外磁场激励下管道弱磁应力内检测特性研究

弱磁应力检测技术支持非接触在线应力损伤检测,在长输油气管道应力内检测技术领域具有巨大的应用潜力。但弱磁信号微弱,易受外界环境干扰,检测结果易出现偏差。为加强弱磁信号的检测能力,基于铁磁材料的微观特性,建立了外磁场弱磁应力检测模型,获得了弱磁信号强度随外磁场强度与施加应力的变化规律,描述了外磁场对弱磁应力检测信号的激励特性,并进行了系统的实验研究。结果表明,弱磁信号的切向峰值与法向零点均位于应力集中区的中心位置,且不随应力与外磁场的变化而发生波动;弱磁信号切向峰值与法向峰峰值随外磁场与应力的增加而增大;外磁场对弱磁应力检测信号的激励作用随外磁场的增加先增大后减小。     

工业机器人在线仿真系统研究

以工业机器人在线仿真系统为研究对象,介绍了工业机器人仿真开发的技术方法。为了验证设计和算法的合理性和准确性,分别建立了基于OpenGL和Matlab的机器人在线仿真实验平台。然后根据MDH模型对其运动过程进行了仿真,从正解、反解两个方面对机械臂进行了运动学描述。最后研究了OpenGL和Matlab机器人工具箱在机器人在线仿真中应用的可行性,取得了良好的实际效果。仿真结果表明,该系统能够满足实际工程的要求。     

基于禁忌搜索算法求解集装箱装载问题

针对具有广泛应用背景、多约束条件和求解困难的集装箱装载问题,引入具有人工智能记忆机制、基于邻域搜索而避免局部最优的禁忌搜索算法,探讨了在求解集装箱装载问题中禁忌搜索的编码、解码和邻域解生成等关键技术,给出了基于物体数量的编码过程与剩余空间处理方法相结合的解码过程和邻域解生成的实现过程,并为对空间利用率影响较大的剩余空间设计了合理的划分与合并规则.通过实例测试和比较,显示出很好的效果,表明该算法是行之有效的.     

基于动态优先级的实时Java垃圾回收策略

针对通用平台下Java虚拟机垃圾回收器（GC）的不定期启动问题,提出了一个周期性提升GC优先级、提前调度GC的解决方案.该方案把优先级按任务的重要程度分两个等级：关键线程和非关键线程,通过计算垃圾回收的时机即计算出垃圾回收的周期上限T_GC,在任务运行最长不超过T_GC的时间内提升GC的优先级为非关键线程的最大值,从而使GC在不影响关键线程的情况下能提前回收内存中的垃圾,使虚拟机的内存处于非饱和状态.理论分析和实验结果表明,该方法可以提高通用环境下Java关键线程的实时性及执行的可预测性.     

基于多信息融合的双进双出磨煤机料位检测

针对双进双出磨煤机料位检测难题,提出了一种基于多信息数据融合的双进双出磨煤机料位检测方法.该方法将粗糙集（RST）和径向基（RBF）神经网络相结合,利用粗糙集数据简约和规则抽取特性,有效地去除大量冗余数据.利用RBF神经网络函数逼近能力更强和收敛速度更快等优点,引入带遗忘因子的梯度下降算法来整定RBF神经网络参数,简化了神经网络结构,提高了神经网络的学习效率,同时拥有自学习和容错能力,从而有效地保证了数据融合的快速收敛性和稳定性.实验结果表明,在料位检测过程中,将两种智能算法相结合所构成的融合系统,能使双进双出磨煤机准确地完成复杂环境的料位检测任务.     

随机开关频率SVPWM技术的应用研究

分析了随机开关频率SVPWM(空间矢量脉宽调制)控制策略下的逆变器输出的电流、电压谐波分布,并将其与普通的SVPWM技术进行比较,证明了该策略控制下可以很好地解决由PWM驱动带来的电磁噪声和机械振动.首先,分析并仿真验证了普通SVPWM控制技术存在的不足;其次,给出有效的随机策略的控制方案,并仿真验证该策略的可行性以及在该策略控制下逆变器输出的电流、电压的波形及其频谱分布.结果表明,随机开关频率SVPWM控制技术可以将原来集中于开关频率整数倍处及其附近的谐波能量明显的减小并且可以使得谐波能量比较均匀地分布在尽可能宽的频带上,可将原来的离散谐波频谱变为整个频带上的连续频谱,从而达到降低电磁噪声和机械振动的目的.     

基于控制微元的统计自适应增量控制方法

依据系统对模拟量实时控制的要求,提出了基于控制微元的统计自适应增量控制方法,给出了量化控制状态统计图的获取方法,分别找出了扩展控制微元的统计稳定系数、平均统计状态偏差、统计趋势、统计超调、尾偏差等参数与调节增量之问的关系,确定了统计控制策略及其最优化条件,给出了统计预测自适应记忆增量控制器的设计方案.该方法易于微处理器编程,运算速度快,可高效率实现对模拟量的精确控制.     

基于ARToolKit工具的增强现实交互操作研究

增强现实是把计算机生成的虚拟图像或其它信息叠加到用户所看到的真实世界中的一种技术。ARToolKit为增强现实技术的应用提供了一种方便快捷的开发工具,但多针对于浏览展示方面。本文在ARToolKit工具下针对AVI录像文件进行增强现实的应用开发,增加了用户和现实以及虚拟物体的交互操作,通过计算机视觉的方法着重解决把虚拟物体放置到用户在视频帧上指定的点。这些将为用户使用增强现实技术进行设计和规划提供方便。     

基于μC/OS-Ⅱ的实时分层调度算法研究

实时应用系统可能由功能不相交的任务子集组成,需要操作系统提供分层调度机制.针对这一问题,提出在μC/OS-Ⅱ实时内核中加入固定时间分配方案来实现两层的调度策略.首先扩充了μC/OS-Ⅱ内核任务控制块数据结构,增加了任务所属模块的分层控制信息,再创建一个两级索引表来实现分层的级联查找.以原μC/OS-Ⅱ为基础,开发了分层调度算法的调度器.理论分析和实验结果表明修改后的算法能对分层子任务进行正确调度,从而完善了μC/OS-Ⅱ实时内核的功能,增强了其对复杂实时应用的支持能力.     

基于深度迁移学习的天气图像识别

当对天气图像等场景复杂和特征不明显的图像进行识别时,往往存在识别率不高和特征冗余等问题。基于此,本文提出了一种基于深度迁移学习的图像分类算法。该算法利用ImageNet数据集的模型参数构建ResNeXt、Xception以及SENet 3种网络模型提取图像特征,采用领域自适应的判别联合分布自适应算法来相似化特征向量,完成高质量的特征表示,并以其结果为准则融合模型特征,将融合特征经过多层感知机训练以实现高准确率识别的图像分类。实验结果表明,该算法的性能优于传统的单一网络模型,进一步提升了图像分类准确率的上限。