无刷直流电动机模糊自适应PID控制策略的仿真研究

在无刷直流电动机控制系统中,如何提高系统的控制精度、稳定性及鲁棒性备受关注。当无刷直流电动机系统的负载或参数发生变化时,传统的PID控制策略很难达到预期的效果。文章基于模糊控制理论,建立了模糊推理规则表,设计了模糊控制器和模糊自适应PID控制器,并对模糊自适应PID控制策略在无刷直流电动机系统中的应用进行了仿真研究。仿真结果表明,模糊自适应PID控制策略能加快无刷直流电动机系统的响应速度,并具有较强的鲁棒性。     

基于最近邻搜索耦合近邻损耗聚类的图像伪造检测算法

目的为了解决当前图像伪造检测算法在对图像进行伪造检测时,主要依靠全局搜索的方式来完成特征点匹配,导致其检测效率较低,且在对复杂伪造图像进行检测时,易出现检测精度不高和检测错误的不足。方法提出基于最近邻搜索耦合近邻损耗聚类的图像伪造检测算法。首先引入积分图像的方法,对图像进行预处理,借助Hessian矩阵行列式来提取特征点。利用特征点构建圆形区域,通过求取圆形区域内Haar小波响应获取特征点的特征描述符。然后通过特征描述符建立KD树索引,利用最近邻搜索方法代替SURF中全局搜索的方法,对SURF进行改进,完成特征点的匹配。最后,利用特征点间的近邻关系求取近邻函数值,通过近邻函数值对特征点进行聚类,完成图像的伪造检测。结果实验结果显示,与当前图像伪造检测算法相比,所提算法具有更高的检测效率以及更高的检测正确度。结论所提算法具备较高的检测精度,在印刷防伪与信息安全等领域具有较好的应用价值。     

CMAC神经网络与PID复合控制的应用研究

阐述了CMAC神经网络的基本原理,并结合PID控制的特点,将CMAC神经网络与PID复合控制算法应用在工业领域的温度控制系统中,并同传统的Zieglar-Nichols阶跃响应法及单纯形算法作了比较。仿真结果表明:该复合控制算法具有较高的控制精度及良好的控制效果。     

基于多尺度融合CNNs特征和Transformer特征的显著目标检测

提出了一种融合深度神经网络和Transformer特征的多尺度结构,目的在于解决在同一场景下出现尺寸不同的目标时,显著目标检测网络性能下降的问题。当处理不同尺度的物体时,由于采样深度和感受野尺寸之间的矛盾,现有方法的表现往往不稳定。为了应对这一挑战,采取了3种不同的采样率对特征图进行采样,并使用Transformer模块来学习全局上下文信息。这种方法可以将卷积神经网络(CNNs)和Transformer两种网络的特性进行有效融合,从而创新性地提出了一种针对多尺度物体的显著目标检测策略。在UHRSD-TE,DUT-OMRON和DUTS-TE 3个公开数据集上的实验结果证明,该方法在处理同一场景下不同尺寸物体的显著目标检测任务上表现优秀。     

地球化学信息挖掘在云南易门铜矿区找矿预测中的应用

以云南易门铜矿区及其外围为研究区,对不同时代地层中12种微量元素的地球化学分布特征、水系沉积物中微量元素的空间分布特征以及地球化学指标与成矿的关系进行了分析。依据地球化学信息挖掘理论,采用微量元素主成分因子-泛克里格模型、三维化探异常可视化分析,以及基于GIS的多元信息预测等方法,对地学数据进行了信息的挖掘与提取,建立了基于GIS的地球化学综合找矿模型。通过对地球化学弱异常信息增强和基于地球化学综合指标的成矿预测,圈定了9个找矿远景区及17个找矿靶区,取得了较好的找矿效果。