基于双椭圆滤波算法的傅里叶变换轮廓术

傅里叶变换轮廓术(FTP)技术通过计算傅里叶变换、在空间频域中滤波和逆傅里叶变换来解析被测对象轮廓数据,实现将相位信息转换为被测对象的高度。FTP重建三维曲面时,用来提取基频成分的带通滤波算法对测量精度有很大影响,该技术的关键问题是无法精确提取到一阶频谱尤其是在频域比较复杂的情况下,传统滤波算法在FTP滤波过程中已被证明是不够准确的。因此提出一种双椭圆滤波算法的傅立叶变换轮廓术,双椭圆滤波算法能更好的滤出携带有物体高度信息的一阶频谱,结合光栅投影技术能更有效提高被测物体梯度限制和减少误差,实验结果表明该双椭圆滤波算法优于其它现有的FTP滤波技术。     

基于傅里叶描述子的预成形设计

为了解决轴对称锻件的预成形设计问题,提出了一种基于傅里叶变换理论的预成形设计方法。在此设计方法中,预制坯的形状可以使用初始坯料形状和终锻件的形状在傅里叶空间进行加和,并且可以通过控制加和的权重系数来控制预制坯形状对终锻件的逼近程度。将初始坯料形状和终锻件形状进行傅里叶变换,可将欧氏空间中的平面轮廓形状转化为傅里叶空间中的傅里叶描述子,将初始坯料形状和终锻件形状的傅里叶描述子加权相加后进行傅里叶逆变换,以生成的新形状作为预制坯的形状。最后,用一个轴对称锻件对算法进行测试,测试结果表明:锻件填充完整、等效应变均匀,没有折叠等缺陷。     

基于傅里叶描述子在车牌识别中的应用

为降低车牌图像识别的复杂度,提高识别速度,在图像识别前调整车牌图像的灰度化。针对二值化后的车牌图像进行特征分析,对比旋转的二值化图像的种种不确定性,提出借助傅里叶算法,利用傅里叶描述子,提取标准车牌字符特征的傅里叶描述子,通过对车牌字符的特征提取与匹配,实现字符的识别与定位。     

基于量子多目标优化算法的回焊炉炉温设计

电路板焊接中心点的温度走势间接地反映了焊接质量,炉温曲线的优化设计对提高电路板焊接质量有着举足轻重的作用.文中运用傅里叶定律和集总参数法,建立反映电路板焊接中心温度变化的非稳态导热模型,并在满足制程界限和工艺要求的约束条件下,以传送带过炉速度最优和加热因子最小为目标,采用量子多目标粒子群算法(quantum?multi...     

一种改进的量子遗传模拟退火算法及其在神经网络智能故障诊断中的应用

分析了模拟退火算法、遗传算法与普通量子遗传算法的优缺点,针对实数编码双链量子遗传算法的种群多样性和收敛快速性,将其与模拟退火算法相结合,在模拟天体宇宙演变的基础之上,提出实数编码双链量子遗传模拟退火算法,并用之改进BP神经网络的初始权值与阈值,并将改进后的BP神经网络运用于智能故障诊断中。仿真结果表明,该算法效果良好。     

小波变换在薄膜表面图像信号降噪中的应用

目的：当前,以原子力显微镜为代表的扫描探针显微镜设备可以获取纳米尺度薄膜样品的表面图像,但这些图像存在不同程度的噪声,影响图像质量和信息判断。为了更准确获取这些薄膜表面状态,需要对薄膜样品表面图像数据和信息进行降噪处理。方法结合AFM等设备成像特点以及小波变换的时频局域性特点,在介绍小波变换基本理论和噪声来源分析基础上,提出了一种多层小波分解去噪算法。传统的信号理论是建立在傅里叶变换基础上的,而傅里叶变换作为一种全局性的变化,其有一定的局限性,无法同时表述信号在时域和频域的局部性质,而这些局部特征恰恰是非平稳信号性质最关键的部分。小波变换保留了窗口傅里叶变换局部化的优点,改变了窗口傅里叶变换窗口函数大小固定的缺点。结果原始图像信号的频率在0 Hz到4000 Hz都有分布。通过小波变换后,信号波形更光滑,频谱在500 Hz到2000 Hz之间分布。结论将小波变换应用于薄膜表面图像信号降噪中,通过实验证明通过小波变换可以有效去除信号中的噪声部分。     

首个可编程光学量子存储器问世技术原理类似纠缠“装配线”北大核心

德国帕德博恩大学和乌尔姆大学研究人员合作,开发出首个可编程光学量子存储器。新技术的工作原理类似于纠缠“装配线”,其中纠缠的光子对会按顺序创建并与存储的光子结合。该研究作为“编辑推荐”发表在《物理评论快报》杂志上。今年,诺贝尔物理学奖颁发给在量子纠缠实验方面具有重要贡献的3名科学家。量子纠缠是指在量子力学中处于纠缠态的两个或多个粒子,即便分开很远距离,有些状态也会表现得像是一个整体。而能包含多个量子粒子的纠缠系统,在实现量子算法方面具有显著优势,这些算法有可能用于通信、数据安全或量子计算。     

异步电机故障特征提取方法研究综述

文章介绍了异步电机的故障类型、所占比重及异步电机故障诊断的基础流程,整理了异步电机故障特征提取方法的研究现状,分析了在时域、频域和时频域三个方面异步电机故障特征的提取方法,论述了时频域故障提取方法中的小波变换、小波包分析、短时傅里叶变换、经验模态分解和集合经验模态分解五种提取方法,并概括了已有的各种故障提取方法的特点以及适用场景,分析现存的问题并对异步电机故障特征提取领域研究热点和发展趋势进行了展望。     

基于量子风驱动优化算法的机器人路径规划

针对传统的算法在移动机器人路径规划中容易产生早熟现象和安全性差的问题,提出了量子风驱动优化算法。该算法将量子计算与风驱动算法相结合,在风驱动算法的基础上使用量子行为来解决优化问题,提高机器人运动路径的安全性。最后通过实验与仿真分析证明:与蚁群算法和免疫遗传算法相比,量子风驱动优化算法减少了机器人在运动中不必要的转弯,缩短了路径长度,提高了安全性,可以快速找出最优路径。     

我科学家研制成功新型可编程光量子计算芯片

研制具有实用价值的量子计算机,是量子计算领域最重要的发展目标。国防科技大学计算机学院QUANTA团队联合军事科学院、中山大学等国内外单位,研发成功新型可编程硅基光量子计算芯片,可实现多种图论问题的量子算法求解,有望未来在大数据处理等领域获得应用。量子比特数目少、有效量子操作深度浅,是现阶段量子技术水平存在的制约性问题。在这种受限条件下,如何最大化利用量子资源、设计可编程运行有实用前景量子算法的量子装置,是量子计算领域的重要挑战。     

基于频域窗函数的短时傅里叶变换及其在机械冲击特征提取中的应用

提取冲击特征是实现轴承、齿轮故障识别的关键,但是容易受到噪声和其他无关成分的干扰。区别于经典的时频分析方法如短时傅里叶变换和同步压缩小波变换,提出基于频域窗函数的短时傅里叶变换法。利用最大相关峭度反卷积的方法对振动信号进行滤波,使信号的质量得到提高;通过频域窗函数,实现二维时频平面中时间的精准定位和冲击特征的准确识别,进一步锐化了复杂多组分信号的时频脊线。利用所提方法对数值仿真信号和实际轴承故障信号进行分析,验证了所提方法的有效性。     

基于感兴趣区域和小波变换的图像融合算法

为了提高图像融合效率,保持良好的边缘支持度,以便更好完成图像重构,提出了基于小波变换的图像融合算法。利用小波变换对信号多方向特征提取的优势,将多维图像信号分析化繁为简,在融合规则制定中,权衡图像融合的清晰度和融合算法复杂度,对图像信号低频信号和高频信号分开处理,低频进行加权平均,而高频进行局部方差处理,最后进行小波逆变换得到重构图像。实验证明,该方法重构图像效果清晰,且信噪比高。     

集装箱检测图像识别技术研究

基于^60钴集装箱射线检测图像，利用二维傅里叶变换、二维小波变换、神经网络技术和特征提取技术，建立了图像识别技术。运行结果表明，该方法具有一定正确性和可行性。     

基于Contourlet和KPCA的焊接缺陷图像特征提取

为了进一步提高焊接缺陷识别的准确度和效率,提出了一种基于Contourlet变换和混沌粒子群优化核主成分分析(kernel principal component analysis,KPCA)的焊接缺陷图像特征提取方法.首先通过Contourlet变换将焊接缺陷图像进行多尺度分解,提取低频分量和特定方向上的高频分量;然后运用混沌粒子群优化后的KPCA分别提取缺陷训练样本和缺陷测试样本的特征;最后根据测试样本特征与训练样本特征之间的欧式距离确定缺陷测试样本的类型.结果表明,与基于核主成分分析特征提取法、基于小波的核主成分分析特征提取法相比,文中方法提取的特征更为完整,识别率更高,运行速度较快.     

基于改进量子遗传算法的机器人关节轨迹优化

电子元器件体积较小,对它进行分拣较一般分拣工作困难且工作量巨大,应用机器人分拣可大大提高工作效率。采用七次多项式曲线插值的方法进行轨迹规划,使运动关节的角速度、角加速度和角急动度曲线光滑连续;提出一种改进的量子遗传算法,引入正态分布概率密度函数以改进量子门旋转角步长策略,对关节运动轨迹进行最短时间优化,使机器人能够在满足非线性约束条件的基础上具有最优关节轨迹曲线。仿真结果表明：该轨迹算法能够快速有效地缩短机械臂关节运动时间。     

基于空间位置和轮廓线距离的船舶焊缝特征参数提取

为了实现船舶焊接件数字模型中焊缝特征参数的精确提取,进而完成机器人数据库系统中焊接工艺的自适应快速匹配和快速选择,提出了基于空间位置和轮廓线距离的船舶焊缝特征参数提取算法.首先基于海伦公式识别待判定面来确定接头空间位置关系,并结合最小轮廓线距离完成焊缝特征识别;然后基于轮廓线总条数和最小轮廓线距离的两端点,识别出焊缝坡口处特征点及线;最后基于三类焊接接头所建的数学模型提取出与焊接工艺相关的焊缝特征参数.测试结果表明,文中焊缝特征参数提取算法能准确识别4类接头形式和10种坡口类型,以及准确提取焊缝间隙、坡口夹角和焊接件板厚等参数,具有焊缝特征识别广且信息提取齐全的优点.与其他相关识别算法相比,文中算法的识别率达到100%,而识别效率提升了16.06%,从而进一步验证了算法的有效性.     

Flexible decision support system for ultrasound evaluation of fiber–metal laminates implemented in a DSP

Ultrasound testing has been widely applied for material characterization. The method accuracy usually relies on operator experience, considering this, an automatic decision support system may contribute to increase the evaluation efficiency. This paper presented an embedded electronic system for decision support in ultrasound evaluation of fiber–metal laminate composites. The proposed system comprised analog to digital conversion and digital signal processing algorithms. Discrete Fourier, wavelet and cosine transforms were used for feature extraction and principal component analysis was applied for efficient feature selection. The automatic classification was performed using an artificial neural network. The results demonstrated that it was possible to produce, in a short time latency, high-quality decision support information for two different types of test objects.     

基于小波包分解与K L变换的齿轮泵振动信号故障特征提取方法

针对齿轮泵故障成因复杂、模糊性强的特点,结合小波包分解与K-L变换,提出一种适用于支持向量机故障诊断的特征提取方法。通过小波包对样本故障振动信号进行分解得到特征向量,而后利用K-L变换处理得到新的特征向量集,达到降维去噪的目的。将处理后的特征向量集用于支持向量机的模型训练,分析结果表明:该方法能够有效提高故障模式识别准确率和识别效率。     

基于视觉技术的活塞环闭口间隙检测的研究

目前,活塞环的检测普遍采用人工检测。采用视觉技术提取活塞环闭口间隙轮廓,对轮廓进行图像处理,得到测量结果,与人工检测相比,检测速度更快,精度更高。传统的边缘检测过程大都采用Canny算子,通过高斯滤波过滤图像。在活塞环轮廓处理过程中,对轮廓提取精度要求更高。高斯滤波作为低通滤波算法,对轮廓没有保护作用,会导致轮廓边缘图像模糊。针对这一问题,提出了改进的Canny算子,采用中值滤波和傅里叶变换相结合的方法,有效地提高了边缘轮廓的提取精度。