基于二维熵的人工鱼群材料图像分割方法

阈值法是图像分割中的重要方法,并在图像处理中得到了广泛的应用。针对电子扫描显微镜(SEM)摄取的纤维材料图像的自身特性,在预处理的基础上,提出了一种基于二维灰度直方图的人工鱼群图像分割方法。二维直方图的阈值的选取,是一个求全局最优的优化问题,本文将人工鱼群的算法应用于图像分割中,利用人工鱼群算法寻求二维熵的最优值,在实验中,人工鱼群算法收敛速度快,结果稳定,取得了理想的效果。     

数字图像隐写容量的博弈分析

提出了一种基于数字图像的新的隐写信道模型.在该模型中,考虑隐写分析器的作用和载体与隐秘体的相似性,引入错误概率和检测率作为失真约束条件.运用博弈论,把隐写过程看成编解码方与攻击方的博弈,给出了隐写博弈的双方在不同失真约束条件下的隐写容量,并对容量结果进行了分析.     

集散控制系统在生物柴油生产过程中的应用

针对生物柴油连续型和间歇型工序混合生产过程的特殊工艺与控制要求,从工程应用角度出发,通过分析生物柴油工艺过程特点,提出一种集散控制方案,分别控制催化剂溶解槽、酯交换反应器、甲醇蒸馏塔等关键部件,提高制备过程自动化水平。应用实例表明,该解决方案能确保生物柴油生产过程安全、稳定运行。     

无线传感器网络拓扑控制策略研究

节能设计是无线传感器网络的首要设计目标,拓扑控制是实现该目标的重要技术之一,其主要目标是在保证网络连通和覆盖的前提下剔除不必要的通信链路,降低节点能耗和减少通信干扰,为MAC协议和路由协议的顺利执行提供基础。文中对传感器网络拓扑控制策略进行了的分析。最后针对目前传感器节点成本仍然很高这一特点,通过仿真得出了在节点随机配置的情况下,保证网络连通和覆盖所需的至少节点数目。并通过仿真分析证明了方案的可行性。     

三维集装箱装载的改进遗传算法研究

集装箱装载是一个复杂的组合优化问题,约束条件多,属于多项式复杂程度的非确定性（Non-deterministic Polynomail,NP）完全问题,求解难度大。在考虑一些实际应用中的约束条件下,提出了一种三维集装箱装载的改进遗传算法。算法中考虑了货物放置方向、装载容积等约束条件,给出了有效的解码算法。实例仿真结果说明该算法的有效性和实用性,可以直接在实际中应用。     

一种基于SLAM的多功能探索机器人设计

针对机器人在未知环境下导航和捕获目标问题,设计了一种基于SLAM技术的探索机器人,并提出一种融合机器视觉与SLAM算法的导航方法。机器人由主控模块、底层驱动模块、摄像头、激光雷达和机械臂构成。通过在安装有开源机器人操作系统(ROS)的机器人上进行实验。实验结果表明,通过上述方法能够构建可靠有效的地图并规划出合理的移动路线,完成目标物体的定位和捕获。     

乙炔加氢反应过程混合建模与优化

针对传统单一建模方法所构建的乙炔加氢反应器数学模型存在预测性能无法满足工业实际应用需求的问题,提出了一种机理与神经网络嵌套的建模方法,充分利用机理模型包含的能质约束信息降低神经网络模型的约束违反度,得到了能够良好描述实际工业乙炔加氢反应过程特性的混合模型。基于反应器混合模型,研究了以运行效益为目标函数的优化问题。主要决策变量包括:一段反应器进料中氢气与乙炔的摩尔比(RH/A)、进料温度和反应器运行周期等几个关键参数。针对反应器长期运行后,催化剂活性降低造成的处理能力下降的问题,提出了反应温度补偿机制和RH/A并行调节的运行优化策略,并采用序列法对反应器运行周期进行离散化处理。通过引入差异化变异策略、潜在解替代策略对两阶段差分算法进行改进,采用增量式编码法结合改进两阶段差分算法,对优化问题进行求解。结果证实了优化策略与改进算法的有效性,并据此确定了反应器最佳运行方案。     

乙炔加氢反应过程混合建模与优化

针对传统单一建模方法所构建的乙炔加氢反应器数学模型存在预测性能无法满足工业实际应用需求的问题,提出了一种机理与神经网络嵌套的建模方法,充分利用机理模型包含的能质约束信息降低神经网络模型的约束违反度,得到了能够良好描述实际工业乙炔加氢反应过程特性的混合模型。基于反应器混合模型,研究了以运行效益为目标函数的优化问题。主要决策变量包括：一段反应器进料中氢气与乙炔的摩尔比（R _H/A）、进料温度和反应器运行周期等几个关键参数。针对反应器长期运行后,催化剂活性降低造成的处理能力下降的问题,提出了反应温度补偿机制和R _H/A并行调节的运行优化策略,并采用序列法对反应器运行周期进行离散化处理。通过引入差异化变异策略、潜在解替代策略对两阶段差分算法进行改进,采用增量式编码法结合改进两阶段差分算法,对优化问题进行求解。结果证实了优化策略与改进算法的有效性,并据此确定了反应器最佳运行方案。     

基于INTLBO-SVR的低压断路器热脱扣时间预测

热脱扣时间是低压断路器的关键指标,利用断路器生产过程中可检测数据可以实现热脱扣时间的预测。针对支持向量回归(SVR)进行热脱扣时间预测,参数的选择对预测的精度和泛化性能影响较大问题,提出一种基于隔离小生境教学算法(Isolated Niche Teaching-Learning-Based Optimization Algorithm,INTLBO)优化支持向量回归的热脱扣时间预测方法。该方法针对教学算法易陷入局部最优的缺点,采用隔离机制的小生境技术对其进行改进,然后利用INTLBO寻优找到最优的SVR参数。根据低压断路器生产历史数据,建立基于INTLBO-SVR的热脱扣时间预测模型。仿真结果表明,与TLBOSVR和常规SVR等方法相比,INTLBO-SVR模型具有较好的预测性能。