数字图像复原技术综述

数字图像复原的目的是将所观测到的退化图像恢复到退化前的原始图像,该恢复过程在很多图像处理应用中至关重要。近年来,图像复原技术虽已得到广泛研究,但仍有值得改进之处。为了使该领域的研究人员对当前各种图像复原方法有较全面的了解,在众多技术文献中选取了具有典型性的95篇来对各种图像复原方法进行分类综述。首先通过对复原技术问题的描述,揭示了复原技术的数学背景;其次以数字图像复原技术发展为主线,将复原方法归结为两大类进行详细讨论。一类是经典图像复原方法,另一类是现代图像复原方法。前者反应复原技术背景与发展过程,后者体现复原技术的发展趋势与面临的困难。最后,在总结全文的基础上,指出在今后进一步研究中值得关注的7项问题。     

相关激励作用下随机结构振动响应的统计分析

应用随机过程理论,以能量为变量,分析了随机结构振动响应的统计特性。结构受相关激励作用时,通过输入激励的解相关方法,将作用在结构上的相关激励转变为各个不相关激励的作用;分析结构的振动响应的统计特性时,计及响应特征频率的相关性,在响应特征频率满足高斯正交总体的假设下,推导出了随机结构振动响应分析的统计分析表达式。应用设计的实验件和试验验证了所提出的统计分析的正确性,通过和已存在的统计分析结果的比较,表明了统计分析具有更高的分析精度,能够定性和定量的给出随机结构振动响应的统计变化情况。     

基于传感器信息的智能移动机器人导航评述

导航是研究智能移动机器人技术中的一个重要领域,对自主导航技术的关键问题——路径规划进行了评述。路径规划一般可分为基于模型的环境信息完全知道的全局路径规划和基于传感器的环境信息完全未知或部分未知的局部路径规划2种类型。分别对各种方法的发展现状进行了总结,指出了各种方法的优点和不足。     

一种新的智能避障转向控制方法

针对智能探测车的转向系统建立精确的数学模型十分困难,且其航向受诸多因素干扰问题,研究了预测控制中的动态矩阵法,提出了一种新的智能探测车转向机构模型。该方法用障碍物的方向和距离偏差作为参数,在预测控制算法中采用动态矩阵控制,输出前轮转向角。再将转向角预测量与实际转向角之和作为反馈,对转向角变化趋势做出预测。通过仿真验证了在不同纵向速度下,加入相同干扰时的系统响应。结果表明：该算法在智能探测车障碍物避让控制中,对外界环境的干扰具有较强的鲁棒性,能够满足智能探测车转向控制要求。     

智能车辆发展及其关键技术研究现状

智能车辆作为智能交通系统的重要组成部分,能够提高驾驶安全性,大幅改善公路交通效率,降低能源消耗量,该技术的研究日益受到国内外学者的关注。给出了智能车辆研究的主要内容和该领域当前的研究概况;讨论了该技术涉及的关键技术,分析了各项技术存在的优缺点,并指出了在今后进一步研究中值得关注的5项问题。     

考虑瞬态压力波效应的高速列车车门模态试验分析

讨论高速列车会车瞬态压力波与车门模态的关系。介绍模态试验的基本理论。采用锤击脉冲激励获得单个车门的基本模态。采用正弦扫频激励获得车门 - 框架系统的衍生模态。将车门基本模态和衍生模态相结合,可了解车门弯曲和扭曲的频率与振型。通过采取措施改善车门模态参数,将减缓高速列车会车瞬态压力波的效应。     

非线性系统载荷识别的最小二乘支持向量机法

为解除载荷识别问题对原系统先验知识的依赖,本文提出采用最小二乘支持向量机（Least squares support vector machine,LS-SVM）对非线性系统进行逆模型辨识,随后在该逆模型基础上利用工作状态的响应数据识别时域载荷。通过对某一非线性系统的稳态和非稳态激励的仿真计算,验证了该方法的有效性。仿真结果表明LS-SVM能够辨识出可靠的非线性系统的逆模型,进而反演出较精确的时域载荷。该方法不需要了解系统的数学模型及参数,只需少量训练样本即可,因此该方法能够应用于工程实践中。     

汽车悬架结构优化及整车制动性试验

提高车辆自身的安全性能是解决道路交通安全问题的有效方法,汽车的制动性能是其主动安全的重要组成部分。基于ADAMS/Car软件,参考某轿车相关参数建立了麦弗逊前悬架模型并进行仿真试验,分析前轮定位参数并以此为目标函数,通过ADAMS/Insight进行优化设计,得到优化后的悬架结构参数和前轮定位参数。建立包括优化后的前悬架的整车动力学模型,进行不同工况下的汽车制动性能仿真试验;根据优化后的硬点坐标,调整悬架的结构参数并进行实车紧急制动试验,获得试验汽车的制动距离,对比分析后得出试验汽车的制动性能及其与行车安全之间的关系。结果对研究汽车主动安全和提高道路交通安全具有一定的指导意义。     

探测车自适应神经网络控制研究

探测车的运动控制是一个相当复杂和困难的控制问题,由于运动路面特性与探测车的大惯性,传统的PID算法无法满足控制要求.建立了高低精度模型,将自适应模型与增广神经网络结合,并应用于探测车的速度和转向控制.控制器设计包含两个子控制器:(1)基于线性化反馈的控制器 ;(2)在线自适应神经网络调节的比例积分(PI)的反馈的控制器.用于对速度及转向角的控制.仿真实验表明,该方法对于车辆速度、转向角控制有良好的适应性,控制精度高,稳定性好.     

轮履复合式探测车避障系统研究

为提高轮履复合式探测车转向避障能力,提出将超声波传感器安装于车身3个方向,并建立探测车避障环境模型,采用最小二乘法对3个方向的数据进行拟合处理。在基本避障行为和趋向目标点行为下设计相应的模糊控制方法对探测车转向避障行为进行控制。通过在VisuaC＋＋下建立探测车仿真环境,在Matlab环境下建立的模糊控制器,并通过它们之间的接口进行数据交换来实时地显示探测车避障的整个过程。仿真结果表明：探测车在所设计的模糊规则库下能够灵活转向避障,并顺利到达目标点。