全面综述了基于深度学习的人体姿态估计方法的研究进展。在比较分析各类单人姿态估计方法的基础上,从自上而下和自下而上两个方法角度总结了多人姿态估计算法。在自上而下方法中,着重介绍了局部区域重叠、关节点混淆、人体非典型部位关节点难以检测等问题的解决方案;在自下而上的方法中,重点关注聚类方法对关节点检测的贡献。对目前公共数据集上取得优异性能的代表性方法进行了对比和分析。这样做的目的是使研究者了解和熟悉该领域已有的研究成果,拓展研究思路和方法,并展望未来可能出现的研究方向。

针对高超声速飞行器一体化气动布局导致弹性机体与推进系统间的强耦合性, 以及跨大空域及高速飞行过程中导致气动特性存在强非线性、不确定性和明显的时变特性, 提出一种基于小脑神经网络的高超声速飞行器反步滑模控制策略。首先建立高超声速飞行器纵向非线性数学模型, 并采用输入-输出反馈线性化方法, 解除多变量之间的耦合关系; 然后设计基于反步法的滑模变结构控制器解决系统非匹配不确定性难题; 同时为弥补反步滑模控制器鲁棒性不足缺点, 利用自回归小脑神经网络（RCMAC）的在线非线性逼近、自学习能力和相应控制结构, 设计基于RCMAC的反步滑模控制器。仿真试验结果表明, 该方法下高超声速飞行器纵向的高度控制精度可达到0.5 m, 速度控制精度为0.1 m/s, 可以保证闭环系统全局稳定, 且拥有良好的跟踪性能和鲁棒性能。

传统的关节臂测量机工作时是依靠工作人员牵拉实现运动和测量, 存在路径规划不佳、主观性误差大、测量效率低等问题很难适应智能制造对在线自动测量系统的新要求。本文提出了利用含有无刷电机、谐波减速器及精密轴系的模块化关节构成自驱动关节臂坐标测量机的构想, 并对模块化关节进行了构型设计, 建立了单关节扭矩估算模型, 在此基础上选择了关节2的电机和谐波减速器, 设计了关节模块的测控电路, 研制了单关节部件样机并进行了重复性实验。其中单方向测量数据表明, 为保证较小的测量重复性误差, 关节在运动时应尽量避免速度或加速度突变的运动形式; 双方向测量的数据表明, 当控制电机运动速率小于1.53 rad/s时, 测头因回弹产生误触发信号的概率较小, 此时最大误差数据为±2.11″。上述实验也验证了模块化关节设计方案的可行性, 为后续自驱动关节臂坐标测量机整机研制提供了理论和实验依据。

针对人眼中间视觉生理特征, 研究了LED道路照明光源显色性评价方法。通过构建人眼中间视觉下的光视光效模型, 获得了相应的光谱光视效率曲线和人眼敏感波长范围, 给出了基于中间视觉的LED道路照明光源显色性评价及计算方法, 建立了综合显色指数与光源主波长的函数关系式, 并采用主观实验法和客观清晰度计算法进行了验证。计算与实验结果均表明, 在满足道路照明亮度的条件下, 当道路照明光源的主波长为548.5nm时, 光源的综合显色指数最大, 显色性能最佳。

针对机电伺服系统中存在的不确定因素和多余力扰动问题，提出一种自适应比例－积分－微分(PID)控制策略。该自适应控制器由最优PID 控制器和小脑模型关节控制器(CMAC)组成，最优PID 控制器用来整定系统的标称模型，CMAC 控制器用来克服系统中含有的不确定项和多余力扰动，自适应PID 控制器能确保系统跟踪误差和CMAC 权值误差收敛到零。仿真结果表明，本文提出的控制器具有令人满意的跟踪性能，对系统中的不确定因素和多余力扰动具有一定的鲁棒性。

针对超磁致伸缩致动器(GMA)在精密致动控制中存在的迟滞和位移非线性,提出了小脑神经网络(CMAC)前馈逆补偿结合模糊PID控制的新策略.通过小脑神经网络(CMAC)学习获得超磁致伸缩致动器动态逆模型用于对超磁致伸缩致动器迟滞非线性进行补偿;利用模糊PID控制降低小脑神经网络(CMAC)学习时的误差和抑制扰动,提高系统的跟踪控制性能,从而实现超磁致伸缩致动器的精密致动控制.仿真和实验结果表明:所采用的控制策略有效地消除了迟滞非线性的影响,系统的跟踪误差降低到了5%以下,而位移跟踪误差均方差仅为0.58.此外,这种策略的特点是学习和控制同时进行,控制系统能够适应被控对象动态特性的变化,使系统具有较强的鲁棒性,同时也能够有效地抑制外界的干扰,提升系统的自适应控制性能.

基于可视化模型提出了一种听力障碍儿童的舌部训练方法。通过对听障儿童舌部发音位置的训练, 辅助其获取正确的发音位置和发音方式。该方法采用三维建模技术和传感器技术相结合的舌部康复训练方法, 建立舌部三维模型; 用腭位传感器获取发音过程中舌部位置信息; 选取23个声母作为样本, 建立健听儿童声母发音舌位置信息样本数据库; 最后, 驱动舌部模型, 引导听障儿童进行舌部发音位置训练。该方法能够显示健听儿童发音时舌部的运动过程, 克服了目前听障儿童语言训练中舌部训练过程中不可视的问题。实验结果表明: 该方法提高了听障儿童发音训练的效果, 缩短了康复训练时间, 尤其对于舌、下腭之间配合较为复杂, 发音位置较为隐蔽的发音, 提高发音训练的准确度超过15%。

在分析云背景红外图像空间分布上存在混沌现象的基础上，提出一种基于脑模型控制器的红外背景预测算法.该方法利用混沌具有短时可预测性的特点，对云背景图像进行预测，并根据云背景杂波和运动目标的混沌特性差异修正预测模型.仿真结果表明，该算法能有效地提高云背景的预测准确度，预测残差符合白噪音特性，对云背景杂波具有良好的抑制效果，能显著提高目标的信杂比，从而改善目标的检测性能.

根据(CMAC)小脑模型处理非线性系统的特点,分析了应力盘系统的结构和盘控系统,引入了CMAC神经网络实现应力盘形变控制的模型。提出了将CMAC神经网络应用于应力盘逆变形智能控制的创意和实现方法,以应力盘面形参数和对应的驱动器电压参数作为样本训练CMAC神经网络,将训练成功的CMAC神经网络作为控制器控制应力盘变形,取得了误差小于5%的计算机仿真结果。