光子计数荧光偏振仪

报导了一台自制的荧光偏振仪.仪器应用了光子计数技术,以提高检测灵敏度.介绍了整机结构,对光子计数器的三个组成部分作了详细说明.最后介绍了光子计数器和偏振器的调试方法.     

基于偏振分束的磁光成像技术研究

针对现有磁光成像技术的测量结果难以量化且受光源波动影响较大的问题,提出了一种基于偏振分束的磁光成像新方法.根据偏振光的琼斯矢量描述方法推导出偏振分束法测量旋光角度的模型,并由此模型分析得出,从旋光物质出射的偏振光经偏振分束装置后输出的平行分量和垂直分量进行“差除和”的结果与入射光强无关,只和旋光角度值相关;由此原理,设计了基于CCD的检测平台,对旋光角度场进行了测量实验,又采用归一化互相关和“差除和”算法对测量图像进行了处理;最后,进行了基于该方法的磁光成像应用实验研究.实验结果表明,与传统磁场成像方法相比,该方法操作简单,结果易于量化,不受光强波动影响,误差降低约3倍,且稳定性较好.     

基于弹光调制的偏振态测量方法

偏振编码是利用光信号的偏振态承载信息进行编码,旨在解决高速光纤通信中非线性效应和偏振模色散等问题。本文提出了基于弹光调制器的偏振态测量方法,该方法不仅保留了原有弹光调制器偏振测量的优点,并且克服了现有方法无法用阵列探测器有效采集信息及调制频率高等缺点,同时给出了Matlab模拟仿真及实验验证方案。理论分析、模拟仿真及实验验证了该方法的可行性。测量结果的误差分析表明,该方法能满足测量要求,这为偏振编码在高速光纤通信中的应用创造了条件。     

基于LabVIEW的高精度气压仪

在国外利用硅压敏元件进行气压探测已经非常成熟。而且应用非常广泛。本文介绍了一款高精度气压仪。它是通过硅压敏元件输出的模拟信号。经数字转换后得到数字气压信号的仪器。该气压仪通过串口将数据发送到到上位机,上位机对数据进行处理、分析。     

激光光散射仪及应用

介绍激光光散射仪的测定原理,常用测定仪器、测定方法以及在聚合物研究中的实际应用。     

通信系统中光信噪比和偏振模色散的同时监测

提出了一种用偏振扰频和偏振光分束相结合实现光信噪比和偏振模色散同时监测的简便方法,通过测量两正交偏振测量臂中的偏振信号的光功率和消偏的背景噪声得到光信噪比(OSNR)和偏振模色散(PMD).监测得到的OSNR和PMD是相互独立的,从而使得网络操作者能够区分传输链路中光噪声和偏振模色散的影响.对20 Gb/s的传输链路的实验表明,OSNR的变化范围在18～36dB,PMD值的变化范围为0～73ps.     

一种基于神经网络的X光图像畸变校正方法

通过对X光图像所产生畸变的分析,提出了一种基于泛化能力的神经网络系统整体校正方法。该方法只需确定网络输入输出和约束条件,无需考虑中间过多的不确定因素,即可建立空间点与图像点的映射关系,然后采用双线性变换进行灰度插值。实验表明,该方法校正效果好,能够满足对图像进行分析处理的要求。     

光弹调制差频偏振测量及误差分析

针对现有光弹调制测量偏振方法无法用普通阵列探测器有效采集锁相频率,难以测量复色光的偏振特性等缺点,提出了一种三光弹调制器互差频调制的新型偏振测量方法.操作时,3个光弹调制器分别工作在频率w1,w2和w3上,三频率大小略有差异,从而可以对光进行差频调制并产生载有被测光偏振信息的低频调制分量(0,w1-w2,2w1-2w3);然后,通过锁相放大即可以一次测量获得斯托克斯矢量S中的S0,S1和S2.介绍了三光弹调制差频偏振测量的基本原理,通过相应的数值仿真和实验验证了其可行性,并对差频大小、相位延迟幅度等因素对测量结果的误差进行了初步分析.分析表明,该方法不仅保留了原光弹调制偏振测量方法测量精度高等优点,而且调制光电流频率下降了2～3个数量级(10～500 Hz),普通阵列探测器即可实现探测,在高精度偏振成像技术方面具有潜在的应用价值.     

基于BP神经网络的结构光三维视觉检测方法研究

本文基于反向传播神经网络对结构光三维视觉检测方法进行了研究。首先介绍了结构光三维视觉检测原理，并对BP算法的基本原理进行了阐述。在此基础上较详细地提出了用于神经网络训练和测试的样本点的空间坐标和图像坐标的样本数据获取方法以及光电瞄准装置的结构设计，最后利用样本数据对BP神经网络进行了训练和测试，最佳BP神经网络的训练精度为0.085mm，测试精度为0.132mm。     

基于光偏振特性测定烟雾浓度的新方法

基于光偏振特性 ,从理论上分析和实验上验证了载有物像信息的子弹光在烟雾介质中传播时强度的变化规律 ,提出了一种测定烟雾浓度的新方法     

基于灰色BP神经网络的质心数据处理方法

为减小传感器的随机误差对三点支撑小型农业机质心测试系统质心高度数据的影响,同时提高质心高度的测试效率和安全性,对该类测试系统在有限次、小角度条件下测试获得质心高度的数据处理方法进行了研究。提出灰色GM(1,1)模型与BP神经网络相结合的灰色BP神经网络模型的构建方法,采用该方法构建的预测模型,对质心高度测试获得的数据进行处理可以获得较高精度的质心高度数据,并搭建了小型试验台对预测模型进行验证。结果表明,采用该方法构建的质心高度预测模型得到的质心高度数据相对误差为0.759%。     

ANN负荷预测数据样本集产生方法的研究

数据样本集的好坏直接影响着神经网络的训练速度和预测精度.主要研究了人工神经网络(ANN)中长期电力负荷预测中产生样本数据集的两个步骤:变量选择和数据处理.通过对已有的变量选择方法和数据处理方法进行分析对比,得出将样本数据变换至[-0.5,0.5]区间后能够有效地提高预测精度的结论;并引入常规预测方法中的年份预测法(即用年份作为神经网络的输入变量进行预测).通过实际算例计算,证明了分析结论的正确性和神经网络预测中年份预测法的可行性及有效性.     

基于U-net网络的细胞核检测方法

为节省时间和研究人员的精力,采用计算机辅助对细胞或细胞核进行检测.利用卷积神经网络的U-net衍生网络并结合图像处理过程开展对细胞核的检测.研究结果表明,该检测方法的检测精确度为0.82,召回率为0.83,F指标为0.83,具有较好的识别和分割效果.     

模糊神经网络技术在材料加工领域中的应用

介绍一种自适应模糊神经网络，模拟材料加工领域中工艺过程的本构关系，可以对不同的学习样本自动地优化调整模糊规则和模糊隶属函数，详述了在材料加工领域中具体实现模糊神经网络技术的方法，对模糊神经网络建立过程中遇到的一些问题提出了可行的解决方案。     

数控加工铣削试验数据的清洗与处理

样本数据作为神经网络模型训练的导师,其质量直接影响了神经网络的学习能力以及神经网络模型的预测能力。以DMC60H为试验平台,以壳体类铝合金零件加工为研究对象,提取数控铣削加工试验数据;通过对数控铣削参数试验数据的分析与研究,提出了试验数据与样本数据的处理原则,分析了验证数据的构成以及所占数量。实现了样本数据的优化,并同时剔除了样本数据中的错误信息。     

磨削加工参数智能化在线调整方法研究

提出运用神经网络的非线性建模原理和自学习能力，建立影响磨削参数选择的各种因素与磨削参数之间的函数映射关系。据此可以实现初始磨削用量智能化选择目的。将磨削过程智能监测模块检测到的砂轮状态特征信号反馈到神经网络的输入端，根据砂轮钝化程度实现磨削参数的在线智能调整，以减少砂轮钝化对磨削质量的影响，确保加工质量的稳定性。     

神经网络数据融合在车用传感器中的应用

在阐述了神经网络数据融合优势的基础上,分析了将神经网络数据融合应用于汽车传感器的可能性,并以汽车自适应悬架控制系统为例,建立了其BP神经网络模型,通过实验仿真,验证了该方法的可行性。     

基于BP网络的机器人多传感器手爪特征级数据融合

机器人手爪上装有多种传感器。为了保证手爪能完全、可靠地抓取工件，必须对这些传感器的数据进行融合。本文介绍了手爪上传感器的配置情况，进行手爪抓取工件实验，将BP神经元网络应用于传感器的特征级融合，得到手爪抓取工件的准确信息。     

一种火灾图像探测系统的研究

根据火灾发生时着火面积逐渐增大、火焰边缘抖动等特征,提出了一种基于BP网络的火灾图像探测系统。着重讨论了利用具有二次收敛性的Levenberg-Marquardt学习算法进行BP网络的权值优化,与标准BP算法相比,用Levenberg-Marquardt学习算法训练的BP网络具有更快的收敛 速度和更高的可靠性。     

用于宽带光谱滤波的光学衍射神经网络的设计

光谱处理在光学研究和应用中具有重要意义。针对特定任务,已经开发了各种设备和仪器进行光谱的滤波、整形与分析、波长解复用等,但还没有具有先进处理能力的多任务光谱处理设备。设计了一种用于光谱滤波的衍射神经网络,其由相位调制型衍射层与探测层构成。在训练过程中加入了波长参数,以实现对宽带信号的处理;通过损失函数的设计,可以对输出光谱进行控制。以可见光波段的宽带信号为例,实现了单、双通带光谱滤波,且中心波段的宽度和相对强度可调节。证明了该光学衍射神经网络可以有效处理宽带光谱,并为实现更复杂的光谱处理任务奠定了基础。