基于灰色预测的网络控制系统协同优化反馈调度策略研究

研究了网络控制系统的反馈调度问题;在调度器的设计过程中,采用灰色预测方法来获取网络可利用资源,以调整网络控制系统各回路中传感器的采样周期,从而达到各回路网络资源的优化配置,有效减小网络控制系统中的诱导时延,极大地改善了动态网络环境,克服了现有静态调度方法的不足;最后,通过仿真分析证实了所提理论的有效性.     

基于深度学习网络的轴承工件自动检测

针对实际生产中轴承滚子原始故障数据量少,数据集不平衡的问题,提出一种数据增强策略对原始的数据集进行扩充,并结合U-Net框架和轻量级深度学习模型构建了一个端到端的轴承滚子语义分割模型方法.通过结合U-Net框架和轻量级深度学习模型MobileNetV1、DenseNet121构建了端到端的轴承滚子语义分割模型LS-MobileNetV1、LS-DenseNet121,将所提模型基于迁移学习策略进行了训练,与其他模型进行对比实验分析.结果表明,与现有方法相比,本文方法在具有更少参数量的情况下实现了更高的分割精度与更具鲁棒性的检测效果,验证了所提方法的有效性.     

基于双经度模型的鱼眼图像畸变矫正方法

针对鱼眼镜头拍摄图片桶形畸变大的问题,提出了一种基于双经度图像畸变矫正算法,以改善其视觉效果。首先,在未知镜头视角大小且鱼眼图像非圆形的情况下,利用鱼眼图像特征求得球面中心及其半径,并对半径大小做优化处理以减弱极点畸变;在此基础上采用双经度模型方法,通过正交投影策略将鱼眼图像映射到球面上,转化为球面横向经度和纵向经度坐标,从而投射为以横向、纵向双经度坐标为基础的正方形平面图像,实现图像的快速、精确变换。最后,利用2个实例验证了该文所提算法的有效性和可行性。     

基于分层模型与局部复原的多聚焦图像融合方法

针对多聚焦图像融合后清晰像素信息损失较为严重的问题,提出一种分层模型与局部复原相结合的方法。首先,根据源图像模糊区域分布情况,对不同灰度特征源图像进行多尺度分解选取恰当的分层模型,并利用此模型对图像进行初步融合;在此基础上,通过计算对应区域的功率谱曲线斜率以推导图像中局部模糊区域像素值,提高图像融合算法的细节提取能力,再结合维纳滤波策略对其进行恢复,以实现图像清晰融合。最后,利用3个实例验证了该方法的有效性与可行性。     

新型优化SIFT的图像快速配准方法研究

针对尺度不变特征变换（Scale Invariant Feature Transform,SIFT）算法图像配准时间长、匹配率低等问题,提出了重合区域图像极值特征提取法以及图像降采样特征配准法。在特征匹配的过程中,重点考虑重叠区域的特征匹配点对极值一致性约束条件,并利用差分尺度空间的局部单极值,以减小冗余特征点,节约特征提取与匹配时间;在此基础上,以图像尺度大小（选择180×180）作为缩放约束,对图像进行同比例插值缩小,并根据缩放后图像与原始图像变换矩阵之间的关系,计算出原始图像变换矩阵,实现图像的快速、精确配准。利用实例验证了所提方法的有效性和可行性。     

永磁同步电机自抗扰控制研究

将自抗扰控制引入永磁同步电机的速度环控制中,为减少算法计算量和降低参数调整难度,对非线性自抗扰控制进行结构优化和线性化处理,完成永磁同步电机的线性自抗扰控制器设计和仿真分析.仿真结果表明,自抗扰控制较常规PI控制抗负载扰动能力强,对不同转速的运行具有较强适应性.     

基于马尔可夫模型的NCS可靠性分析

基于传统可靠性理论的研究,提出了一种Markov模型的网络控制系统可靠性评估方法及其建模过程.该方法通过详细分析工业网络控制系统的特殊性,构建网络控制系统的可靠性状态图,以推导系统的查普曼-科尔莫戈罗夫(Chapman-Kolmoqorov)方程,得到工业网络控制系统的可靠度模型,为网络控制系统进一步应用于国民经济众多领域奠定基础.