主要研究成果 |
| 一、发表学术论文 |
| 二、研究生期间所获荣誉 |
| 三、研究生期间竞赛获奖 |
| 四、研究生期间参与的科研项目 |
（8）基于情境意识的视障人群出行伴护产品设计研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 研究目标和意义 |
| 1.2.1 研究目标 |
| 1.2.2 研究意义 |
| 1.3 国内外研究现状 |
| 1.3.1 盲人出行产品研究 |
| 1.3.2 情境意识 |
| 1.4 研究的主要内容和创新点 |
| 1.4.1 主要内容 |
| 1.4.2 创新点 |
| 1.5 研究方法 |
| 1.6 研究框架 |
| 第二章 基于情境意识的盲人出行伴护产品理论研究 |
| 2.1 情境意识概述 |
| 2.1.1 情境意识定义 |
| 2.1.2 情境意识理论模型 |
| 2.1.3 情境意识测量方法 |
| 2.1.4 情境意识影响因素 |
| 2.2 盲人出行伴护产品 |
| 2.2.1 盲人出行辅助产品分类 |
| 2.2.2 智能伴护产品概述 |
| 2.2.3 盲人出行伴护产品 |
| 2.3 感官通道设计研究 |
| 2.3.1 听觉通道 |
| 2.3.2 触觉通道 |
| 2.4 情境意识理论应用于盲人出行伴护产品的思考 |
| 2.5 盲人出行场景下的情境意识影响因素分析 |
| 2.5.1 用户情境 |
| 2.5.2 任务情境 |
| 2.5.3 环境情境 |
| 2.5.4 构建盲人出行情境意识理论模型 |
| 2.6 基于情境意识的盲人出行伴护产品用户体验评估 |
| 2.6.1 用户体验评估模型 |
| 2.6.2 基于情境意识的盲人出行伴护产品用户体验评估模型 |
| 2.7 本章小结 |
| 第三章 盲人出行伴护产品的用户需求与功能分析 |
| 3.1 目标用户 |
| 3.1.1 盲人群体生理特征 |
| 3.1.2 盲人群体感知特征 |
| 3.1.3 盲人群体心理特征 |
| 3.1.4 盲人群体行为特征 |
| 3.1.5 盲人群体出行特征 |
| 3.2 用户调研 |
| 3.2.1 调研介绍 |
| 3.2.2 用户行为观察 |
| 3.2.3 用户访谈 |
| 3.2.4 基于Kano模型的需求问卷调研及功能属性划分 |
| 3.2.5 调研总结 |
| 3.3 用户角色模型 |
| 3.3.1 主要用户角色模型 |
| 3.3.2 次要用户角色模型 |
| 3.4 产品功能规划与设计机会点 |
| 3.4.1 产品功能规划 |
| 3.4.2 产品设计机会点 |
| 3.5 本章小结 |
| 第四章 基于情境意识的盲人出行伴护产品多通道交互设计开发 |
| 4.1 盲人出行情境研究 |
| 4.1.1 盲人出行情境层次 |
| 4.1.2 盲人出行情境要素分类 |
| 4.1.3 盲人出行风险感知 |
| 4.2 盲人出行伴护产品多通道交互设计流程 |
| 4.3 盲人出行伴护产品听觉通道设计 |
| 4.3.1 设计目标和需求 |
| 4.3.2 听觉提示的声音形式 |
| 4.3.3 听觉提示的声音功能 |
| 4.3.4 语音与非语音提示划分 |
| 4.3.5 语音提示设计 |
| 4.3.6 非语音提示设计 |
| 4.4 盲人出行伴护产品触觉通道设计 |
| 4.4.1 设计目标和需求 |
| 4.4.2 分层振动提示设计 |
| 4.4.3 方向振动提示设计 |
| 4.5 听觉提示系统开发 |
| 4.5.1 技术平台与工具 |
| 4.5.2 素材整理与编辑 |
| 4.5.3 音频整合 |
| 4.6 触觉提示系统开发 |
| 4.6.1 振动提示装置 |
| 4.6.2 超声波传感器角度分布设计 |
| 4.6.3 振动点分布设计 |
| 4.6.4 振动提示系统脚本开发 |
| 4.7 本章小结 |
| 第五章 盲人出行伴护产品多通道交互设计用户体验与认知实验 |
| 5.1 听觉提示实验目的 |
| 5.2 听觉提示实验设计 |
| 5.2.1 样本与时间 |
| 5.2.2 实验环境 |
| 5.2.3 实验任务 |
| 5.2.4 实验数据收集 |
| 5.3 听觉提示实验数据及结果分析 |
| 5.3.1 听标提示实验 |
| 5.3.2 耳标提示实验 |
| 5.3.3 实验结论 |
| 5.4 振动提示实验目的 |
| 5.5 振动提示实验设计 |
| 5.5.1 研究假设 |
| 5.5.2 样本与时间 |
| 5.5.3 实验环境 |
| 5.5.4 实验任务 |
| 5.5.5 实验数据收集 |
| 5.6 振动提示实验数据及结果分析 |
| 5.6.1 间隔与强弱分层振动提示实验 |
| 5.6.2 动态与静态方向振动提示实验 |
| 5.6.3 实验结论 |
| 5.7 本章小结 |
| 第六章 基于情境意识的盲人出行伴护产品设计实现与评估 |
| 6.1 设计原则 |
| 6.1.1 安全性 |
| 6.1.2 简单易用 |
| 6.1.3 指导性和有效性 |
| 6.1.4 舒适性和便利性 |
| 6.1.5 愉悦的情感体验 |
| 6.2 功能模块实现 |
| 6.2.1 定位导航 |
| 6.2.2 障碍物测距 |
| 6.2.3 障碍物识别 |
| 6.2.4 语音交互 |
| 6.2.5 其他模块 |
| 6.3 产品形态语义偏向 |
| 6.3.1 造型语义 |
| 6.3.2 色彩语义 |
| 6.3.3 材质语义 |
| 6.4 产品定位 |
| 6.5 方案设计 |
| 6.5.1 草图与三维造型设计 |
| 6.5.2 尺寸结构与功能说明 |
| 6.5.3 佩戴方式说明 |
| 6.5.4 使用场景 |
| 6.5.5 样机制作 |
| 6.6 用户体验评估测试 |
| 6.6.1 实验目的 |
| 6.6.2 样本与设备 |
| 6.6.3 实验任务及数据收集 |
| 6.6.4 实验结果分析 |
| 6.6.5 讨论与建议 |
| 6.7 本章小结 |
| 总结与展望 |
| 参考文献 |
| 附录 |
| 攻读硕士学位期间取得的研究成果 |
| 致谢 |
| 附件 |
（9）基于多传感器信息融合的无人小车避障算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 多传感器信息融合技术与应用的研究现状 |
| 1.2.1 多传感器信息融合技术的研究现状 |
| 1.2.2 多传感器信息融合技术的应用研究现状 |
| 1.3 避障技术研究现状与发展趋势 |
| 1.3.1 避障技术研究现状 |
| 1.3.2 避障技术的发展趋势 |
| 1.4 课题研究目的和本文的主要研究内容 |
| 1.4.1 本课题的研究目的 |
| 1.4.2 本文的主要研究内容 |
| 第二章 无人小车的机械结构与控制系统设计 |
| 2.1 机械结构设计 |
| 2.2 运动控制策略 |
| 2.2.1 无人小车的运动学模型 |
| 2.2.2 控制原理分析 |
| 2.2.3 转弯半径分析 |
| 2.3 控制系统设计 |
| 2.3.1 控制系统的总体设计 |
| 2.3.2 硬件模块的选型 |
| 2.4 本章小结 |
| 第三章 多传感器信息融合算法的设计与仿真 |
| 3.1 多传感器信息融合技术的基本内容 |
| 3.1.1 信息融合的技术难点 |
| 3.1.2 信息融合级别 |
| 3.1.3 信息融合结构 |
| 3.1.4 常见的多传感器信息融合算法 |
| 3.2 自适应加权融合算法的设计与仿真 |
| 3.2.1 不同种类传感器的信息融合 |
| 3.2.2 自适应加权信息融合算法 |
| 3.2.3 算法设计及其MATLAB仿真 |
| 3.3 自适应加权多传感器信息融合算法的改进及其MATLAB仿真 |
| 3.4 本章小结 |
| 第四章 基于模糊控制器的避障算法设计与仿真 |
| 4.1 环境障碍物的分布情况分析 |
| 4.2 模糊控制的基本原理 |
| 4.2.1 模糊控制理论简介 |
| 4.2.2 控制算法的组成部分 |
| 4.2.3 模糊控制的优缺点 |
| 4.3 基于模糊控制的避障算法设计 |
| 4.3.1 输入输出参量的确定及模糊化 |
| 4.3.2 制定模糊规则 |
| 4.3.3 反模糊化 |
| 4.4 基于MATLAB的仿真与分析 |
| 4.5 本章小结 |
| 第五章 模糊神经网络算法设计及实验分析 |
| 5.1 模糊神经网络控制技术 |
| 5.1.1 神经网络算法简介 |
| 5.1.2 模糊控制与神经网络的融合方式 |
| 5.2 模糊神经网络算法设计与仿真 |
| 5.2.1 模糊神经网络结构设计 |
| 5.2.2 参数优化过程 |
| 5.2.3 模糊神经网络算法的MATLAB仿真 |
| 5.3 实验与分析 |
| 5.3.1 传感器测距程序设计与实验 |
| 5.3.2 电机控制程序设计 |
| 5.3.3 无人小车避障实验 |
| 5.4 本章小结 |
| 结论 |
| 参考文献 |
| 附录 模糊规则表 |
| 攻读硕士学位期间取得的研究成果 |
| 致谢 |
| 附件 |
（10）基于数据融合技术和WSN的民用智能火灾报警系统的研制（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 国内外火灾报警系统研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.2.3 存在的问题和技术发展趋势 |
| 1.3 论文研究内容及创新点 |
| 1.3.1 论文研究内容 |
| 1.3.2 论文创新点 |
| 第2章 智能火灾报警系统总体设计与应用原理概述 |
| 2.1 系统总体需求分析 |
| 2.1.1 功能需求分析 |
| 2.1.2 系统的技术要求 |
| 2.2 智能火灾报警系统总体概述 |
| 2.2.1 有线火灾报警系统与无线火灾报警系统对比 |
| 2.3 系统通讯方式 |
| 2.3.1 通讯技术对比 |
| 2.3.2 系统通讯方式 |
| 2.4 网络服务器 |
| 2.4.1 网络服务器结构 |
| 2.4.2 网络服务器工作原理 |
| 2.5 安卓APP客户端 |
| 2.5.1 Android系统概述 |
| 2.5.2 Android技术结构框 |
| 2.6 火灾数据处理算法分析与比较 |
| 2.6.1 直观阀值比较法 |
| 2.6.2 智能火灾探测算法 |
| 2.6.3 探测算法分析比较 |
| 2.7 本章小结 |
| 第3章 智能火灾报警系统硬件设计 |
| 3.1 系统硬件结构总体设计 |
| 3.2 环境数据采集器硬件设计 |
| 3.2.1 微控制器硬件设计 |
| 3.2.2 温度采集模块硬件设计 |
| 3.2.3 烟雾浓度采集模块硬件设计 |
| 3.2.4 一氧化碳(CO)浓度采集模块硬件设计 |
| 3.2.5 火焰采集模块硬件设计 |
| 3.3 集中控制器硬件设计 |
| 3.3.1 TFT-LCD显示电路 |
| 3.3.2 报警电路 |
| 3.3.3 按键电路 |
| 3.3.4 GPRS模块电路 |
| 3.3.5 NRF24L01 无线通信电路 |
| 3.4 其他模块电路设计 |
| 3.4.1 电源电路设计 |
| 3.4.2 电平转换电路设计 |
| 3.4.3 JTAG/SWD电路设计 |
| 3.5 硬件PCB设计及实物 |
| 3.6 本章小结 |
| 第4章 智能火灾报警系统软件设计 |
| 4.1 系统软件结构总体设计 |
| 4.2 软件设计语言与开发环境 |
| 4.2.1 软件开发语言 |
| 4.2.2 软件开发环境 |
| 4.3 环境数据采集器程序设计 |
| 4.3.1 温度探测程序设计 |
| 4.3.2 其他环境信息探测程序设计 |
| 4.4 集中控制器软件设计 |
| 4.4.1 TFT-LCD液晶显示程序 |
| 4.4.2 报警功能程序设计 |
| 4.5 GPRS无线通信程序设计 |
| 4.5.1 SIM900A的 AT指令 |
| 4.5.2 GPRS模块初始化流程 |
| 4.5.3 GPRS模块网络配置 |
| 4.6 NRF24L01 无线模块程序设计 |
| 4.6.1 TX发送端软件设计 |
| 4.6.2 RX接收端软件设计 |
| 4.7 本章小结 |
| 第5章 基于MSIF技术的火灾处理算法设计 |
| 5.1 火灾发展过程研究 |
| 5.2 多传感器数据融合技术 |
| 5.2.1 多传感器数据融合结构 |
| 5.2.2 数据层融合 |
| 5.2.3 特征层融合 |
| 5.2.4 决策层融合 |
| 5.3 本章小结 |
| 第6章 基于Android的远程监控技术与实现 |
| 6.1 服务器与数据库相关技术与实现 |
| 6.1.1 服务器接口建立 |
| 6.1.2 数据库的实现 |
| 6.2 Android开发相关技术 |
| 6.2.1 Android app开发环境 |
| 6.3 安卓APP程序设计 |
| 6.3.1 Android 目录结构 |
| 6.3.2 Android UI设计 |
| 6.4 客户端与服务器数据通讯 |
| 6.4.1 数据交互方式 |
| 6.4.2 数据交互过程 |
| 6.5 本章小结 |
| 第7章 系统总体调试和仿真分析 |
| 7.1 系统总体调试 |
| 7.1.1 环境参数采集测试 |
| 7.1.2 TFT-LCD液晶数据显示测试 |
| 7.1.3 GPRS通讯测试 |
| 7.1.4 Android手机APP系统测试 |
| 7.2 系统仿真分析 |
| 7.2.1 特征层仿真分析 |
| 7.2.2 决策层仿真分析 |
| 7.3 本章小结 |
| 第8章 总结与展望 |
| 8.1 总结 |
| 8.2 工作展望 |
| 致谢 |
| 参考文献 |
| 附录 A |
| 附录 B |
四、多传感器信息智能模糊安全警示系统设计（论文参考文献）
- [1]水空两栖多旋翼无人机研究和设计[D]. 钟鹏. 南京信息工程大学, 2021(01)
- [2]基于嵌入式系统的智能服装设计研究[D]. 金鹏. 江南大学, 2021(01)
- [3]基于多传感器感知的辅助驾驶技术研究[D]. 高波. 西安工业大学, 2021(02)
- [4]基于多传感器融合的高速列车牵引变流器故障智能诊断技术研究[D]. 陈富昭. 北京交通大学, 2021(02)
- [5]基于信息融合的鱼雷罐车安全监控系统与关键技术研究[D]. 张先勇. 华中科技大学, 2020(01)
- [6]智能汽车的主动紧急避撞技术及乘员保护性能的研究[D]. 宋志强. 湖南大学, 2020(02)
- [7]基于多源信息融合的人体健康分析与评价技术研究[D]. 李春晓. 齐鲁工业大学, 2020(02)
- [8]基于情境意识的视障人群出行伴护产品设计研究[D]. 刘梦玉. 华南理工大学, 2020(02)
- [9]基于多传感器信息融合的无人小车避障算法研究[D]. 吕继亮. 华南理工大学, 2020(02)
- [10]基于数据融合技术和WSN的民用智能火灾报警系统的研制[D]. 毛效禹. 东华理工大学, 2019(01)