烫印过程常见故障及排除方法

100多年前,大部分金属效果的装饰均采用真金箔装饰,但由于价格问题,逐渐由电化铝取而代之,因为烫印电化铝既美观又经济,而且能打开装饰品的销路,所以,今天几乎所有的行业都热衷于烫印箔电化铝的应用。     

基于锚点的快速三维手部关键点检测算法

在人机协作任务中,手部关键点检测为机械臂提供目标点坐标,A2J(Anchor-to-Joint)是具有代表性的一种利用锚点进行关键点检测的方法。A2J以深度图为输入,可实现较好的检测效果,但对全局特征获取能力不足。文中设计了全局-局部特征融合模块(Global-Local Feature Fusion, GLFF)对骨干网络浅层和深层的特征进行融合。为了提升检测速度,文中将A2J的骨干网络替换为ShuffleNetv2并对其进行改造,用5×5深度可分离卷积替换3×3深度可分离卷积,增大感受野,有效提升了骨干网络对全局特征的提取能力。文中在锚点权重估计分支引入高效通道注意力模块(Efficient Channel Attention, ECA),提升了网络对重要锚点的关注度。在主流数据集ICVL和NYU上进行的训练和测试结果表明,相比于A2J,文中所提方法的平均误差分别降低了0.09 mm和0.15 mm。在GTX1080Ti显卡上实现了151 frame·s^-1的检测速率,满足人机协作任务对于实时性的要求。     

基于区域提案孪生网络的优化目标跟踪算法

为了更好地对目标的尺度进行实时估计,避免多尺度测试及提高目标跟踪的速度和精度,提出了一种新的优化目标跟踪算法。通过将跟踪效果比较好的区域提案网络引入普通的孪生网络,并在算法中引进条形池化模块和高效通道注意力模块,应对物体的尺度差异和跟踪过程中较为剧烈的形变。提出的算法在OTB100数据集上取得了0.833的准确度和0....     

一种用于动作识别的双分支网络

动作识别是计算机视觉领域的一项重要任务,主要有基于RGB视频和人体骨架两种数据模态的领域,主流方法分别是3D卷积神经网络和图卷积神经网络。针对视频和人体骨架两种数据模态的不同特点,设计了双分支网络分别对两种数据模态进行建模。对于人体骨架数据,基于自注意力机制设计了图卷积神经网络,该算法能在基于骨架的动作识别任务中达到先进的性能。对于视频数据,采用3D卷积网络进行特征提取。同时,利用深监督方法对两种数据模态的中间特征进行监督,提高两种数据特征的耦合度,进一步提高网络效率。这种算法的网络结构简单,在NTU-RGBD60(CS)数据集上仅用3.37×10⁷的参数量可达到95.6%的精度。     

聚甲氧基二甲醚合成反应动力学研究进展

聚甲氧基二甲醚（PODE_n）作为一种潜在的柴油调和组分,能够有效减少柴油燃烧不充分所带来的污染排放。但是,由于反应器放大设计和操作存在技术瓶颈,现阶段国内外尚无达到规模化生产的运行装置。本文以反应器的模型化设计为最终目标,介绍了不同PODE_n合成工艺的反应动力学研究现状,总结了合成工艺中亟待解决的问题。分析表明,水对反应速率存在影响并且改变PODE_n的产品分布,而以甲缩醛为端基源的反应在无水参与下副产物少,不仅降低产品的分离难度,还可极大简化动力学模型。同时,简述了合成反应链增长机制的研究进展,指出在未来研究中探明PODE_n合成反应机理对普适动力学模型的建立至关重要,从而应用于工艺优化和反应器放大设计。     

基于注意力模型的人脸关键点检测算法

人脸关键点定位因受到表情、光照、姿态等的影响,常常会出现大的误差。为了准确地定位到人脸的关键点,提出了一种基于注意力模型的人脸关键点检测算法。先是利用可变型模型(DPM)算法检测出图片中的人脸区域,然后结合残差网络(ResNet)和收缩激励网络(SeNet)对该区域进行人脸关键点定位。实验结果表明,该算法在人脸数据集上获得了较高的准确率,证明了该算法的有效性。     

基于深度残差网络的多人姿态估计

为了提高人体姿态估计的准确度和检测速度,提出了一种基于深度残差网络的多人姿态估计算法。首先使用现有的先进目标检测算法检测出人体位置,再在人体边界框内作单人姿态估计。对现有模型的残差块进行改造, 降低了模型的参数量,加入多尺度监督模块和多尺度回归模块辅助训练,提高了模型的学习效率,并采用新的坐标提取方法进一步提高了模型的...     

永磁同步电机系统混沌状态的主动控制

针对永磁同步电动机混沌系统的有限时间稳定控制问题,提出一种动态有源补偿的主动控制方法,使闭环系统达到近似有限时间稳定控制。首先对永磁同步电动机的数学模型进行分岔和混沌分析,判断系统进入混沌状态的条件。然后针对系统存在的混沌,通过引入奇异摄动性理论,详细地分析了闭环系统近似有限时间稳定性,提出主动控制方法,有效的解决了系统的不确定性。仿真结果表明控制方法的有效性。     

基于人工鱼群算法的分数阶PIλ控制器参数整定

针对分数阶Piλ控制器的参数整定,提出图像法和人工鱼群优化算法相结合的方法来对分数阶Piλ控制器进行参数整定。分别以一阶系统和二阶系统来模拟典型的速度伺服系统,以此模型为被控对象进行分数阶Piλ控制器的设计,首先在频域内,根据系统的相对稳定性和增益变化的鲁棒性等条件,推导出方程式;然后根据图像法解出分数阶Piλ控制器的参数,以解出的参数为中心位置,指定寻优的范围,进而用人工鱼群算法对其周围进行寻优。最后进行仿真研究,通过仿真可以看出,通过人工鱼群算法寻优得到的控制器,比单纯用图像法得到分数阶Piλ控制器能使系统具有更好的动态响应特性,并且满足增益变化鲁棒性的条件。