针对压电叠堆迟滞带来的非线性效应严重制约系统控制精度提升的问题, 该文提出了一种基于复合控制的压电驱动器控制方法, 对系统非线性误差进行建模补偿, 并基于数控芯片实现了嵌入式驱动设计。采用广义PI模型对被控压电促动器进行建模, 利用指数函数作为密度函数, 并基于粒子群算法对包络函数和密度函数进行参数寻优, 最终得到压电促动器的前馈补偿逆模型, 结合比例积分控制率实现系统的复合控制。同时采用数字信号处理结合现场可编程门阵列(DSP+FPGA)的数控架构, 既保证了逆模型求解过程在DSP中实现的便捷性, 又保证了采样及闭环控制在FPGA中实现的实时性及快速性。实验结果证明了所提设计方法的正确性及有效性。
压电陶瓷 迟滞 广义PI模型 复合控制 嵌入式系统 piezoelectric ceramics hysteresis generalized PI model compound control embedded system
陈少毅 1,2,3,4汤心溢 2,3,4王健 2,3,4黄静思 1,2,3,4李争 2,3,4,*
1 上海科技大学，上海 201210
2 中国科学院上海技术物理研究所，上海 200083
3 中国科学院大学，北京 100049
4 中国科学院红外探测与成像技术重点实验室，上海 200083
基于深度学习的目标检测算法取得了很大成功，显著超越了传统算法，在很多场景下甚至可以和人类相媲美。不同于可见光相机，红外相机可以在黑暗环境下识别物体，可以用于安防和无人驾驶等领域。本文提出了面向嵌入式设备的轻量级目标检测算法，并采用赛灵思的Ultrascale+MPSoC ZU3EG FPGA加速并部署该算法。加速器运行在350 MHz的时钟频率下，吞吐量达到了551 FPS，功耗仅有8.4 W。在准确率方面，该算法在FLIR数据集下IoU指标达到了73.6%。在性能方面，相比于之前相同逻辑资源下性能最好的硬件加速器Ultranet，该加速器设计将吞吐量提高了2.59倍，功耗降低了2.04倍，降低至原来的49.02%。
红外图像处理 实时嵌入式系统 可编程逻辑器件 卷积神经网络 infrared imaging embedded software real-time systems Field Programmable Gate Array（FPGA） convolutional neural network
宁夏大学物理与电子电气工程学院，宁夏 银川 750021
为了在嵌入式平台上使人体行为识别网络达到实时效果，提出了一种基于轻量级OpenPose模型的人体行为识别方法。所提方法从人体的18个骨骼关键点角度出发，通过骨骼关键点的空间位置确定行为类型。首先通过轻量级OpenPose模型提取人体的18个骨骼关键点坐标信息，然后利用关键点的编码对人体的行为进行描述，最后利用分类器对获取的关键点坐标进行分类，从而识别出人体的行为状态，并将其移植到Jetson Xavier NX设备上，利用单目相机进行了测试。实验结果表明，所提方法在嵌入式开发板Jetson Xavier NX上能够快速、准确识别出行走、挥手、下蹲等人体的11类行为，平均识别准确率达到96.08%，检测速度达到了11 frame/s以上，相比于原模型，检测速度提升了177%。
机器视觉 嵌入式系统 Jetson Xavier NX OpenPose 行为识别 轻量级网络 激光与光电子学进展
2022, 59(22): 2215001
1 温州大学机电工程学院, 浙江 温州 325035
2 中国民用航空飞行学院航空工程学院, 四川 广汉 618307
针对工程应用中大型曲面工件的低成本、实时随形清洗的难题, 以STM32为主控芯片设计了机器人激光清洗控制系统。机器人末端安装有二维扫描式激光清洗头用以实现激光扫描, STM32与机器人控制器通过以太网实现通信, 并借助激光测距仪实现两者的协同工作, 完成了曲面随形聚焦和分块扫描清洗的功能。将一大型曲面工件按S形进行分块扫描清洗的路径规划, 并对其进行激光清洗测试, 结果表明该控制系统具有分块拼接完整、清洗效果好的特点, 清洗效率可达0.396 m2/h。
激光清洗 大型曲面工件 机器人控制 嵌入式系统 laser cleaning large freeform surface workpiece robot control embedded system
传统卷积神经网络大量的计算及内存需求使嵌入式设备智能应用的开发成为挑战, 为尝试将高度复杂的深度学习应用与性能有限的低成本嵌入式平台相结合, 设计了一款小型嵌入式图像分类系统。实验基于结构化稀疏学习算法在Caffe框架下构建结构稀疏卷积神经网络模型, 将其部署在工业派(IndustriPi)最小化系统上, 通过测试得到了85.5%的准确率和处理实时影像时不小于8帧/s的运行速度。与经典模型相比, 通过稀疏学习后的网络模型很大程度上减少了计算量和内存占用率, 提高了低成本嵌入式设备的运行速度。
图像分类 嵌入式系统 深度学习 卷积神经网络 结构化稀疏学习 image classification embedded system deep learning convolutional neural network structured sparsity learning
1 大连理工大学 信息与通信工程学院，辽宁 大连 116024；大连海洋大学 信息工程学院，辽宁 大连 116023
2 大连理工大学 信息与通信工程学院，辽宁 大连 116024
在研究编码曝光理论基础上，设计了应用型嵌入式编码曝光相机系统。在采集运动目标图像时，按照预设的编码时序控制曝光快门，得到了光生电荷多次叠加一次转移的图像。该图像为具有编码曝光信息的运动模糊图像，有更多的图像细节信息。编码曝光图像信号经过AD转换后将数据暂存在数据存储器，再经核心器件解码模块输出复原图像。实验结果证明，编码曝光相机能有效解决线性运动模糊问题。在相同测试条件下，利用无参考图像评价指标测试，编码曝光条件下复原图像质量的指标平均值均比一般单次曝光条件下复原图像质量提高了近2倍。
编码曝光 图像去模糊 嵌入式系统 相机设计 coded exposure image deblurring embedded system camera design
中国工程物理研究院 电子工程研究所，四川 绵阳 621999
模型驱动开发逐渐应用于嵌入式系统的软件设计，在软件设计阶段重点关注的是软件的架构模型和详细功能模型。用于嵌入式系统软件建模的语言和工具很多，其中结构分析与设计语言(AADL)模型可以构建嵌入式软件的架构，高安全性应用开发环境(SCADE)模型可以描述嵌入式软件的逻辑功能，将两者统一使用可以满足嵌入式软件概要设计和详细设计的建模需求。针对某飞行器控制系统，本文分别使用AADL和SCADE对飞行器控制系统软件架构和功能进行建模，利用KCG工具从SCADE模型自动生成C代码，通过手工代码和自动生成代码的集成完成控制系统部分软件设计。实际应用表明，采用AADL和SCADE相结合的建模方法适用于模型驱动开发在嵌入式软件设计中应用。
AADL模型 SCADE模型 模型驱动开发 嵌入式系统 自动代码生成 AADL SCADE model-driven design embedded system auto code generation 太赫兹科学与电子信息学报
2020, 18(6): 1117
航天工程大学太空安全研究中心, 北京 101416
针对卫星在轨处理图像以获取高价值目标信息的需求, 分析了卫星在轨探测系统技术要求, 开发了由高性能处理器组成的嵌入式系统, 能支持目标探测算法的高速计算。研究了通过中值滤波、阈值分割、连通域标记和角度测量实现目标实时探测的算法, 使用多类样本图像对算法进行系统测试, 计算时间小于1 s, 能够检测出目标并计算其位置信息, 满足在轨探测系统要求。
卫星 目标探测 图像实时处理 在轨应用 嵌入式系统 satellite target detection image real-time processing on-orbit application embedded system
中国科学技术大学 国家同步辐射实验室, 合肥 230029
针对合肥光源储存环恒流运行(Top-off)改造等性能提升的需要，研制了新型的基于嵌入式EPICS架构的储存环束流损失监测(BLM)系统，用于监测储存环中束流损失发生的位置和大小。新BLM处理器获取储存环各处双PIN型光电二极管传感器所采集的簇射电子的信号，分析处理后通过各个处理器内部的嵌入式系统所运行的EPICS程序将数据实时发布到加速器控制网络，使中控室能够实时获取束损的数据。新BLM系统能够实时对双PIN型传感器进行自检操作，排查故障隐患，提高了系统运行的效率和可靠性，经过试运行表明，新BLM系统可完全满足合肥光源恒流的运行需要。
合肥光源 束流损失探测 嵌入式系统 HLS Ⅱ beam loss monitor embedded system EPICS EPICS 强激光与粒子束
2019, 31(8): 085103
1 东北大学信息科学与工程学院, 辽宁 沈阳 110819
2 东北大学机器人科学与工程学院, 辽宁 沈阳 110819
基于深度可分离卷积,提出了一种适用于嵌入式平台的小型目标检测网络MTYOLO(MobileNet Tiny-Yolo),它将待检测的图片平均分割成多个单元格,并采用深度可分离卷积代替传统卷积,减少了参数量和计算量。采用点卷积和特征图融合的方法来提高检测精度。实验结果表明,所提MTYOLO网络模型大小为41 MB,约为Tiny-Yolo模型的67%,其在PASCAL VOC 2007数据集上的检测准确率可达到57.25%,检测效果优于Tiny-Yolo模型,更适合应用于嵌入式系统。
机器视觉 目标检测 深度神经网络 嵌入式系统 实时性
