对液压式轮胎定型硫化机的压力补偿问题的讨论

本文通过对硫化机在硫化轮胎胎坯时的受力分析,讨论了机械连杆式和液压式两种不同形式的硫化机的压力补偿装置。特别是对液压式硫化机中的波纹扳式压力补偿器,对其可行性、结构原理、橡胶波纹扳材质选定、试验结果作了较为详细的介绍。通过对几种压力补偿器的分析,进而对硫化机的发展趋向提出了建议。     

自适应递归神经网络混合控制裹包同步机伺服系统

根据裹包机的驱动系统控制精度较差的问题,提出采用自适应递归神经网络混合控制线性同步电动器驱动机系统。仿真结果表明,该控制系统克服了上述缺点。     

基于CEEMDAN和SVM的混凝土破坏状态声发射信号识别

针对混凝土破坏状态复杂多变、声发射(AE)信号难以从背景噪声中分离的问题,将自适应噪声完备集合经验模态分解(CEEMDAN)方法与支持向量机(SVM)方法耦合,对混凝土破坏状态声发射信号进行识别与预测。利用CEEMDAN方法对采集的声发射信号进行分解,获取一定数量的自适应特征模态(IMF)分量,并计算各分量与原声发射信号之间的相关系数,优选出包含原声发射信号主要频域信息的IMF分量。计算各分量的特征参数能量系数和波形系数,并将其分别输入SVM中对混凝土不同破坏状态进行分类识别,结果表明能量系数作为特征参数的预测率为92.39%,波形系数作为特征参数的预测率为91.30%。     

基于自适应MSB与差值预测的大容量密文域可逆信息隐藏算法

为提高密文域可逆信息隐藏（reversible data hiding in encrypted images,RDH-EI）的嵌入容量,提出了一种基于自适应MSB（most significant bit）与差值预测的RDH-EI方案。首先将图像进行分块,然后进行块级加密和置乱以抵抗对于加密图像的分析。在嵌入数据阶段,对于自适应MSB预测的方法进行改进,将没有嵌入数据的块,利用部分块内像素之间差值很小的特点采用自适应差值预测的方法嵌入数据,以块中左上角像素为目标像素,用于预测其他像素从而腾出更多的嵌入空间。实验结果表明,所提方法具有可逆性和可分离性,并且在自适应MSB预测方法的基础上进一步提高了嵌入容量,对于512×512大小的灰度图像,平均嵌入容量提高了大约7 445 bit。     

基于自适应聚合与深度优化的三维重建算法

针对现有基于多视图的三维重建方法未充分考虑像素点在其余视图的可见性,从而导致重建完整度不足,且在弱纹理和遮挡区域重建困难等问题,提出了一种应用于高分辨率的三维重建网络。首先提出了一种引入可见性感知的自适应成本聚合方法用于成本量的聚合,通过网络获取视图中像素点的可见性,可以提高遮挡区域重建完整性;采用基于方差预测每像素视差范围,构建空间变化的深度假设面用于分阶段重建,在最后一阶段提出了基于卷积空间传播网络的深度图优化模块,以获得优化的深度图;最后采用改进深度图融合算法,结合所有视图的像素点与3D点的重投影误差进行一致性检查,得到密集点云。在DTU 数据集上与其他方法的定量定性比较结果表明,提出的方法可以重建出细节上表现更好的场景。     

激光谐振腔内倾斜误差的自适应校正

我们设计制作了一种性能良好的倾斜镜,试验了两种校正系统:微机控制的试探爬山法系统和高频振动爬山法系统。实验结果表明,这两种校正系统,都可以成功地校正腔内倾斜误差。最后,比较了两种校正系统的优缺点。     

采用双尺度图像分解的水下彩色图像增强

目的 为解决水下图像的色偏和低对比度等问题,提出一种基于双尺度图像分解的水下彩色图像增强算法。方法 通过基于均值和方差的对比度拉伸方法改善图像的色偏问题,并利用中值滤波降低红通道对比度拉伸后引入的噪声;采用双尺度图像分解绿通道图像补偿红通道图像细节;在处理后的红通道图像中引入原始图像红通道的真实细节与颜色。结果 选取不同水下图像作为实验数据集,将本文方法与暗通道先验的方法、基于融合的方法、自动红通道恢复方法以及一种基于卷积神经网络深度学习的方法相比较,首先从主观视觉效果进行定性分析,然后通过不同评测指标进行定量分析。主观定性分析结果表明,提出的方法相比较其他方法能够更好地解决图像色偏和红色阴影问题;定量分析中,自然图像质量评价（natural image quality evaluation,NIQE）指标和信息熵（information entropy,IE）值较基于融合的方法和深度学习的方法分别提高了1.8%和13.6%,且水下图像质量评价指标（underwater image quality measurement method,UIQM）较其他方法更优。结论 提出的双尺度图像分解方法利用水下图像成像特点解决图像色偏以及低对比度问题,具有良好的适应能力,同时算法复杂度低且鲁棒性较高,普遍适用于复杂的水下彩色图像增强。     

融合密度和精细分数的行人检测

目的 行人检测是指使用矩形框和置信度找出图像或者视频中的所有行人。传统的图像行人检测方法对于姿态各异或者相互遮挡的行人无能为力。深度神经网络（deep neural networks,DNN）在目标检测领域表现出色,然而依然难以解决行人检测中一些问题。本文提出一种融合密度和精细分数的行人检测方法DC-CSP（density map and classifier modules with center and scale prediction）。方法 首先,在CSP（center and scale prediction）网络的基础上添加密度图模块（density map module,DMM）和分类器模块（classifier module,CM）,得到DC-CSP网络;然后,针对置信度不精确问题,利用不同模块对分数预测结果的互补性质,设计阶段分数融合（stage score fusion,SSF）规则对检测分数进行更新,使得行人置信度上升、背景置信度下降;最后,基于NMS（non-maximum suppression）,利用估计的行人密度图,设计改进的自适应NMS（improved adaptive NMS,IAN）后处理方法,能够进一步改善检测结果,对相互遮挡行人提高交并比（intersection over union,IOU）阈值从而减少漏检,对单个行人降低IOU阈值从而减少错检。结果 在公开数据集Citypersons和Caltech上进行定量和定性分析。定量分析中,与其他方法相比,本文方法在Citypersons数据集的Reasonable、Heavy、Partial以及Bare子集上,对数平均漏检率分别下降了0.8%、1.3%、1.0%和0.8%,在Caltech数据集的Reasonable和All子集上分别下降了0.3%和0.7%;在定性分析中,可视化结果表明,本文方法在一定程度上解决了各种不同场景下存在的相互遮挡行人漏检、单个行人错检以及置信度不精确等一系列问题。此外,消融实验证明了所设计模块及其对应规则的有效性。结论 本文方法使用联合多个模块的卷积神经网络（convolutional neural network,CNN）,针对密度特征、分类特征分别设计IAN方法和SSF规则,在一定程度上解决了相互遮挡行人漏检、单个行人错检以及置信度不精确的问题,在多个数据集上证明了方法的有效性和鲁棒性。     

自适应短波通信系统跳频信号时差定位方法

短波通信在拓宽应用广泛性与普适性的同时,也存在信号跳频与难以监管问题。以自适应短波通信系统为研究对象,提出一种跳频信号时差定位方法。分析自适应短波通信系统的天波传输信道电离层特性、短波传播形式与跳频信号特点,利用离散频谱与傅里叶基,构建基于平坦衰落信道的跳频信号定位模型,根据架构的模型似然函数与互相关函数矩阵,获取目标方位定位最大似然估计,实现跳频信号时差定位。采用三个信号接收站与一个控制处理中心构成自适应短波通信系统,经过外场试验环境,展开信号源信号与无人机遥控跳频信号的时差定位试验,依据对比实验结果可知,所提方法能够有效定位目标信号,且定位精度具有显著的优越性,验证了方法的正确性与可行性,并为日后的研究工作提供了一定的参考价值。     

定子电流串联模型无速度传感器异步电机控制

针对基于传统电压电流模型并联结构模型参考自适应的无速度传感器异步电机矢量控制系统中,电压模型因存在纯积分环节而带来的积分初始误差和直流偏移问题,提出一种基于定子电流的串联模型无速度传感器矢量控制方案.方案对传统电压模型和电流模型进行改造,消除了纯积分环节及其带来的不利影响.同时对该串联模型的结构进行了说明,并详细推导了其自适应律.采用全阶磁链观测器估计定子磁链并用于定子磁链定向下的矢量控制,全阶磁链观测器由于含有反馈矩阵鲁棒性和灵活性更强.最后,基于MATLAB搭建了完整的系统仿真模型.仿真结果表明,所提出的控制方案在全速范围内均有良好的动、静态性能.