多点称重法测量质心误差修正

为了提高多点称重法测质心时的测量准确度,提出一种采用总体最小二乘法修正称重传感器受力点坐标的方法。首先,分析了多点称重法测量质心的原理,影响质心测量结果的主要误差源;其次,将标准件的形心坐标作为其质心的相对真值,并将该值用来修正称重传感器受力点的坐标;再次,改变标准件在质心测量设备上5个以上位置,采用激光跟踪仪测量标准件的形心坐标并转换到测量坐标系下,采用总体最小二乘法计算出称重传感器受力点的坐标;最后,测量标准件的质心进行验证。实验结果表明,修正后的设备质心测量误差≤0.1mm,可以通过修正称重传感器的受力点坐标,实现质心的高精度测量。     

带直线特征的数字图象的位置检测

在图象测量及物体精确定位处理中，为了确定被测物体的旋转及平移的偏差量，通过处理被测物体图象的边缘而获得的几何参数，为提高到测量系统的精度，本文提出了一种通过提取图象边缘的直线特征；并对边缘点进行插值和加密的方法，将图象边缘定位于亚象元，利用最小二乘法拟合出直线方程，根据求得的参数，可以确定图象的旋转及平移量。     

一种考虑局部场地收敛性的多点地震动合成方法

提出一种符合实际地震动传播特点的多点地震动合成方法。目前的非平稳空间相关多点地震动合成方法在局部场地上不具备收敛性，与实际的地震波传播机制相矛盾。通过修正随机相位角，使生成的多点地震动在局部场地上具备收敛性，给出了未知和已知相位差谱统计规律两种情况下非平稳多点地震动的合成方法，进一步提出了基于实际地震记录的空间相关多点地震动合成方法。采用本文方法进行了基于美国Northridge地震和我国集集地震的多点地震动模拟研究，结果表明方法具有良好的局部收敛性，可用于大尺度结构的多点输入分析。     

飞机总体设计中的一种多目标鲁棒优化方法

 提出一种基于灵敏度的多目标鲁棒优化方法。针对各维设计变量存在扰动的情况，在原约束多目标优化模型上，附加偏差目标函数，并采用最差估计法对约束条件进行鲁棒可行性调整。采用全局敏度方程方法来计算目标函数和约束函数对设计变量的敏度，进而采用Pareto遗传算法搜索约束多目标优化问题的非劣解集，设计者可以根据不同的设计准则从中选择合适的设计点。将上述方法用于飞机总体参数优化设计，并与采用常规优化方法所得的优化结果进行了分析和比较。     

双目视觉飞行目标落地参数测量

采用放置在落弹点区域附近的凝视等待式双目视觉摄像机,高速摄影交汇测量飞行目标的落地参数.根据不同时刻质心的空间三维坐标,用最小二乘法对目标航迹进行拟合,建立了目标三维空间轨迹的多项式函数,对多项式函数求导得到目标的飞行速度.针对回转体类飞行目标的特点,根据其在摄像机像面成像的大小,将目标分为三类,对不同目标采用了不同的姿态测量方案,并对测量的误差来源进行了分析,提出了减小测量误差的方法.实验与理论分析表明,本文采用的速度与姿态测量方法具有精确、稳定等优点.     

复杂背景、强噪声环境中的点源目标检测及跟踪方法

介绍了一种在复杂背景、强嗓声环境中检测并跟踪多个点源目标的方法。目标在图象中的位置是未知的；其轨迹是连续的并可以是任意的；图象序列中含复杂的变化背景，并伴有强的随机白噪声；目标为压几个象元的点目标，本文提出的是一种回形窗扫描、相关处理及相关跟踪相结合的算法，能有效地从复杂背景、强噪声环境中检测与跟踪多个点源目标。这种算法能对图象进行分割、并行处理，适合于实时的目标探测及跟踪。     

基于灰色聚类评估的配送中心选址模糊多目标优化模型

将多属性决策方法与最优化方法相集成,研究了多配送中心选址优化问题。首先采用灰色聚类决策计算各候选地定性属性的综合评估值。再以选定配送中心的评估值均值最大化、系统成本最小化,以及配送中心容量利用率最大化作为3个优化目标,建立一个考虑需求点模糊需求、供应点与候选配送中心容量限制的三级供应链系统多配送中心选址模型。该模型被描述成了一个多目标的非线性混合整数规划模型。采用机会约束规划对模糊需求进行清晰化处理,并应用目标加权的方法将问题转化为单目标问题。通过算例验证了所提模型的可行性。在实际工作中,可根据决策者权重偏好得出令人满意的结果。     

小波变换在多光谱图象压缩中的应用

机载高分辨率成象光谱仪所记录的数据量很大,而采用普通的压缩方法其精度满足不了事后处理的要求。因此利用小波变换,将图象分解成不同的频率区域,再根据多光谱图象的特点进行编码压缩,较好地完成了压缩编码的任务,与通用的压缩方法相比,不易产生细节模糊,具有更高的精度。     

多点输入下大跨空间网格结构的可靠度分析

根据对不同跨度和结构形式的大跨空间网格结构所进行的多点输入和一致输入地震作用下结构杆件可靠度指标的计算，分析这类结构在两种输入方法下危险杆件的差异，包括差异的分布规律、随视波速和结构跨度的变化情况，进而对不同形式的大跨空间网格结构采用何种地震动输入方式提出建议。     

自动视觉检测中的启发式图象预处理方法

就产品缺陷自动视觉检测中普遍存在的非均匀光场校正，噪声滤除及图象分割等问题进行了讨论，提出一种基于系统及缺陷目标的部分先验知识的预处理方法，采用本底光场检测与补偿，用自适应窗口选择处理空间区域和参数校正等技术，有效地抑制了噪声的影响，在准确地分割出缺陷图象的同时给出缺陷形状因子用以目标识别。本文中所阐述的处理方法对实际机器视觉检测系统具有一定的普遍意义。     

汽车四轮转向自适应模糊神经网络控制研究

为了实现现实车辆运动的多自由度和非线性,在Simulink环境下建立包含车辆侧倾运动和轮胎非线性的三自由度四轮转向模型,针对大多控制方法需要依赖被控对象为精确数学模型的缺陷,提出具有联想、自学习、自识别、自适应特性的自适应模糊神经网络四轮转向控制策略;通过以前轮转角及车速作为输入,并依此确定后轮转角的输出,建立获得训练样本的仿真实验模型,用混合法训练得到自适应模糊神经网络控制器,并分别与前轮转向、比例控制和横摆角速度反馈控制下的四轮转向控制器进行仿真比较分析．结果表明自适应模糊神经网络控制使车辆在低速到中、高速时质心侧偏角趋于零,具有较强的鲁棒性;在角阶跃、移线实验中,控制效果优于前轮转向、比例控制和横摆角速度反馈控制,较大地改善了车辆的操纵性能．     

基于深度神经网络的货架商品识别方法

目的为快速统计货架商品信息,提出一种基于深度神经网络的货架商品自动识别方法。方法摄像头采集的货架商品图像经过深度神经网络算法处理,得到了图像中商品的SKU和位置。针对货架商品识别这种密集检测场景,文中方法改进了通用深度神经网络目标检测算法,将算法分为检测和分类2个阶段且重新设计了部分网络结构。最后,将文中方法和传统货架商品识别方法以及通用深度神经网络目标检测方法进行了比较。结果实验证明该方法的检测阶段的模型平均正确率达到96.5%,分类阶段的分类准确率达到99.9%。整图测试的查准率为97.56%,查全率为99.26%。结论相较于以往使用传统的目标检测模型进行货架商品识别以及使用SIFT等人工算子提取特征并分类识别商品具体SKU,文中方法的商品检出率和分类准确率都有了大幅度的提升,具有很好的应用潜力。     

一种双目立体视觉系统的校准方法

基于双目立体视觉系统的图像分析以及人工神经网络的三维空间建模算法,设计了一种针对双目立体视觉相机的校准方法,并可应用于运动目标点的轨迹追踪。将均匀分布目标点的校准平面放置在有效视野内的不同位置,通过双目立体视觉系统来捕获处于不同位置的校准平面图像。在图像处理之后,使用校准点中心的二维坐标作为人工神经网络训练的输入样本集,通过建立人工神经网络模型结构,实现目标点二维平面坐标到三维空间坐标的映射关系。采用这种具有通用性的方法,可以有效修正系统中存在的失真因子,获得目标三维位置信息,而无需进行复杂的相机校准操作。实验表明,提出的方案具有良好的可行性和鲁棒性。     

面向对象的神经网络类库

提出一种面向对象的神经网络类库的构造方法。该类库采用面向对象的方法，集成了当前比较成熟的人工神经网络模型，充分利用了ＯＯＰ方法的继承性、封装性和多态性，便于在现有基础上派生出新的神经网络模型。该类库将被用于实现一种最新的同步振荡神经网络－ＬＥＧＩＯＮ网络。由于系统的结构性和代码的可重用性，既有利于科研工作者进行神经网络的研究，也便于工程人员的神经网络应用。     

基于爆破振动的岩质边坡损伤神经网络预测

岩石高边坡的爆破开挖会对保留岩体造成损伤,岩体损伤过大可能导致边坡失稳,需严格控制并准确确定开挖损伤深度,因此,提出一种快速精确的损伤深度预测方法。以白鹤滩水电站左岸834.0~770.0 m高程坝肩槽边坡爆破开挖为背景,利用六个开挖梯段的多高程、多爆心距爆破振动监测及损伤深度声波检测的数据,建立基于振动峰值的爆破损伤深度BP神经网络预测模型,对高边坡爆破损伤深度进行实时预测。该方法利用不同部位及不同爆心处的质点峰值振动峰值作为主回归变量,同时还考虑最大单响药量和岩体强度的影响。结果表明,当开挖区域坡体岩性相似且无长大软弱结构面发育时,运用神经网络模型及多高程实测爆破振动预测本梯段爆破损伤深度的方法简便可行,预测精度可满足实际工程需求。作为传统爆破损伤声波检测的补充,可大大减轻现场声波测试工作量。     

基于爆破振动的岩质边坡损伤神经网络预测

岩石高边坡的爆破开挖会对保留岩体造成损伤,岩体损伤过大可能导致边坡失稳,需严格控制并准确确定开挖损伤深度,因此,提出一种快速精确的损伤深度预测方法。以白鹤滩水电站左岸834.0⁷70.0 m高程坝肩槽边坡爆破开挖为背景,利用六个开挖梯段的多高程、多爆心距爆破振动监测及损伤深度声波检测的数据,建立基于振动峰值的爆破损伤深度BP神经网络预测模型,对高边坡爆破损伤深度进行实时预测。该方法利用不同部位及不同爆心处的质点峰值振动峰值作为主回归变量,同时还考虑最大单响药量和岩体强度的影响。结果表明,当开挖区域坡体岩性相似且无长大软弱结构面发育时,运用神经网络模型及多高程实测爆破振动预测本梯段爆破损伤深度的方法简便可行,预测精度可满足实际工程需求。作为传统爆破损伤声波检测的补充,可大大减轻现场声波测试工作量。     

Effective generation of digital holograms of three-dimensional objects using a novel look-up table method

Several approaches for increasing the speed in computation of the digital holograms of three-dimensional objects have been presented with applications to real-time display of holographic images. Among them, a look-up table (LUT) approach, in which the precalculated principal fringe patterns for all possible image points of the object are provided, has gained a large speed increase in generation of computer-generated holograms. But the greatest drawback of this method is the enormous memory size of the LUT. A novel approach to dramatically reduce the size of the conventional LUT, still keeping its advantage of fast computational speed, is proposed, which is called here a novel LUT (N-LUT) method. A three-dimensional object can be treated as a set of image planes discretely sliced in the z direction, in which each image plane having a fixed depth is approximated as some collection of self-luminous object points of light. In the proposed method, only the fringe patterns of the center points on each image plane are precalculated, called principal fringe patterns (PFPs) and stored in the LUT. Then, the fringe patterns for other object points on each image plane can be obtained by simply shifting this precalculated PFP according to the displaced values from the center to those points and adding them together. Some experimental results reveal that the computational speed and the required memory size of the proposed approach are found to be 69.5 times faster than that of the ray-tracing method and 744 times smaller than that of the conventional LUT method, respectively.     

Using neural networks for 3D measurement in stereo vision inspection systems

This paper presents a stereo vision inspection process which derives precise 3D measurements. Two artificial neural networks are used to facilitate the whole measurement process. At first, a simple camera calibration process is developed to derive the focal lengths and the relative information. A Hopfield neural network is used to solve the stereo matching problem, which has been constructed as an energy function. By means of a recursive process, the disparities of extracted feature points are obtained. In addition, a backpropagation neural network-based measurement error correction model for 3D measurement is proposed. It reduces the errors of 3D measurement associated with a part's orientation, position, magnitude and distance between the object and cameras. Four procedural processes are designed to implement this model. Our laboratory experiments demonstrate that the proposed measurement process has a satisfactory measurement result.     

Spatial resolution enhancement of ultrasound images using neural networks

Spatial resolution in modern ultrasound imaging systems is limited by the high cost of large aperture transducer arrays, which require a large number of transducer elements and electronic channels. A new technique to enhance the spatial resolution of pulse-echo imaging systems is presented. The method attempts to build an image that could be obtained with a transducer array aperture larger than that physically available. We consider two images of the same object obtained with two different apertures, the full aperture and a subaperture, of the same transducer. A suitable artificial neural network (ANN) is trained to reproduce the relationship between the image obtained with the transducer full aperture and the image obtained with a subaperture. The inputs of the neural network are portions of the image obtained with the subaperture (low resolution image), and the target outputs are the corresponding portions of the image produced by the full aperture (high resolution image). After the network is trained, it can produce images with almost the same resolution of the full aperture transducer, but using a reduced number of real transducer elements. All computations are carried out on envelope-detected decimated images; for this reason, the computational cost is low and the method is suitable for real-time applications. The proposed method was applied to experimental data obtained with the ultrasound synthetic aperture focusing technique (SAFT), giving quite promising results. Realtime implementation on a modern, full-digital echographic system is currently being developed.     

昆虫翅膀运动变形测量中弱光条图像处理

通过在连续域内,建立光栅型结构光光条图像的数学模型,提出了一种用于提取昆虫翅膀运动变形测量中弱光条中心点的图像处理方法。该方法根据光条图像灰度的二阶方向导数极值条件,利用Hessian矩阵算法提取弱光条中心点的亚像素位置,通过连续性约束、方向约束和光条间距约束等特征约束条件去除图像处理过程中出现的噪声点。实验结果表明,该方法成功地将昆虫翅膀图像中的弱光条中心点与“虚假点”进行了分离。