间歇式沥青拌合机计量、级配微机控制系统设计

结合间歇式沥青拌合机计量、配料系统的设计,阐述了其设计思想和实现的方法。并结合实际应用提出了影响沥青混合料质量因素及解决的办法。     

基于CMOD法的沥青混合料抗裂性能评价方法仿真

为了降低评价结果与实测结果之间的误差,提出基于CMOD法的沥青混合料抗裂性能评价方法。确定沥青混合料配比参数,构建试件有限元计算模型,得到试件的CMOD曲线,将其与有限模型相结合,得到CMOD值;将相应的参数导入虚拟数字试验软件中,确定材料微观结构与力学性能之间的联系;根据沥青性能要求,设定实验环境参数以及抗裂性能评估指标,实现沥青混合料抗裂性能评价。构建仿真环节,实验结果证实,所提方法所得评价结果与实测结果基本一致,具有较高的可信度。     

汉字签名轮廓的快速预处理

分析了手写体签名图象预处理的一般方法。详细地研究了二值化过程与边缘跟踪算法的缺点──二值化过程将引起图象中笔划的断接现象,而通常的跟踪算法无法避免这一缺陷,从而造成检测的象素点不真实,影响了后面的特征提取的工作。为了避免这种问题,本文提出了一种预处理方案,它具有简单、快速的特性,并有着良好的效果,检测出的象素点丰富,有利于模式识别的后期工作。     

沥青混合料含水量集成检测系统设计与研究

为提高路面沥青混合料含水量测量装置精度,简化结构,提出一种1.5 GHz微带环结构的含水量传感器检测系统.因含水量不同,不饱和混合料介电常数变化,导致微带环有效介电常数发生改变,谐振频率偏移.通过谐振频率反演混合料介电常数,建立含水量与有效介电常数的线性关系求得沥青混合料含水量.研究工作包括算法分析、微带环结构设计仿真、系统软硬件集成设计.混合料样本(含水量0 ～ 30％)测试显示测量分辨率≤0.1％,误差≤1％,系统响应时间≤100 ns.这种新型传感器体积小、功耗低、精度高,适合路面测量.     

汉字签名轮廓的快速预处理

本文分析了手写体签名图象预处理的一般化方法。详细地研究了二值化过程与边缘跟踪算法的缺点─二值化过程将引起图象中笔划的断接现象,而通常的跟踪算法无法避免这一缺陷,从而造成检测的象素点不真实;影响了后面的特征提取的工作。为了避免这种问题,本文提出一种预处理方案,它具有简单、快速的特性,并有着良好的效果,检测出的象素点丰富,有利于模式识别的后期工作．     

沥青软化点自动检测装置的设计

介绍了一种沥青软化点自动检测装置的设计方法。以国家标准GB/T4507-84《石油沥青软化点测定法》为依据并结合实际操作的具体情况,提出了自动检测装置的总体设计方案。主要介绍了温度检测通道、光电检测通道和键盘显示等电路的工作原理及部分程序设计思想。     

旋转压实仪参数自整定数字PID控制器的设计

为了使旋转压实仪对高等级公路路面材料一沥青混合料的性能试验达到标准要求,采用理论分析与试验相结合的方法研究了旋转压实仪对沥青混合料试样压实过程中压实力的变化特征,获得了参数自整定压实力数字PID控制器的设计方法和设计参数.在压实过程的初始阶段每转对控制器参数进行自整定,确定了0.25秒的最佳采样频率.根据研究结果设计的数字控制器经过多次实际试验验证,结果表明其达到了标准要求的控制精度.     

卓越性能 赢得客户信任——记VIPAPLC沥青搅拌站应用项目

北京德基机械有限公司（以下简称北京德基）是专门从事沥青混合料搅拌设备的开发研制生产企业，也是国内最早自行研发生产出3000型和4000型大型高档产品的厂家，截至2007年底，北京德基共生产销售高档沥青混合料搅拌设备150余台套，其中70％为高等级公路应用的大型高档间歇式搅拌设备3000型（240t／h）和4000型（320t／h）产品，已成为国内客户公认的搅拌设备专业制造主导厂家之一。     

边缘跟踪算法在沥青改性过程中的应用

普通沥青需加改性剂增加其粘附性 ,提高稳定性和抗压强度。根据改性剂颗粒在沥青图像中的灰度特性及几何特征 ,提出了一种简单、实用、有效的显微镜下沥青图像中改性剂颗粒的识别方法。     

一种基于图像的水位自动测量新方法

河流的水位是非常重要的水文数据。提出了一种新的基于图像的水位自动测量算法,能够精确的检测和定位出水位线。该算法合理运用了形状校正、边缘检测、轮廓跟踪与分析、数字形态学、图像投影等图像处理技术,具有抗噪、抗光照不均、稳定可靠,实时性强、实现简单等优点。该算法实现的水位自动检测系统已经在工程上应用,长期实践表明它是稳定可靠的。     

一种分步式多模态视网膜图像自动配准方法

提出了一种基于视网膜图像特征点可靠提取的算法，在此基础上提出了一种对视网膜图像进行分步式的图像配准方法。首先利用最小二乘法进行快速的粗配，再进一步根据特征点的对应性，利用投影变换模型进行精确配准。与传统方法相比，该方法配准精度高，可以达到亚像素级精度，整个配准过程不需要人工干预。     

基于实体模型的产品形状特征识别

依据实体造型的特点,从模型空间的特征层入手,搜寻模型空间中的简单形状特征,并根据造型特点获取单个特征在零件模型上的几何拓扑关系,从而实现形状特征的自动识别.通过分析特征实体造型,提出一种基于实体模型的产品形状特征识别方法,并结合微波器件产品开发特征参数提取模块,实现复杂零件模型形状特征的自动识别与提取.该方法为快速建立企业零件库提供途径,也为网络环境下的协同设计和数据共享奠定基础.     

赤脚平面足迹自动识别定位算法研究

赤脚平面足迹定位是足迹特征提取、测量及比对的重要基础性工作,它不但影响足迹图像形态特征比对的配准工作以及特征参数提取算法的规则,更主要的是会影响到后续足迹自动识别的一致性定位准确性或精度。文中提出了一种新的赤脚平面足迹定位方法并且给出了相应的程序,从而为赤脚平面足迹自动识别算法研究和程序实现奠定了基础。     

A new feature selection method for Gaussian mixture clustering

With the wide applications of Gaussian mixture clustering, e.g., in semantic video classification [H. Luo, J. Fan, J. Xiao, X. Zhu, Semantic principal video shot classification via mixture Gaussian, in: Proceedings of the 2003 International Conference on Multimedia and Expo, vol. 2, 2003, pp. 189-192], it is a nontrivial task to select the useful features in Gaussian mixture clustering without class labels. This paper, therefore, proposes a new feature selection method, through which not only the most relevant features are identified, but the redundant features are also eliminated so that the smallest relevant feature subset can be found. We integrate this method with our recently proposed Gaussian mixture clustering approach, namely rival penalized expectation-maximization (RPEM) algorithm [Y.M. Cheung, A rival penalized EM algorithm towards maximizing weighted likelihood for density mixture clustering with automatic model selection, in: Proceedings of the 17th International Conference on Pattern Recognition, 2004, pp. 633-636; Y.M. Cheung, Maximum weighted likelihood via rival penalized EM for density mixture clustering with automatic model selection, IEEE Trans. Knowl. Data Eng. 17(6) (2005) 750-761], which is able to determine the number of components (i.e., the model order selection) in a Gaussian mixture automatically. Subsequently, the data clustering, model selection, and the feature selection are all performed in a single learning process. Experimental results have shown the efficacy of the proposed approach.     

基于决策树的面向对象变化信息自动提取研究

为了从不同时相的遥感影像数据中自动提取变化信息且保证其效率,本文结合面向对象分析技术,提出了一种基于决策树变化信息自动提取的新方法。该方法利用影像的特征指数及形状特征、光谱特征、纹理特征等作为特征集,将其作为知识库应用到决策树控制模型中,进而利用该模型实现自动分类。对所得到的分类后影像对象,组织分析其综合属性并作为决策规则再次分类,通过"双重分类"的方式实现面向对象的遥感影像变化信息自动提取。该方法为遥感影像变化信息自动提取提供了新的思路。     

B-Rep model simplification by automatic fillet/round suppressing for efficient automatic feature recognition

The CAD models of real-world mechanical parts usually have many fillets and rounds that are essentially important to ensure the manufacturability and assembability. In feature-based modeling, fillets and rounds are often referred as secondary features that are used to modify the local details of the primary features such as holes, slots and pockets. Although the major shape of the primary features may not be affected, fillets and rounds can greatly change the geometric and topological patterns of the primary features. The geometric and topological variations can result in inefficient feature semantics classification in feature recognition. When feature interactions occur, it may become even worse to identify the regular patterns of the primary features. In addition, the fillets and rounds consist of no-linear surfaces such as cylindrical surfaces, spherical surfaces and toroidal surfaces, which bring the difficulties in volumetric feature extraction by half-space partition. In order to facilitate volumetric feature extraction and feature semantics classification, we pre-process the input B-Rep models by suppressing fillets and rounds before the feature recognition. Thus the input B-Rep models can be simplified without altering the major shapes of primary features, the targets of the feature recognition. The B-Rep simplification can be viewed as the reverse process of the edge blending in feature-based design. In this paper, several issues on fillet/round suppressing are discussed and a relatively general and robust approach is proposed to suppress blendings in B-Rep models of mechanical parts before the surface feature recognition and volumetric feature extraction.     

基于独立分量聚类分析的诱发脑电特征提取技术

发展了一种独立分量聚类分析的诱发脑电特征提取方法,利用诱发成分较强的序间相似性,使用Infomax结合K均值算法对脑电信号中的诱发成分进行分类和提取.该方法可以克服传统独立分量分解方法中诱发分量识别的困难,适用于重复刺激诱发脑电的高维数据自动分析处理.将该方法用于上肢想像动作任务的诱发脑电数据分析,结果显示该方法可以有效剥离背景噪声和提取诱发分量,使得信号的费雪可分性得到显著提升,进而获得更好的识别效果.研究结果表明独立分量自动聚类技术适用于认知行为脑电信号的分析,值得进一步研究.     

虹膜识别中几种特征提取方法的比较研究

虹膜识别是一种新颖的基于生物特征的身份鉴别方法,在信息及安全领域有着重要的应用价值;特征抽取与选择是模式识别的核心技术之一,因此在虹膜识别系统中起着举足轻重的作用;文中讨论了几种虹膜的特征提取方法,介绍了各自的产生背景、实现方法和应用情况,在此基础上做了简要地比较,为特定应用场合下选择适合的虹膜特征提取方法作参考,并为虹膜识别系统中下面的分类识别和特征匹配工作做准备.     

基于改进希尔伯特黄变换的电机故障特征提取方法研究

电机的故障特征信号一般为非平稳信号,而基于线性、平稳假定的传统故障特征提取方法不能准确提取非平稳信号的时频变化特征,针对这一问题,本文采用了更适于分析非线性非平稳信号的希尔伯特-黄变换（HHT）,提出了结合集合经验模态分解（EEMD）与灰色关联度的方法进行电机故障特征提取,验证了EEMD抑制模态混叠问题的可行性以及灰色关联度方法识别虚假分量的有效性。并进一步对实际电机故障信号实验分析,利用BP人工神经网络对提取的特征向量进行故障识别,证明了该方法可以有效提高电机故障特征提取的准确性。