BP神经网络用于大视场显示设备的畸变校正

大视场光电成像显示设备中会出现光学系统引起的图像几何畸变现象。为了提高显示设备畸变校正效果,并克服传统BP算法存在局部极小点、收敛速度慢等缺点,采用了基于优化理论的LM算法来改进传统BP神经网络算法。提出一种含有双层隐含层的BP神经网络畸变校正方法,可在不确知畸变数学模型情况下,实现自适应地建立畸变图像与原始图像之间的高精度映射关系。在Matlab平台上进行算法的深入分析和比较。仿真结果表明,双隐含层BP神经网络算法易于实现、数据处理能力强、校正精度高。与多项式拟合方法的畸变校正模型相比,基于双隐含层BP神经网络算法的畸变校正模型的各项精度指标提升显著。     

基于虚拟仪器的微小位移测量装置设计

针对"测试技术"课程实验教学的需要,开发了基于虚拟仪器技术的微小位移测量的实验装置,它利用LabVIEW软件驱动USB摄像头完成图像采集,IMAQ Vision Assistant软件对采集的原始图像进行图像预处理和二值化处理以提取微小位移的区域,并精确地计算此区域的质心像素坐标.同时,采用BP神经网络优化模型以消除摄像头与被测物体距离对测量结果的交叉敏感影响.最后,通过LabVIEW网络通信技术实现远程网络的微小位移的测量.教学实践证明这一装置是一个应用研究的良好实验平台.     

激光照射系统远距离动态指示精度的测量方法

为了满足实际工程应用对激光照射系统动态指示精度的高精度测量需求,提出一种无参考距离的双透视校正激光远场动态指示精度测量方法。采用同轴异源的设计方法,用可见光和近红外相机分别对靶板和光斑进行成像,通过室内标定获得双成像系统的配准矩阵,在外场测试中根据靶板合作目标获得可见光图像透视校正矩阵,结合两个矩阵推导出双透视校正矩阵,实现激光动态指示精度的测量。室内标定和室外动态指示精度测量实验的结果表明:双成像系统的图像配准标准误差为0.94 mm,动态指示精度的平均误差为2.45 mm,标准差为9.90 mm,可见所提系统可用于激光照射系统指示性能的室外考评。     

双平面法标定的双目视觉三维测量系统

针对传统摄像机标定过程复杂、三维测量精度不高的问题,提出了一种基于投影直线相交的双目视觉三维测量方法,并给出了基于神经网络的标定方法。根据摄像机成像特点,利用双标定平面上的点求取投影直线方程;针对摄像机成像复杂的畸变模型,利用BP神经网络对复杂非线性映射关系的强大逼近能力,对左右两台摄像机于远近标定平面处分别进行隐式标定,得到图像像素坐标到平面模板二维物理坐标的映射关系;设计制作了试验平台,采用手工辅助的方法获得网格模板训练样本。此标定方法完全适用于大视场、近距离、高精度的双目视觉传感器。试验结果表明,系统对空间已知长度的测量结果误差约为0.109 mm,测量精度较高。     

基于组合特征图案的单目视觉三维振动测量

针对结构三维振动同步测量问题,提出一种基于组合特征图案的单目视觉三维振动测量方法.组合特征图案由圆形图案和正弦条纹图案组成并喷涂或粘贴于待测结构表面,采用单目相机对该组合特征图案进行连续成像.运用图像重心算法提取圆形特征的重心坐标,求出结构平行于成像平面的二维振动信息,再运用能量重心频谱校正算法提取中心位置正弦条纹的密度信息,据此求出垂直于成像平面的振动信息,从而实现结构三维振动的同步测量.通过模拟仿真分析了图像噪声、成像分辨率、图案动态特征提取算法对测量性能的影响.对悬臂梁在脉冲激励下的空间自由振动进行实验测量,并与Hough变换圆检测算法的提取信号进行对比,结果表明该方法能够对结构三维振动位移信息进行高精度的同步测量.     

数字激光散斑的L型梯度位移检测法

利用数字激光散斑图像测量物体的形变和微小位移是一种新兴的非接触测量方法,为提高这种测量方法的速度及精度,提出一种针对数字散斑图像的L型梯度位移检测法.该方法将现有的梯度算法扩展到二维空间并做变形,对散斑图像进行梯度运算,测量出位移.大量实验证明,上述算法可行,能够精确测出微小位移,且运算速度较快.     

压电换能器长度位移测量的一种新方法

针对合成孔径激光雷达光源调腔用压电换能器(PZT)长度位移进行高精度测量的需要,提出一种基于干涉图像灰度最佳估计的双光束干涉测量方法.通过合理设计算法,理论上测量分辨率能够达到光源激光器波长的1/1024;实验上对一管型PZT的长度位移进行了测量,精度达到10 nm量级.     

采用条纹管激光成像系统的偏振成像实验

采用条纹管激光成像系统的激光偏振成像是对现有的条纹管激光三维成像的进一步延伸,如果在充分利用该成像系统获得的强度像和距离像的基础上,再加上偏振信息,则能实现对目标高精度的探测和识别.对采用条纹管的激光偏振成像进行了初步的实验研究,提出了两次测量的偏振成像实验方法,处理了实验中获得的几种特定目标的条纹图像,得到了目标的强度像和偏振度图像,并进行了比较.结果表明:偏振度图像比强度像对比度高,克服了光源辐照不均匀的缺点.证实了偏振成像的可行性,为完善成像实验系统,提出了用一次测量就能完成偏振成像的实验方法,融合强度像和偏振度图像的处理方法将实现对目标更高精度的探测.     

基于CCD的中远距离位移测量方法的研究

自从非接触测量受关注以来,基于激光和超声波的测量技术是最常用的方法。但是基于激光和超声波的测量方法的测量精度在很大程度上依赖于被测物表面的反射能力,如果测量表面不理想,那么测量系统通常会表现很差。本文基于数字图像处理技术,提出了以图像像素数来计算被测目标位移的图像测量方法,并分别对测量距离与所选参考点间距对测量精度的影响进行了分析。     

基于双光纤耦合的微深孔测量方法

为了解决微深孔的精密测量问题,介绍了一种基于双光纤耦合原理的微深孔测量方法.该方法属于瞄准触发式测量方法,通过双光纤耦合器及显微物镜将光纤传感器触测头在微深孔内的微小位移量转变为CCD图像捕捉系统的横向位移量,利用图像空间定位算法得到CCD上的光斑中心位置.由CCD上光斑能量中心位置与传感器触测点在空间位置的一一对应关系即可得出传感器触测头在孔内部与孔壁的接触状况,从而实现对被测孔测量时的高精度瞄准.光纤传感器瞄准后将发出信号给测量长装置,如双频激光干涉仪,以实现对微深孔的精密测量.最后运用该方法对直径为0.2 mm、深2.0 mm深盲孔的直径进行了测量,其测量结果的重复不确定度优于0.4 μm.同时运用该方法对直径为0.3 mm、深110 mm的微深孔的圆柱度进行了测量.     

基于进化神经网络的激光熔覆层质量预测

为了有效地控制激光熔覆层质量,采用反向传播(BP)算法建立了激光熔覆层质量(熔覆层宽度、熔覆层深度和稀释率)随激光功率、光斑直径和扫描速度变化的进化神经网络预测模型。针对BP算法存在收敛速度慢、容易陷入局部极小值及全局搜索能力弱等缺陷,采用遗传算法训练BP神经网络,取代了一些传统的学习算法,设计了基于进化神经网络的学习算法。经过理论分析和实验验证,在神经网络的输出端得到期望的线性输出,并在训练样本之外,选取了5组工艺参数检验神经网络模型的可靠性,预测结果与相应的实验结果的最大相对误差为2.14%。结果表明,运用该模型可以方便、准确地选择激光工艺参数,提高激光熔覆层的加工质量。     

压电叠堆作动器率相关迟滞非线性建模研究

针对压电叠堆作动器的率相关迟滞非线性特性,该文提出了一种基于asymmetric unilateral backlash(aubacklash)算子的BP神经网络率相关迟滞建模方法。首先提出了改进的aubacklash算子,改善了Prandtl-Ishlinskii(PI)模型backlash算子在原点处残余位移及严格中心对称的问题;其次分析了压电叠堆作动器迟滞的率相关记忆特性,提出了率相关BP神经网络迟滞模型;最后搭建了迟滞建模精度评估系统,采用Levenberg-Marquardt(L-M)算法辨识aubacklash算子模型参数,确定了BP神经网络模型最优结构参数。实验结果表明,在高、低单一频率及混合频率下,BP神经网络模型较PI模型均方误差降低了70.90%～89.98%,相对误差降低了70.69%～89.84%,验证了该模型的精度与频率适应性。     

改进混沌搜索的AMPSO-BP激光铣削质量预测

为了更好地控制激光铣削的质量,建立了激光铣削质量和铣削层参数的神经网络模型。针对神经网络易陷入局部极小值的缺点,提出混沌搜索的自适应变异粒子群优化算法(AMPSO)获得神经网络最佳参数,建立了AMPSO-BP激光铣削质量预测模型。最后以某种材料的激光铣削质量预测为例,将文中所提算法与PSO-BP、BP神经网络预测结果相比,结果表明所提方法有很高预测精度且预测误差明显减小,在实际中有一定应用价值。     

土壤压实度的激光图像无损检测方法

为了实现土壤压实度检测,建立了土壤压实度的激光图像测量系统。首先采集土壤激光图像,并采用4邻域平均法对其平滑去噪;其次,采用Canny算法提取出激光图像中的激光光斑;然后选择含水量、激光光斑半径、吸收系数和散射系数作为分类器的输入特征参数;最后,利用反向传播(BP)神经网络预测压实度。实验结果表明,BP神经网络经过11次学习后,达到测量精确度的要求;与环刀法实际测量值相比较,平均绝对和相对误差在2%左右。因此,本文测量系统的检测精确度满足土壤压实度的检测要求。     

基于包容性检验和神经网络的网络流量预测模型

网络流量具有高度复杂的非线性特征,采用单一预测模型往往难以达到理想的预测效果,为此,提出一种包容性检验和BP神经网络相融合的网络流量预测模型（ET-BPNN）。首先采用多个单一模型对网络流量进行预测,然后通过包容性检验,根据t统计量检验选择最合适的基本模型,最后采用BP神经网络对基本模型预测结果进行组合得到最终预测结果。实验结果表明,相对于单一模型以及传统组合模型,ET-BPNN更加准确刻画了网络流量变化趋势,各项评价指标均达到更优,为实现网络流量准确预测提供了更为科学的方法。     

三维激光扫描技术下杂散光大数据预处理系统设计

杂散光的产生会降低图像对比度与信噪比,影响扫描测量结果准确性,基于此,提出三维激光扫描技术下杂散光大数据预处理系统.通过三维激光扫描系统原理与工作流程,分析杂散光点源透射比、双向散射分布函数与基本传输方程,建立6种杂散光传输路径模式;利用小数定标规范方法对三维激光数据做规范化处理,确定神经网络模型,将最速下降BP算法作...     

粒子群优化BP神经网络的激光铣削质量预测模型

为了有效地控制激光铣削层质量,建立了激光铣削层质量（铣削层宽度、铣削层深度）与铣削层参数（激光功率、扫描速度和离焦量）的BP神经网络预测模型。采用粒子群算法优化了BP神经网络的权值和阈值,构建了基于粒子群神经网络的质量预测模型。所提出的PSO-BP算法解决了一般BP算法迭代速度慢,且易出现局部最优的问题,并以Al2O3陶瓷激光铣削质量预测为例,进行算法实现。仿真结果表明:提出的PSO-BP算法迭代次数大大减少,且预测误差明显减少。所构建的质量预测模型具有较高的预测精度和实用价值。     

基于LSTM神经网络的压电执行器位移迟滞建模

该文搭建迟滞测量实验平台,测量一种用于LED晶圆检测压电执行器的迟滞效应,设计了一种基于长短期记忆(LSTM)神经网络的压电迟滞模型,使用时间序列预测法对压电执行器位移迟滞效应建模。将该模型与传统的Prandtl-Ishlinskii(PI)模型进行对比。实验结果表明,神经网络模型具有较好、较广泛的迟滞建模效果,对于正弦波,位移预测精度保证小于2%;对于衰减正弦波,位移预测精度可保证小于3%。较高的模型预测精度为使用压电执行器进行LED晶圆检测提供了依据。     

基于遗传算法优化神经网络的藻类繁殖状态软测量方法

为了提高BP神经网络模型对海洋藻类生长状态软测量的准确性,提出了一种基于遗传优化算法优化BP神经网络的软测量方法.利用遗传算法优化BP神经网络的权值和阈值,然后训练BP神经网络预测模型以求得最优解,再将该预测结果与传统BP网络预测模型的预测结果进行对比.对仿真结果进行有效性验证后,结果表明,通过这种软测量方法,经遗传算法优化后的BP神经网络可以在更短的时间里创造更高的预测准确性,大大提高了对海洋藻类生长状态预测的效率.     

基于BP-MC模型的大型机电设备备件需求预测研究

针对大型机电设备备件需求具有非线性和随机波动性的特点,建立基于马尔科夫链修正的BP神经网络预测模型．以提高模型的预测精度。通过对训练样本的学习,利用BP神经网络实现了对备件需求时间序列的滚动预测,同时得到了实测值与预测值的相对误差;在此基础上利用马尔科夫链对相对误差进行修正,有效地提高了预测结果的精度。并将该模型应用于实际预测中,结果表明该模型优于BP神经网络单项预测模型,具有精度高、科学可靠的特点,为大型机电设备备件需求预测提供了新的途径。