基于神经网络的不均匀光照下围棋识别方法

针对围棋机器人系统中光照不均匀造成的棋子识别误差问题,提出了基于神经网络的不均匀光照下围棋棋子识别方法。首先,利用边缘检测算法确定棋盘位置;其次,利用阈值分割法检测出棋盘四个标定点的坐标,并通过透视变换矩阵转换为标准棋盘图像;然后,基于多层感知器搭建神经网络模型,并训练出分类器;最后,将标准棋盘图像利用分类器进行棋子分类,并输出识别结果。所提方法在强光、室内灯光、暗光三种光照不均匀情况下对围棋棋子的平均识别准确率可达到98%以上,实验结果验证了该方法的有效性。     

基层畜牧防疫工作的现状与分析

基层畜牧防疫是畜牧防疫服务的基础和前沿。通过实际调查分析发现,当前怀仁地区畜禽防疫工作仍存在一系列问题,例如防疫设施落后、防疫力量不足等。因此,积极采取有效措施解决现存问题成为工作的重点。文章分析了当前基层畜禽防疫工作现状,探讨了提升基层畜禽防疫工作水平的对策。     

红外隐身涂层的研究进展

红外隐身技术在军事应用中显得十分重要,而涂层材料则是隐身技术中的一个关键方面。首先从斯蒂芬一玻尔兹曼定律和基尔霍夫定律出发,分析了红外隐身的基本原理,介绍了红外隐身涂层的分类情况,说明了其组成中不同因素的影响作用并得出了低红外发射率涂层的理想结构。然后分类别地介绍了红外隐身材料的研究进展,并进一步预测了其发展趋势。未来的研究将主要包括两个方面：一是研制新的隐身材料;二是寻求各种隐身技术的兼容。     

基于神经网络的迟滞非线性补偿控制

提出了一种基于神经网络的迟滞非线性的补偿方法.首先构造一个Duhem逆算子来描述迟滞逆状态.然后利用神经网络来逼近此状态和输出之间的关系来得到神经网络迟滞逆模型,神经网络权值采用反馈误差学习方法来进行在线调整.系统的前馈控制器和反馈控制器分别为逆模型和PID控制器.该方法不需要建立迟滞的正模型,能够在线构造逆模型来实现迟滞补偿.最后通过仿真验证了该方法的有效性.     

基于压电驱动器的Stewart微动平台迟滞补偿和解耦控制研究

针对基于压电驱动器驱动的Stewart微动平台同时存在强耦合性和迟滞特性的问题,对Stewart微动平台的耦合特性和迟滞特性进行了研究.对耦合特性与迟滞特性的特点进行了归纳,提出了一种基于迟滞补偿和输入端解耦的控制方式,建立了数学模型,并设计了控制器;先通过旋转变换矩阵进行了位姿反解,得出了Stewart平台各支腿长度...     

对迟滞三明治系统基于Duhem算子的自适应控制

对具有迟滞非线性的三明治系统,设计了基于Duhem算子的神经网络自适应控制器.首先对前端动态子系统进行近似补偿;然后用Duhem算子描述所提出的迟滞状态,用神经网络逼近迟滞状态与迟滞输出的关系,实现对迟滞非线性的建模.基于该迟滞模型并采用伪控制技术设计神经网络自适应控制器,通过Lyapunov方法证明了系统的稳定性,并推导出神经网络的权值自适应调整律和控制律.最后通过仿真验证了该方案的有效性.     

基于Elman神经网络的Stewart平台位姿正解

Stewart平台广泛应用于运动模拟器、光学、精密定位等领域,然而由于复杂的多元非线性使得位姿正解难以准确得到.针对Stewart平台的位姿正解问题,常规的方法比如迭代法和数值法存在初始值难以选取、计算速度较慢等问题,提出了基于Elman神经网络的位姿正解方法.首先建立Stewart平台支腿长度与平台位姿的运动学模型,...     

压电驱动器迟滞特性的类Hammerstein模型

压电驱动器中迟滞特性会影响微操作系统的定位精度。为了消除迟滞对系统的不良影响,该文提出了类Hammerstein模型来描述压电驱动器的迟滞特性。首先,提出了改进迟滞算子(MDHO),在算子中增加偏置、死区宽度、斜率调整滞环的高度和宽度,体现迟滞的非对称性和速率相关性;然后,利用改进迟滞算子加权叠加表示静态非线性部分,迟滞算子的参数和权重可以在线调整来适应外界条件的变化,利用输入自回归模型表示动态线性部分,建立了可以描述压电驱动器速率相关迟滞特性的类Hammerstein模型;最后,依次通过最小二乘法、矩阵扩围、矩阵奇异值分解对模型中的参数进行辨识,并证明了所辨识的参数是无偏估计。研究结果表明所提出的建模方法是有效的。