基于LonWorks技术的神经网络智能PID控制器的设计和实现

借助于LonWorks技术和先进PID控制算法，设计和实现了一种基于LonWorks技术的神经网络智能PID控制器，克服了传统PID控制器和先进软计算控制的缺点。叙述了硬件和相关Neuron C程序的设计，并利用设计的智能控制器建立了一个温度智能控制系统。所设计的智能控制器具有较高的可靠性和广泛的应用领域。另外，由于LonWorks技术的网络优势，可以利用神经网络智能控制器，通过LonWorks控制网以及Internet实现远程工业智能实时控制。     

基于LonWorks技术的电表抄表采集模块的硬件设计

主要是完成了基于LonWorks技术的电表抄表采集模块的表头信号采样模块和抄表采集器2个部分的硬件设计，并且完成了AT89C51和MCl43150Neuron芯片之间的通讯接口的设计。     

一种基于核相关滤波的视觉跟踪算法

视觉跟踪是计算机视觉的一个重要方向,而核相关滤波(KCF)跟踪是视觉跟踪领域中的一种比较新颖的方法,它不同于传统基于目标特征的方法,不仅具有较高的跟踪精度,而且具有较快的跟踪速度,在实际应用中效果显著。但当物体快速运动或存在较大尺度变化等时,该方法无法准确地跟踪目标。文中提出的基于核相关滤波器的改进算法有效地解决了上述问题,其通过随机更新多模板匹配,确定了核相关滤波的学习因子,从而实现了学习因子自适应更新模型。实验结果表明,该算法根据不同的场景能快速地调整学习因子,从而提高跟踪的成功度。通过自适应学习因子和多模板匹配,该算法对部分遮挡、光照和目标尺度变化具有较强的适应性。     

基于沃尔什特征的增强型AdaBoost 人脸 快速检测算法

提出一种基于沃尔什特征的增强型AdaBoost 人脸快速检测算法,不仅具有很快的训练速度,而且利 用较少的非人脸样本进行训练就可以达到较好的检测效果。首先,提出用较少的沃尔什特征来代替大量的 Harr － Like 特征可以较大幅度的降低特征之间的冗余。然后提出一种双阈值增强型AdaBoost 算法,其中双阈 值的快速搜索方法大大节约了训练时间,并且在训练Cascaded 检测器过程中,前层分类器的训练结果对后层 分类器的训练具有指导作用,加强了总体检测器的性能,另外通过各层分类器阈值的调节,能够将人脸和非 人脸的训练结果尽量分离。最后,使用该算法训练的检测器对MIT ＋ CMU 人脸测试库进行了测试,结果表明 该方法在训练速度、测试精度、检测时间等方面都优于相应的方法。     

一种自适应最大拒绝鉴别分析及其鉴别矢量集

针对 MRC-Boosting方法中的弱分类器二值化以及鉴别矢量不正交等问题,提出一种自适应最大拒绝鉴别分析(AdaMRDA),进一步提高分类性能。通过已抽取的鉴别特征到期望中心的距离,设计一种自适应权重调整方法,使得后面得到的鉴别矢量更加有利于分类,并且给出最佳正交鉴别矢量集的求解方程。最后,通过在2个数据库上的实验证明,AdaMRDA方法在分类性能上明显优于MRC-Boosting方法及相关方法。     

兼顾光照的肤色模型

通过对颜色与其参数的相关性分析,认为颜色的各个参数都是紧密相关的,去除某些参数进行降维处理,实际上造成了精度损失。通过对rg颜色和hs颜色进行正态拟合,发现两者的QQ图显示出相似的正偏度,这说明降维是不成功的,亮度信息不能丢弃。在HLS空间提出了一个包含亮度信息的球形肤色模型,在自建库和PICS库上使用该模型,与其它模型进行比较,取得了比较好的效果。该模型可以直接用于图像和视频人脸检测。     

PLC在75t/h锅炉汽包水位控制中的应用

我厂75t/h锅炉原采用传统仪表控制，虽经过历年的改造控制系统日臻完善，但是在重要的自动调节系统改造方面特别是汽包水位的控制，受传统仪表功能的局限而无法满足要求，因此，在2001年，经过充分比较，论证和研究，我们决定引进DCS系统对锅炉的控制系统进行改造，在下控控制中采用PLC控制锅炉汽包水位。     

自动化专业实践教学评价体系的研究

本文叙述了工科专业建立实践教学评价体系的意义,分析了建立自动化专业实践教学评价指标体系应考虑的问题,给出了评价体系的初步设计结果。     

FIX在75t/h锅炉改造中的应用

★ 概述 我厂75t/h锅炉原采用传统仪表控制，虽经过历年的改造使控制系统日甄完善，但是在重要的自动调节系统改造方面受传统仪表功能的局限而无法满足要求。因此，在2000年，经过充分比较、论证和研究，我们决定引进FIX对锅炉的控制系统进行改造。 ★ 系统结构 根据我厂的工艺要求和现场实际情况，考虑到以后扩充及联网的需要，DCS系统分为三级：现场控制级、过程控制级、监控管理级。 现场控制级是数据的直接提供和接受单元。该控制级的设备包括仪表设备（传感器、变送器、执行机构等）、电气设备（仪表盘、控制柜等）、工艺设备以及…     

应用权重直方图的DW-AdaBoost快速算法

提出一种改进的AdaBoost算法,提高人脸检测的训练速度,以及检测速度和精度.先将每个Haar-Like 特征下所有样本的特征值量化,然后据此分别计算出人脸和非人脸样本,再快速计算出简单分类器的阈值和偏置.分析样本特征值的分布特性,进一步提出了双阈值快速算法.在MIT-CBCL训练库上对算法进行了验证,结果显示基于权重直方图的双阈值AdaBoost算法-DW-AdaBoost的训练速度提高150多倍,收敛速度更快.在MIT CMU人脸测试库上进行了测试,结果表明该方法在检测精度和速度等方面都优于相应的单阈值方法.