人工神经网络在传感器非线性校正上的应用

讨论了利用人工神经网络对浓度传感器进行非线性较正的原理以及神经网络权值的调整算法,并利用VB编程语言设计了非线性正参数的计算程序。     

图像分割技术综述

图像分割是图像处理领域的重点和难点,是从图像处理到图像分析的关键技术,是许多智能化图像分析系统中不可或缺的一步。本文主要从静止图像和运动图像两方面对图像分割的算法加以概括总结,指出图像分割技术在抗干扰性、鲁棒性、实时性和自适应性等方面的发展变化,并简要介绍近几年图像分割中的新方法,如支持向量机(SVM)方法和贝叶斯(Bayesian)决策理论,最后对图像分割技术的发展作出总结和展望。     

感应型磁悬浮电动机的解耦控制

对双定子绕组感应型磁悬浮电动机进行了研究。针对系统具有多变量、强耦合、非线性的特点 ,应用多变量非线性控制的逆系统理论 ,通过状态反馈线性化方法 ,设计出非线性控制器 ,经过该非线性控制器的补偿 ,将原非线性强耦合的多变量系统解耦并线性化 ,成为转速、转子磁链及转子位置等彼此无耦合的线性子系统。最后 ,应用线性系统理论对这些线性子系统进行综合。计算机仿真表明 ,系统具有良好的静、动态性能。     

机器视觉中角点检测算法研究

角点检测是运动检测、图像匹配、视频跟踪、三维重建和目标识别等必不可少的关键步骤,角点检测的准确性直接影响实验结果。为了更好地了解角点检测技术的发展现状,根据三种现有的角点检测方法分类对角点检测方法及相关改进进行了总结分析,并选择了FAST、SUSAN、SIFT、Shi-Tomas这几种较为典型的角点检测算法进行了实验对比,并给出了实验结果。不同的实际应用对角点检测的要求不同,不同的角点检测算法也可以相互结合,通过对现有角点检测技术的总结分析为在实际应用中对角点检测技术的选择和改进方向提供了借鉴和参考。     

超高速同步摄影机驱动系统的研究

研究了由磁悬浮电动机驱动的超高速同步摄影机调速系统.针对系统的非线性和强耦合特性,应用多变量非线性解耦控制理论,将系统解耦为转矩子系统和径向力子系统,通过综合,使得这两个线性子系统具有满意的动态响应,实现了转子的自悬浮,并具有极高的转速,能够满足高性能超高速同步摄影机的驱动要求.     

超高速同步摄影机驱动系统的研究

研究了由磁悬浮电动机驱动的超高速同步摄影机调速系统。针对系统的非线性和强耦合特性,应用多变量非线性解耦控制理论,将系统解耦为转矩子系统和径向力子系统,通过综合,使得这两个线性子系统具有满意的动态响应,实现了转子的自悬浮,并具有极高的转速,能够满足高性能超高速同步摄影机的驱动要求。     

基于多层次信息融合的多跳机器阅读理解

以往机器阅读理解模型中存在文本特征提取单一, 文本和问题的交互信息不全面等问题, 导致模型不能充分对文本进行理解, 本文提出了一种多层次信息融合的机器阅读理解模型. 通过在不同位置使用不同方法, 对文本信息进行多种层次的获取. 使用膨胀卷积网络捕捉文本的全局信息, 采用双向注意力机制和自注意力机制融合文本和问题之间的交互信息, 通过指针网络预测答案及其对应的支撑句. 该模型在CAIL2019和CAIL2020阅读理解数据集上训练的联合F1值分别达到50.09%和58.44%, 相比于其他基线模型取得了明显的性能提升.     

基于YOLOv5和FCN-DenseNet水下图像多目标语义分割算法

带视觉系统的水下机器人作业离不开对水下目标准确的分割,但水下环境复杂,场景感知精度和识别精度不高等问题会严重影响目标分割算法的性能.针对此问题本文提出了一种综合YOLOv5和FCN-DenseNet的多目标分割算法.本算法以FCN-DenseNet算法为主要分割框架, YOLOv5算法为目标检测框架.采用YOLOv5算法检测出每个种类目标所在位置;然后输入针对不同类别的FCN-DenseNet语义分割网络,实现多分支单目标语义分割,最后融合分割结果实现多目标语义分割.此外,本文在Kaggle竞赛平台上的海底图片数据集上将所提算法与PSPNet算法和FCN-DenseNet算法两种经典的语义分割算法进行了实验对比.结果表明本文所提的多目标图像语义分割算法与PSPNet算法相比,在MIoU和IoU指标上分别提高了14.9%和11.6%;与FCN-DenseNet算法在MIoU和IoU指标上分别提高了8%和7.7%,更适合于水下图像分割.     

基于改进MDNet的视频目标跟踪算法

目标跟踪算法面对的突出问题之一是正负样本不均衡, 正样本极度相似. 针对跟踪更新过程中正样本不丰富的问题, 本文基于多域卷积神经网络(MDNet)算法, 提出了一种改进MDNet的视频目标跟踪算法, 首先改进原算法中候选框的选取策略, 提出了一种基于候选框置信度与坐标方差阈值判断相结合的模型更新方法, 其次将原算法的交叉熵损失函数改进为效果更好的focal loss损失函数. 实验结果表明在相同实验环境下本文算法相较于MDNet算法在跟踪准确率和成功率上均有明显提高.     

双塔结合部楼面的结构设计

双塔结合部的楼板受力十分复杂。本文介绍就试用两种不同的梁，板的横截面比值进行结构动力分析的结果，初探双塔结合部梁，桥的受力状况的结果。并结合实际工程进行工程设计的情况。