头戴式视线跟踪系统的一点标定方法

标定方法是视线跟踪技术中的关键环节,直接影响跟踪精度和用户体验。目前头戴式跟踪系统所使用标定方法,需要多个标定点进行标定。为更快、更方便地进行标定,提出一种方法,只需一个标定点,便可提取足够的标定信息完成标定过程。该方法可适用于目前的多种映射方法,如DLT方法、多项式方法、神经网络方法等,标定时间仅需10 s,精度可达1°,与多点标定相比,效率显著提高,而精度无明显差异。此外,使用一种新的神经网络模型:ELM(极端学习机)实现了神经网络标定方法,ELM的快速学习性能,显著缩短了神经网络训练时间。     

双流化床生物质气化及CO2捕获的模拟

用Aspen Plus建立了双流化床气化和燃烧模型,对生物质在双流化床中气化及CaO吸收合成气中的CO2过程进行了模拟研究;探讨不同反应条件:气化温度、蒸汽与生物质的质量配比(S/B)以及CaO循环量与生物质的质量配比(Ca/B)对合成气成分的影响,为该类型工业反应器的研发提供了理论依据.模拟分析结果表明:气化温度低于700℃时,CaO能很好地吸收气化过程中产生的CO2并促进平衡反应向产氢方向进行;在温度为650℃及CaO作用下,S/B在0.6～1.7内对合成气成分的影响不大;CaO的加入能够有效地改善合成气的组成,合成气中氢气浓度能达到95％以上,氢气产量达到52 mol/kg.     

近红外光下眼角的快速定位

眼角作为眼睛的一个不变特征,在图像匹配中有着重要的应用。针对近红外光下眼角的角点特征不明显问题,提出一种由粗到精的定位方法。首先提取眼睑边缘,通过椭圆拟合定位出内外眼角的大致区域。然后以粗定位出的内外眼角位置分别截取小区域图像并进行阈值分割,提取出初步的内外眼角点。最后根据提出的SUSAN算子加权方差投影函数(SWVPF)进行精定位。实验证明,该算法能够快速和精确定位出内外眼角。     

富氢合成气中杂质气体对质子交换膜燃料电池性能的影响

质子交换膜燃料电池以其高效、清洁的优点在微型热电联产中广泛应用。利用天然气重整反应制氢是燃料电池最经济的氢气来源之一。研究重整合成气中的杂质气体对燃料电池性能的影响至关重要。设计、搭建了测试合成气体中杂质气体成分对质子交换膜燃料电池性能影响的实验测试系统,研究、考察了含氢合成气中杂质气体CO2,CH4,N2对质子交换膜燃料电池性能的影响。测试结果表明：对于所采用的PEM燃料电池及试验所采用的杂质气体的浓度范围,这些气体对于燃料电池的性能都有影响。其中N2对燃料电池的影响是可逆的,CH4和CO2会对电池造成永久性的损坏。