基于DSP的永磁同步电机全数字变频调速控制系统的设计

介绍了将先进的电机控制专用数字信号处理器（DSP）芯片和矢量控制算法相结合进行的永磁同步电机控制，开发了技术先进的伺服控制器。试验结果表明：该控制系统有较好的动态性能和稳态精度，并且具有结构简单，设计合理，控制灵活等特点。     

应用深度卷积神经网络的色织物缺陷检测

针对织物缺陷检测时传统人工的误检率、漏检率较高问题,提出一种应用深度卷积神经网络的色织物缺陷检测算法。因织物图像采集过程中含有较多噪声且信噪比较低,先对缺陷织物进行最优尺寸高斯滤波,有效滤除细节噪声;再根据织物图像特征建立深度卷积神经网络,利用径向基神经网络的非线性映射能力作用于卷积神经网络,并通过反向传播算法调整权值参数,获取无缺陷样本与训练样本之间的映射函数;最后,利用映射函数及特征字典重构图像并提取特征,根据Meanshift算法分割缺陷,确定缺陷位置。结果表明：应用深度卷积神经网络的缺陷检测算法对色织物图像库中的缺陷图像可实现提高检测效率、缩短检测时间,获取准确缺陷位置的目的。     

改进型奇异值分解在织物疵点检测上的应用

为了识别不同织物表面多种类型的疵点,提出了一种基于矩阵奇异值分解（SVD）的疵点检测方法。首先采用自适应分割技术提取织物图像中包含疵点的感兴趣区域（ROI）,其次将包含疵点的ROI部分继续分割成若干小的不重叠的子图像,并对子图像进行奇异值分解。由于奇异值与织物图像的能量信息相关,通过去除表征织物纹理背景能量的奇异值,以余下的奇异值重组子图像,从而增加疵点区域与纹理背景的能量差异。最后再对ROI区域进行复原时,会出现子图像重构过程不完全连接的情况,采用二值化阈值处理可以消除影响,完成检测目的。实验证明,所提出的改进型奇异值分解技术,耗时短,效率高,对于选取的7种纹理结构不同的织物中大多数疵点,都能够识别其形状和位置。     

基于小波域多尺度Markov随机场的织物印花图案分割

织物印花图案的分割是纺织印染工艺中一个非常重要的过程,为了提高纺织印花图案的分色精度,本文采用小波域的多尺度Markov随机场模型实现了织物印花图案的分割。该方法首先对图像进行预处理,然后对图像进行小波“金字塔”分解,在每一尺度的分割过程中利用了各尺度上的有关信息:特征场建模通过描述小波系数之间的相关性反映每一像素位置的特征属性,标记场建模通过考虑邻域标记间的相互作用反映图像分割的区域性。两种随机场建模以联合概率乘积的形式相互约束,共同作用于该尺度的分割过程。在分割过程中,从最低分辨率尺度到原始分辨率尺度逐次进行图像分割,低分辨率尺度的分割结果通过直接投影作为相邻的更高分辨率尺度的初始分割,最高分辨率尺度上的分割结果作为本文方法的分割结果。     

智能功率模块PS21865在逆变器中的应用

介绍了智能功率模块DIP—IPM的工作原理、引脚功能和电气特性，指出了DIP—IPM模块在应用中应注意的问题，同时给出了在逆变器设计时，DIP—IPM模块PS21865和CPU的连接电路。     

定形机排气湿度监控系统设计

设计一种基于嵌入式系统的定形机排气湿度监控系统。重点介绍了排气湿度的检测方法以及硬件系统的组成,运用了模糊PID算法,在ARM上实现了移植Linux系统和设备驱动,最终能够在触摸屏上实时显示排气湿度参数。通过研究表明:该系统具有很好的稳定性,控制精度高,布匹后整理品质好,节省能源,具有非常广泛的应用前景。     

基于机器视觉的管纱污渍检测算法研究

针对管纱表面污渍的质量问题,提出基于机器视觉的管纱表面污渍检测算法。先对图像进行预处理以及Sobel算法处理,消除光照不均以及背景纹理的影响,再用双高斯算法增强目标与背景的差异,然后用灰度矩形法削弱背景的噪声,最后采用动态阈值的方法提取目标。实验结果表明,该算法对管纱表面污渍的检测有一定的准确性与实时性。     

应用深度迁移学习的电子级玻璃纤维布分类

针对现有的玻璃纤维电子布表面缺陷分类效率低、错误率高等问题,提出了一种基于深度迁移学习的分类方法。首先,对所有的图像数据进行压缩、旋转和添加噪声等预处理操作;其次,引入ResNet网络,将特征提取层得到的特征进行迁移,并加入了批规范化层、激活层和全连接层等几层网络组成分类器层,进而构建一个新的深度迁移学习网络;最终训练得到电子布缺陷分类模型。利用电子布缺陷图像样本数据集进行验证,实验结果表明,应用该方法的缺陷分类正确率达到了99.1%,且实时性良好,能满足实际工业需求。