一种不定长水尺图像水位测量方法

针对水尺图像水位识别中存在的多根水尺拼接、水尺拍摄不完整以及环境适应性差等问题,从摄影测量学角度提出一种复杂光照条件下不定长水尺图像水位测量方法。首先通过人工选取的标识点构建水尺在像素坐标系和世界坐标系之间的透视投影关系;然后利用水尺的颜色特性将水尺与背景分割并二值化;再根据二值化图像使用方差均值阈值法检测水位线位置;最终通过投影关系计算出水尺图像中水尺中线的表达式,并结合水位线位置计算出水面上水尺中线的真实长度,获得水位值。本文对水文站真实水尺图像进行了测量实验,将检测结果与遥测水位值进行对比,结果表明本方法提高了不定长水尺图像水位检测的可靠性,测量精度达到1 cm,检测分辨率为1 pixel,基本满足水文站水位监测要求。     

基于偏最小二乘的循环流化床锅炉燃烧系统建模与仿真

应用偏最小二乘方法对云南某厂循环流化床锅炉相对稳定工况下的台账数据进行分析,建立静态模型,并对模型进行验证,与附加动量的梯度下降法训练的神经网络建模结果进行比较,证明采用偏最小二乘法的建模效果更好,更方便分析应用.     

一种自适应运动目标检测算法及其应用

针对ViBe算法在动态背景下存在鬼影消除时间长、算法适应性差、前景检测噪声多的问题,本文提出一种基于ViBe算法框架的改进算法.该算法采用鬼影检测法标记第1帧中的鬼影区域,并向位于鬼影区域的背景模型中强制引入背景样本,从而快速抑制鬼影;在像素分类过程中,引入自适应分类阈值,解决全局阈值易受动态噪声干扰的问题;在背景模型更新中,根据像素分类的匹配值来动态决定更新因子,提高算法适应场景变化的能力.定性与定量的对比实验结果表明,本文算法相较于ViBe算法能够有效地检测动态背景下的运动目标,应用于河流漂浮物检测场景中也有较好的效果.     

一种求解并行多机间歇调度问题的自适应EDA算法

针对广泛存在于化工生产过程中的并行多机间歇调度问题,提出了一种自适应分布估计算法,用于最小化最早完工时间(makespan)。首先,提出了一种具有自适应学习能力的改进策略,该策略根据当前解的改善状况自适应调节学习速率,有效克服了EDA对学习速率较敏感和依赖的不足,进而使得算法的搜索宽度和深度得到合理平衡;其次,设计了一种基于双精英个体的协同进化策略,该策略通过双概率模型协同进化,使算法能充分利用优秀个体的信息来指导搜索方向。仿真实验和算法比较验证了AEDA的有效性和鲁棒性。     

求解一类异构并行机调度问题的分布估计算法

针对流程工业中广泛存在的一类复杂异构并行机调度问题,即带工件加工约束和序相关设置时间的异构并行机调度问题,提出一种分布估计算法,用于最小化最早完工时间.首先,合理借鉴了蜜蜂养殖中“双王分区春繁法”的思想,提出一种新的概率模型更新方式,并通过子种群概率模型的交叉融合构造采样概率模型,进而引导种群进化方向,用于提高算法全局搜索的深度;其次,设计了一种基于插入法的变异操作,用于保持分布估计算法的种群多样性水平,进而提高算法全局搜索的宽度;最后,引入基于插入法和首次改进跳出原则的局部搜索方法来增强算法的局部开发能力.仿真实验和算法比较验证了所提算法的有效性和鲁棒性.     

实时嵌入式异构环境下多优先级混合任务调度动态策略

针对现有异构环境下的调度策略,引入迫切密度和剩余价值密度,分析迫切密度和剩余价值密度调节任务执行紧急程度的影响、对优先级制定,通过构建单有向无环图（ DAG）系统模型实现了混合任务的动态调度。仿真实验结果表明：该调度策略在系统负载较高的情况下,仍有较优的任务执行效能和避免颠簸现象。     

基于Silabs单片机的烟叶初烤控制器

介绍一种基于Silabs单片机C8051F021的烟叶初烤自动控制器的设计.根据烟叶初烤工艺对干温、湿温的要求,控制器可以自动有效地控制初烤过程,提高烤烟质量,降低烟农劳动强度.     

烟叶初烤智能控制实用算法

针对非工厂的温度、湿度耦合的烟叶初烤过程,提出了一种模糊控制与解耦规则结合的智能控制实用算法.根据烟叶初烤工艺要求和操作特点,为初烤阶段设计了可变因子模糊控制算法.引入解耦规则修正模糊控制器输出.试验表明,该智能控制保证了稳定性、快速性,提高了适应性.     

基于 Kalman-LSTM 模型的悬浮质含沙量测量

针对电容法测量河流含沙量过程中易受环境因素影响而导致测量结果不准确的问题，提出基于卡尔曼滤波和长短期记忆神经网络(Kalman-LSTM)的融合模型。先采用卡尔曼滤波器进行滤波处理，减小传感器测量的随机误差；再通过LSTM神经网络模型对含沙量信息和环境量信息进行多传感器数据融合，减小环境因素对电容法测量含沙量的影响；最后建立了电容法测量含沙量的Kalman-LSTM融合模型。为了验证Kalman-LSTM融合模型的融合效果，与BP模型、RBF模型和LSTM模型对比，比较各模型的均方根误差、最大绝对误差、平均绝对误差和平均相对误差。实验结果表明，Kalman-LSTM融合模型的平均相对误差为2.54%,均方根误差为2.47 kg/m³,该融合模型能有效降低环境因素对含沙量测量的影响，提高电容法测量含沙量的准确性。