自适应图像组的稀疏正则化图像复原

基于图像组的稀疏正则化图像复原方法采用自适应的结构组字典来代替传统的基于整幅图像块的学习字典,既能够更好的学习局部特征又显著降低字典学习的时间复杂度;然而,因算法中的一些参数还未优化,使得算法复杂度还比较高。因此,本文提出了基于粗糙度的自适应图像组的稀疏正则化图像复原方法。首先,计算图像的全局粗糙度和局部粗糙度;然后,根据全局的粗糙度计算自适应调整正则化的迭代次数,根据局部的粗糙度调整学习字典所需的样本数;最后,将自适应调整出的参数应用于基于图像组的稀疏正则化的图像复原中。将本文所提出的方法应用到不同平滑度图像的去文字图像复原案例中,实验结果表明,在保证相近的复原效果下,能够大幅度提升效率,尤其在较为平滑的图像中能够达到接近30倍的加速比。     

基于小波变换的正则化盲图像复原算法

提出了一种将小波变换和自适应正则化方法相结合的盲图像复原算法。该算法先对退化后的图像进行小波分解,得到图像在不同子频段的信息;然后针对各个子频段内图像的频率和方向特性,使用不同的自适应正则化复原方法,在图像的低频子频段进行去模糊;高频子频段则进行抑制噪声和保边缘特征;最后通过小波逆变换得到复原后的图像。实验结果表明, MSE减少了1.60,信噪比增量为1.76,算法性能和复原效果相对空间自适应正则化方法,都有一定的提高。     

基于非负支撑域受限递归逆滤波的自适应图像盲复原

针对原始非负支撑域受限递归逆滤波(NAS-RIF)算法存在的缺点,提出了一种自适应的NAS-RIF图像盲复原算法.首先,在NAS RIF算法的代价函数中加入正则化约束项和空域加权因子,通过自适应地调整正则化参数和空域加权因了来改善算法的抗噪性能,并确保复原的逼真和平滑.然后,在算法的每次迭代中,采用图像分割技术找到准确的目标支持域,并用背景的平均值取代非均匀背景.最后,利用N步重置共轭梯度法优化代价函数,加快了算法的收敛速度.在不同信噪比条件下对两种模糊图像进行了实验,结果显示,采用本文算法得到的信噪比增益(△SNR)分别为6.315 3 dB和8.910 6 dB,表明该算法具有较好的噪声抑制和边缘细节恢复效果.对低信噪比的退化图像,本文算法也能得到更好的复原结果.     

纵横比自适应的时空正则化相关滤波算法（英文）

在目标跟踪中,传统相关滤波算法无法感知运动目标尺度纵横比变化,且易受复杂环境影响导致跟踪失败。为此,提出了纵横比自适应的时空正则化相关滤波算法。首先,参考平均峰值相关能量（Average peak-to-correlation energy, APCE）和响应峰值对每个特征的响应图进行加权融合,以实现对目标的精确跟踪。其次,结合近正交性和空间正则化提出一种新的一维边界滤波器,通过定位目标包围框的四个边界位置实现对目标尺度和纵横比变化的自适应检测,有效抑制了边界效应带来的负面影响。最后,根据响应输出的峰值旁瓣比（Peak-to-sidelobe ratio, PSR）独立地调节各边界滤波器的学习率,防止模型退化。在OTB数据集上进行了测试,该算法表现出理想的跟踪效果,在各个挑战属性上相较于其他优秀算法均取得了更优结果。     

基于正则化的机床热误差自适应稳健建模算法

通过建立预测模型对机床热误差进行补偿,是有效解决热误差造成机床精度下降问题的常用方法。本文提出一种基于正则化的数控机床热误差自适应稳健建模算法,能够在建模过程中自适应选择温度敏感点(TSPs),并具有高预测精度和稳健性。首先基于结构风险最小化原则对热误差建模稳健性机理进行分析,进而利用正则化算法中LASSO解的稀疏性实现自适应TSP选择。然后基于不同实验条件的热误差数据,分析所提建模算法的预测效果,并与常用的多元线性回归、BP神经网络和岭回归算法进行比对分析。结果表明,本文所提建模算法具有最高的预测精度和稳健性,分别为5.22和1.69μm。最后,利用所建立的预测模型进行热误差补偿实验,以验证本文所提建模算法的实际补偿效果。     

正则化参数自适应选取的声学CT温度场重建

声学CT温度场重建为不适定逆问题。正则化参数的选取对重建精度有重要影响。提出一种正则化参数自适应选取的温度场重建算法——ARPSM(adaptive regularization parameter selection by minimum change criterion)算法。该算法采用一种新的、称为最小变化法的正则化参数选取法,自适应地选取正则化参数,兼顾温度场细节重建和噪声抑制。模型温度场和实验室内均匀温度场的重建结果表明,与常用的L曲线法相比,最小变化法确定的正则化参数对应着更小的温度场重建误差。ARPSM算法具有较高的重建精度和较强的噪声抑制能力,可望用于仓储粮食温度分布监测等对重建质量有较高要求的应用场合。     

利用最佳伙伴相似性的改进空间正则化判别相关滤波目标跟踪

针对空间正则化判别相关滤波跟踪算法(SRDCF)在目标发生遮挡、尺度变化和形变情况下的跟踪失败问题,提出利用最佳伙伴相似性的改进SRDCF目标跟踪算法。首先,以SRDCF算法为基础,利用双层搜索策略解决目标跟踪中的目标定位问题和尺度估计问题;然后,利用一种新颖的鲁棒模板匹配技术,通过融合空间权重、相关滤波得分和最佳伙伴相似性得分来估计候选目标位置,解决遮挡情况下的目标重定位问题;最后,采用自适应模板更新策略解决遮挡情况下模板漂移问题。本文采用OTB-2013数据集评估本文算法的性能,同时与34种流行算法进行比较,结果表明本文算法的精确度得分和成功率得分分别为0.853和0.648,相比传统的SRDCF算法分别提高1.79%和3.51%。本文算法能很好地解决目标遮挡、尺度变化和形变情况下的目标跟踪问题,具有一定研究价值。     

应用正则化影响函数扩散模型的星图噪声滤波

由于恒星星图的噪声滤波对保持星点的边缘细节要求较高,本文以塔基（Tukey）扩散模型与改善的PM（Perona-Malik）模型为基础,提出了一种基于正则化影响函数扩散模型的星图噪声滤波方法。该方法通过导数算子提取边界点集,利用图像中原始像素和噪声像素的空间分布特性对图像进行噪声滤波处理,并通过给定边界条件恢复图像边缘。由于避免了方差稳定（VS）变换,该方法可以直接处理高斯噪声。对普通图像和添加高斯噪声星图进行了仿真测试,并与普通扩散函数算法进行了比较。实验结果表明：提出的算法表现出了较好的噪声滤波能力,同时有效地保持了特征图像的边缘。相对于普通扩散函数算法其平均绝对误差降低了13.6%,峰值信噪比平均提高了6.1%。得到的数据显示,本方法的滤波能力优于普通的扩散函数方法,特别适用于星图的噪声滤波处理。     

基于非负贝叶斯正则化的冲击载荷光纤识别法

针对目前冲击载荷识别中存在的传感器质量不可忽略和识别结果带有负分量问题,提出基于非负贝叶斯正则化的复合材料结构冲击载荷光纤识别方法。首先,将光纤布拉格光栅（fiber Bragg grating,简称FBG）传感器集成于复合材料筒舱结构上,获取其动态响应信号;其次,建立冲击载荷识别模型,将冲击载荷识别问题表示为时域离散的反卷积问题;最后,考虑到冲击载荷的非负特性,通过贝叶斯层次化建模获得其后验概率密度函数,最大化概率密度函数得到冲击载荷的最大后验概率解。结果表明,FBG传感器可以较好地实现多个传感点冲击响应的同步测量,非负贝叶斯正则化方法可以有效地克服传统Tikhonov正则化的不足,自适应确定算法参数,消除没有物理意义的负分量,使得重建的冲击载荷时间历程与实际历程相吻合。     

自适应正则化迁移学习的不同工况下滚动轴承故障诊断

针对不同工况下存在两域分布差异复杂的问题,提出自适应正则化迁移学习的不同工况下滚动轴承故障诊断方法。首先,训练基分类器为目标域预测伪标签,利用联合分布适配对齐两域分布,以减小分布差异;其次,通过流形正则化对目标域数据进一步利用,挖掘数据的潜在分布几何结构,学习目标域数据分布信息;最后,利用在结构风险最小化框架下建立的分类器结合上述两步学习策略,迭代更新伪标签获得最优系数矩阵完成不同工况下滚动轴承故障诊断。在两组滚动轴承数据集上进行实验验证,实验结果显示所提方法识别准确率分别达到了96.38%,94.18%。证明该方法能够有效应对多种工况导致的复杂分布差异,同时具有较好的有效性和可行性。     

JADE算法在星系团图像盲源分离中的应用

星系团是研究宇宙变化的重要现象,也是宇宙在电离信号研究中的强前景.如何从强烈的银河系和河外离散源前景中分离出星系团一直是制约探索和观测宇宙的关键问题之一.实验通过利用扩展联合对角化(JADE)分离方法对模拟的未考虑仪器效应的前景图进行盲源分离探讨研究,获得了其中的星系团成分.结果表明,JADE分离方法能有效地对模拟的星系团成分进行分离.     

基于GA的自适应最稀疏时频分析方法及应用

为解决自适应最稀疏时频分析（ASTFA）方法中初始相位函数的选择问题,采用遗传算法（GA）对ASTFA的初始相位函数进行优化,提出了GA-ASTFA方法。进一步研究了GA-ASTFA方法抑制模态混淆的能力,分析结果表明,GA-ASTFA能较好地抑制模态混淆,分解得到的分量信号精度高,且可抑制分解中的伪分量。最后将GA-ASTFA方法用于转子碰摩故障诊断,实验分析结果表明,GA-ASTFA方法能有效提取转子碰摩故障特征信息。     

基于扩展Kalman滤波器算法的移动机器人同步定位与建图

针对移动机器人的同步定位与建图（SLAM）问题,提出了一种基于改进的扩展Kalman滤波算法的同步定位与建图方法。通过建立基于直线特征提取的机器人观测模型,推导了SLAM建图的预测和更新算式,设计了基于特征点数目的SLAM预测与更新率算子,实现了移动机器人的同步定位与建图。实验结果表明该方法有效、可行。     

基于Peukert方程的动力电池荷电状态卡尔曼滤波估计算法

电池荷电状态（SOC）受到温度、电流、循环寿命等因素的影响,Peukert方程是一种很好的计算电池容量方法。传统Peukert方程没有考虑温度的影响,而温度变化会导致Peukert方程常数n和K的变化。因此,建立了基于温度和电流变化的Peukert方程,利用安时法和复合电化学模型建立电池模型状态方程和测量方程,采用扩展卡尔曼算法实现电池荷电状态动态估算。结果显示,基于温度修正Peukert方程的镍氢电池荷电状态估计算法精度比传统安时法提高7%~8%。     

虚拟仪器实现的零件加工精度测量与分析系统

论述利用LabVIEW开发平台，实现机械零件加工精度分析系统中数据的采集，显示和存储，并通过大量数据的分析，得出加工误差的分布曲线图、X-R质量控制图等信息。     

基于机器视觉的装配动作自动分割与识别

在对装配作业人员进行动作分析的过程中,动作的识别和记录一般通过手工操作完成,这种方法不仅工作量大,而且效率低。为解决该问题,提出了一种新的基于机器视觉的装配动作自动分割与识别方法。首先利用基于内容的动态关键帧提取技术提取视频流中的关键帧,实现动作的自动分割;然后提取感兴趣区域的尺度不变局部特征点,据此得出关键帧的特征向量;最后,基于支持向量机构建特征向量分类器对动作进行分类。装配线上样本视频的实验结果表明,所提方法达到了96%的正确识别率。     

基于刚柔耦合模型的悬架NVH性能研究

使用有限元软件分析了橡胶衬套对悬架NVH性能的影响。柔化其他悬架部件,建立了多体动力学刚柔耦合模型。通过试验设计(DOE)分析了橡胶衬套刚度对悬架NVH性能的灵敏度并进行了优化。通过对比优化前后仿真结果,可以看出悬架中高频NVH性能得到了改善。将模型仿真与道路模拟机测试结果进行对比,验证了模型的准确性。     

基于二分梯度法的汽车尾气发电最大功率跟踪算法

基于建立的汽车尾气热电发电实验系统,采用最小二乘法对热电输出功率与电压的数据进行了拟合,并针对已有开路电压比例系数法、干扰观测法等MPPT算法在热电发电系统中应用存在的不足,提出了基于二分梯度法的新型MPPT算法,并给出详细算法实现步骤。实验结果表明,采用二分梯度法的MPPT算法相比传统算法在跟踪精度和速度上有较大提升,其最大功率点跟踪精度达到98.7%,跟踪速度为120ms。     

基于特征自由度变动的公差综合建模与仿真

针对产品设计阶段规定的装配功能要求,在特征自由度公差表示模型的基础上,利用齐次坐标变换的知识分析并推导了装配功能要求与零件配合特征自由度变动的关系矩阵,通过矩阵求逆的方法得到公差综合仿真等式,由此建立了基于特征自由度变动的公差综合模型。以齿轮泵为例,研究并建立了两齿轮装配后的侧向间隙（装配功能要求）与泵体及齿轮相应配合特征自由度变动的公差综合模型,运用Monte Carlo方法进行了仿真实验,得到各配合特征自由度在公差范围内的变动量及分布统计结果,验证了建立的公差综合模型及仿真方法的有效性和实用性。     

基于EEMD和进化支持向量机的齿轮混合智能诊断方法研究

针对齿轮早期故障特征不明显,提出了一种基于总体平均经验模态分解(ensemble empirical mode decomposition,EEMD)和进化支持向量机相结合的齿轮故障智能诊断方法。利用EEMD能对齿轮振动信号进行自适应的分解成若干本征模式分量(intrinsic mode function,IMFs),并能有效抑制经典经验模式分解可能出现的模式混叠现象。以所得的IMF分量中提取出来的能量特征为输入建立进化支持向量机,判断齿轮的故障状态。结果表明:建立的混合智能诊断方法的分类正确率最高,能有效诊断齿轮早期故障。