High-performance wall-climbing robot for inspection and maintenance

A wall-climbing robot that can continuously work on many types of wall surfaces has been developed. This robot based on low-vacuum adsorption principle consists of a locomotion mechanism, a sealing device, a fluid machine and a detecting system. The adsorption force is analyzed in details and its influencing factors are given. The robot prototype, which has the features of high adhesion efficiency, light body in weight, small size in structure and good capability in payload, is tested in outdoor and indoor environments. Through the experiments, the influences of the impeller slit and the seal clearance are discussed. In addition, the robot functions such as adsorption performance, locomotion performance and wall adaptability are tested by experiments. The experiments have verified that the robot not only can climb on many types of wall surfaces, but also has outstanding locomotion ability and payload capacity.     

基于三维特征点模型的人脸表情识别算法

提出了一种基于三维特征点模型匹配的人脸表情识别算法.首先,以混合树结构建模不同姿态脸部特征组合,实现特征点定位,并建立脸部三维几何特征模型;然后,基于广义普鲁克分析原理对特征点模型进行归一化计算,并建立具有鲁棒性的匹配特征;最后,采用支持向量机实现表情的训练和识别.通过对BU-3DFE数据库中6种脸部表情的测试,表明该算法能够达到很好的识别效果.     

基于多层自适应聚类模型的密集人群分群检测算法

针对存在更复杂运动模式的无序运动人群密集场景,提出了一种基于多层自适应聚类模型的分群检测算法.以基于高斯混合模型的背景去除算法和自适应初始化聚类算法为核心,通过建立多层自适应聚类模型实现密集人群的分群检测.实验数据库选用了大量真实室内外密集人群运动场景视频,并通过大量对比实验验证了算法的有效性、可靠性和优越性.     

科技期刊上网中的关键技术研究

文中结合实际开发过程,讨论了科技期刊网上发布过程中的两项关键技术：文档转换和中文全文检索技术,阐述了各项技术的难点所在,并指出了解决方案及进一步研究的方向。     

基于MHT的多物体跟踪算法

探讨了多假设跟踪算法(MHT)在多物体检测跟踪系统中的应用方式.该方法采用卡尔曼滤波算法实现跟踪轨迹假设,采用LAP算法实现数据关联,将预测和视频采集测量值结合得到最优跟踪轨迹.实验表明,该方法在实践中达到了较好的效果.     

一类非线性中立型差分方程正解的存在性

本文对一类非线性差分方程作了研究，得到了正解存在的两个定理。     

概率模型证题法

本文用概率模型解决排列组合问题的基本思想是建立与描述该问题有相似性的概率模型，利用这种相似性把求解概率问题与求解排列、组合问题联系起来，然后通过求解概率问题达到解决排列组合问题的目的。     

基于自注意力的多模态LSTM的动作预测

针对视频动作预测领域的算法在不同预测时间预测效果不稳定的缺陷,提出一种基于自注意力机制的多模态LSTM的动作预测模型.综合考虑3种视频特征,采用位置编码及自注意力机制编码3种模态特征,得到具有丰富语义的高层特征;使用LSTM结构总结视频的历史信息,产生不同预测时间的动作预测结果;完成多模态特征的子网络的训练后,采取多模...     

干涉型激光直写制作光学可变图像的优化方法

分析了用干涉型激光直写技术制作光学可变图像的优点，为达到最佳图像质量和最短运行时间，针对不同类型的图像提出光刻轨迹按光栅取向连续曝光和控制光电开关的通断不连续曝光的两种优化运行式，并给出了实验比较结果。     

基于LSTMAttention网络的短期风电功率预测

提出一种基于LSTM-Attention网络的短期风电功率预测方法。首先,使用LSTM网络对数值天气预测(NWP)数据的特征信息进行提取,同时采用注意力机制有效分析了模型输入与输出的相关性,从而获取了更多重要时间的整体特征;其次,使用卷积神经网络(CNN)提取NWP数据的局部特征,并引入压缩和奖惩网络(SE)模块学习特征权重,利用特征重新标定方式提高网络表示能力;最后,将局部特征和整体特征进行特征融合,通过分类器输出分类结果。利用NOAA提供的美国加利福尼亚州某风电场的数据进行案例分析,证明了所提方法的有效性。试验结果表明,与BP神经网络、自回归积分滑动平均模型(ARIMA)模型和LSTM模型相比,LSTM-Attention模型具有更高的预测精度,证明了该方法的有效性。