基于模糊补偿的弹药自动装填机器人滑模控制

针对弹药自动装填机器人存在的摩擦力、扰动力、负载变化大以及建模误差等导致的控制器精度降低、鲁棒性差的问题,提出了一种基于模糊补偿的自适应模糊滑模控制的鲁棒控制器.同时为了减少模糊逼近的计算量,提高运算效率,采用模糊补偿器对不同的扰动补偿项加以区分,并分别逼近.仿真实验表明:该控制方法可以很好地抑制各种干扰因素的影响,消除了传统滑模控制器所固有的抖振现象,系统性能指标有了明显提高,实现了弹药装填机器人轨迹快速跟踪控制的要求.     

基于在线评判系统的程序设计教学

本文介绍了以在线评判系统为平台的程序设计教学模式,这一教学模式将教师与学生、课堂教学与实验教学、课内学习与课外学习融为一体,既减轻了教师低层次重复性工作量,又能吸引学生主动学习、主动实验,从而切实提高学生的程序设计能力。     

基于ANFIS的弹药自动装填机械手轨迹跟踪

针对大口径自行火炮弹药自动装填机械手不确定性的复杂非线性系统,提出了一种基于自适应神经模糊推理(Adaptive Neuron-Fuzzy Inference System,ANFIS)的方法,对弹药自动装填机械手进行了运动学分析及轨迹跟踪仿真.该方法利用神经网络的学习机制补偿了模糊控制系统原有的缺点,前提参数采用误差反向传播法,结论参数采用最小二乘法.最后在Matlab中对弹药自动装填机械手进行了建模仿真.仿真与实验结果表明:该方法收敛速度快,泛化能力强,提高了弹药自动装填机械手的轨迹跟踪精度,能够满足实际要求,为进一步实现弹药自动装填机械手自适应控制打下基础.     

基于遗传蚁群动态融合的地面自主作战 机器人路径规划

在机器人路径规划与避障算法中,遗传算法具有快速全局搜索能力,但是没有利用系统中反馈的信息。蚁群算法具有很好的信息反馈性,但是由于初期信息素匮乏导致求解速度较慢,易陷入局部最优。提出了一种动态融合的方法,在算法初期通过遗传算法生成蚁群算法的初始信息素分布,后期采取蚁群算法动态融合遗传算子的方法。通过路径规划仿真及实验分析,该动态融合算法不仅提高了收敛速度,而且改善了蚁群算法易陷入局部最优的问题;同时引入了动态避障策略,从而达到了更好的路径规划效果。     

oRGB颜色空间的夜视图像彩色融合

针对红外与可见光双波段夜视图像增强提出了基于oRGB颜色空间的彩色融合算法。选择亮度与颜色分离的对立色颜色空间,应用多尺度Top-hat变换方法将红外与可见光增强融合图像作为伪彩色图像的亮度分量,根据双波段图像的差异性并结合参考图像色调构造颜色分量;为避免线性变换的颜色传递方法容易造成灰度级压缩或过饱和情况,在分析颜色传递机理的基础上,使用非线性的直方图匹配方法实现颜色传递。实验结果表明,融合图像的颜色分布更自然,纹理细节、整体亮度和对比度等视觉特征表现更优。     

3D数字工厂监控系统的设计与实现

针对传统工厂监控软件系统存在的对空间点难以准确定位以及界面不够直观等不足,采用虚拟现实技术,运用OGRE和VC++混合编程技术,设计3D数字工厂监控系统。该系统主要有实时监控、3D场景多视角漫游、场景实体精细碰撞检测及粒子声音特效等功能。试验结果表明,该系统具有较强的沉浸感,及能够快速对复杂分布的检查点定位等特点。     

一种精确的运动目标外轮廓提取方法

视频监控系统中的运动目标外轮廓是对运动目标语义分析的重要信息源。针对经过简单的形态学处理运动目标区域而提取的外轮廓方法中的一些缺陷,提出一种更精确的方法。首先通过前景检测得到粗略确定的运动目标区域,然后通过分水岭方法进行外轮廓区域粗略定位,最后通过阴影去除及目标重构进行外轮廓区域精确定位,从而提取精确的外轮廓。利用外轮廓的准确率、查全率、综合性能指标,实验结果表明,能够得到精确的外轮廓。     

基于稀疏表达的遮挡目标跟踪算法

针对视觉跟踪中的目标遮挡问题,提出一种基于稀疏表达的视觉跟踪算法。采用稀疏表达方法描述跟踪目标,构造基于Gabor特征的目标词典和遮挡词典,通过l1范数最优化求解稀疏表达系数。在粒子滤波框架下跟踪目标,根据稀疏表达系数判断遮挡,并利用重构残差更新遮挡情况下的粒子权重。在目标模板更新时,通过引入可靠性评价来抑制模板漂移。实验结果表明,该算法能够有效地跟踪处于遮挡状态下的运动目标,并对目标姿态变化以及光照变化具有较好的鲁棒性。     

地方院校计算机本科人才创新实践能力培养的一种有效模式

计算机学科是实践性极强的学科,地方教学型院校仅仅依靠对本科生开放有限的科研资源,远不能满足大量本科生各层次创新实践活动的需求。文章提出了一种有效的创新实践能力培养模式,即通过建设面向本科生的创新实践基地,以项目为载体、任务驱动,培育学生创新团队和指导教师团队,将创新实践活动融入到学生的日常学习生活中,以提高学生的实践能力和创新意识。     

多尺度融合与非线性颜色传递的微光与红外图像染色

Toet的夜视图像近自然色染色算法对各颜色分量使用了基于线性变换的颜色传递技术,染色结果易出现低对比度或过饱和现象,从而造成细节信息的损失。针对此问题,提出了结合多尺度融合与非线性颜色传递的微光与红外图像染色算法。选用亮度与色彩分离的YCbCr颜色空间进行染色,其中Y分量应用基于冗余小波变换的可增强感兴趣目标的融合方法构造得到,对Cb、Cr分量使用基于直方图匹配的非线性颜色传递方法实现染色。实验结果表明,本文方法可有效防止染色过程中出现的低对比度或过饱和现象,能获得纹理细节更清晰,目标更显著的染色图像。