小球平面系统的路径跟踪滑模控制

首先分析小球平面运动控制系统的特点,将路径跟踪控制分解为小球的位置控制问题和平面角度的控制问题。然后,主要针对小球的位置控制问题,基于小球运动系统的动力学模型和滑模控制的基本原理提出一种路径跟踪滑模控制算法,并通过李亚普诺夫稳定性定理证明了闭环系统的渐进稳定性。该滑模控制算法消除了小球在平面上运动时时变不确定摩擦力对控制性能的不良影响,提高路径跟踪控制的精度。最后,通过仿真实验对所提出的滑模控制算法的控制性能进行了验证。     

基于离群特征的γ辐射图像去噪方法

针对Co60辐射环境中γ光子穿透CMOS图像传感器时致使场景图像存在斑块噪声的问题,提出了一种基于离群特征的γ辐射图像去噪方法。首先在序列图像中逐点获取对应的像素序列,并将该像素序列进行光照归一化以消除图像帧之间光照差异影响;然后在光照归一化后像素序列中利用噪声像素值的离群特性判断当前像素点是否为噪点;最后利用序列中各点的一、二阶离群特征筛选有效像素序列,并将其均值进行逆光照归一化以作为噪点修复的像素值。所提方法与多种典型去噪方法分别在高剂量率区和低剂量率区的真实γ辐射图像上进行了对比实验,该方法均取得了最佳去噪效果。     

基于卡尔曼滤波的双闭环直流电机系统状态观测器

在直流电机双闭环调速系统（DFDCMS）简化模型的基础上,分析了饱和非线性DFDCMS的能控性和能观性,提出了饱和非线性DFDCMS的关键状态描述．针对这些关键状态,基于饱和非线性DFDCMS的分段线性模型和卡尔曼滤波（KF）,提出并实现了DFDCMS的KF状态观测器．在仿真平台和实际系统上比较了无滤波器（NF）的状态观测器、带巴特沃斯滤波器（BF）的状态观测器、KF状态观测器在不同情况下对运动执行机构状态辨识的效果．实验表明,所提基于饱和非线性DFDCMS模型的卡尔曼滤波状态观测器能更为有效地反映测试系统的运行状态．     

基于分形维数的磁痕图像缺陷检测

针对荧光磁粉无损探伤自动检测中存在的磁痕识别率低、虚警率高、抗干扰能力弱和易受背景影响的问题,提出一种基于分形维数的磁痕图像缺陷在线检测方法。采用差分计盒维数算法求解得到磁痕图像的分形维数,并分析工件磁痕缺陷分形维数特征。实际运用中,实时采集工件图像,利用特征进行图像处理,判断工件是否存在缺陷。经过实验验证,采用基于分形维数特征的磁痕图像缺陷检测方法,能准确识别工件缺陷,磁痕识别率为80%,与常用检测磁痕方法相比,虚警率降低5%,受背景影响小,有较强的适用性。     

基于L-M算法的BP网络在变压器故障诊断中的应用

针对传统BP神经网络算法在变压器故障诊断中存在的收敛速度慢、容易陷入局部极小值的问题,通过对基于Levenberg-Marquardt算法的BP神经网络进行深入研究,并最终应用于变压器故障诊断。该算法通过优化BP神经网络的搜索方向,加快了网络训练速度,提高了网络训练的精度。通过对实例数据仿真,证明了本方法能够有效地诊断出变压器的故障,为变压器故障诊断提供了一条新途径。     

一种基于关键点的红外图像人体摔倒检测方法

针对已有人体摔倒检测方法在复杂环境场景下易受光照影响、适应性差、误检率高等问题,提出了一种基于关键点估计的红外图像人体摔倒检测方法。该方法采用红外图像,有效避免了光照等因素的影响,经过神经网络找到人体目标中心点,然后回归人体目标属性,如目标尺寸、标签等,从而得到检测结果。使用红外相机采集不同情况下的人体摔倒图像,建立红外图像人体摔倒数据集并使用提出的方法进行检测,识别率达到97%以上。实验结果表明提出的方法在红外图像人体摔倒检测中具有较高的精度与速度。     

环境化合物对鱼类毒性的定量构效关系研究

本研究基于定量构效关系方法预测环境化合物对鱼类的毒害(50%Lethal Concentration,LC50),并确定影响毒性关键分子的结构特征及几种模拟方法的比较.构建114个化学分子的数据集,随机选取85个75%分子为训练集,剩下的29个分子作为检验集,每个化学分子计算194个分子参数,分别采用逐步多元线性回归分析法(multiple linear regression,MLR)、主成分回归法(Principal Component Regression,PCA)和偏最小二乘法(Partial Least Square,PLS)构建定量结构-毒害关系(Quantitativestructure-activity relationships,QSTB)模型.用逐步多元线性回归分析法得出的训练集和预测集的实验值-logLC50与预测值-logLC50的相关系数分别为R2tr=0.86,R2te=O.83,说明该模型可靠性和鲁棒性较高;主成分回归法用8个主成分,其训练集和预测集的实验-logLC50与预测-logLC50的R2tr=0.81,R2te=O.77;偏最小二乘法用了5个潜变量,其训练集和预测集的实验-logLC50与预测-logLC50的R2tr=0.88,R2te=0.85.MLR方法得出化合物对鱼类的毒害影响较大的分子参数,主要分属电拓扑状态参数(SssO,SsCl,SdCH2,SsNH2)、分子连接指数(Xvo)以及修正Kappa指数(Ka2).以上研究对预测环境化合物的鱼类毒害(LC50),以及从机理上加深对有机物的毒性作用机理提供重要价值.     

基于完全自注意力的水电枢纽缺陷识别方法

水电枢纽在长期运行过程中容易受水流侵蚀、应力变化等因素影响,导致形成裂缝、渗漏、脱落、露筋等缺陷,造成重大安全隐患。目前,水电枢纽缺陷识别主要依靠人工巡检,存在效率低、风险高等问题。提出一种水电枢纽缺陷识别方法,基于完全自注意力机制构建缺陷识别网络,以提高网络捕捉长距离全局信息的能力和缺陷识别精度。设计2个同尺寸的自注意力编码器分支,通过双分支结构完成不同尺度自注意力计算,从而提取多尺度缺陷特征,增强全局语义表达能力。构建一个基于类别向量的自注意力混合融合模块,并对2条分支的多尺度特征进行融合,以有效应对水电枢纽缺陷图像尺度变化大、形态多样等问题。在四川某水电站枢纽缺陷数据集上的实验结果表明,该方法宏查准率可达98.87%,缺陷识别效果优于SVM、ResNet-50、MobileNet v3等方法。     

荧光磁粉探伤智能图像识别技术研究

针对荧光磁粉探伤中人工观察识别工作量大、效率低、难以保证检测质量一致性及健康危害严重等问题,提出一种具备机器自主学习能力的智能图像识别方法。结合人工识别磁痕缺陷的工艺方法分析磁痕图像,基于图像形态学提取荧光磁粉缺陷多项特征建立专家知识库,同时根据人员对图像识别结果的判定情况自动修正专家知识库。实验证明该方法可有效识别车削类工件中存在的缺陷,鲁棒性较强。     

基于迁移学习的坝面表观缺陷智能检测方法研究

针对常规缺陷检测方法难适用于复杂环境下的坝面表观缺陷检测的问题,提出了一种基于迁移学习的坝面表观缺陷智能检测方法,主要解决坝面缺陷的识别与分类问题。该检测方法主要包括三个部分:首先采用图像预处理对多旋翼无人机采集到的原始图像数据进行数据扩充和特征突显;然后运用迁移学习方法将Inception-v3网络模型作为预训练模型,训练处理过后的缺陷数据,得到坝面缺陷检测模型;最后构建全连接分类网络并利用检测模型对测试集数据进行分类测试。试验结果显示:该检测方法仅耗时28 min就完成了对约33 000张缺陷数据的训练与测试,并对混凝土坝面存在的裂缝、漏筋、渗水和脱落四种缺陷的分类正确率达到了96%。结果表明,该检测方法能够实现对坝面缺陷精确且快速的识别和分类,能够为坝面后期的风险评估和维护提供有力的数据支撑,具有一定的工程意义。