基于HAAR特征与BP神经网络的车牌识别技术研究

车牌识别技术运用OpenCV计算机开源机器视觉库,对图像进行处理提取出图像中蕴含的车牌信息,达到车牌识别的目的。通过运用HAAR特征,训练出AdaBoost分类器查找图片中的车牌区域,同时运用Sobel算子进行边缘检测等操作查找车牌区域,最终运用支持向量机（SVM）算法进行两种定位的疑似车牌区域的最终确认;确认后的车牌区域进行字符分割等操作进行字符的分离;最后运用训练的反向传播（BP）神经网络进行字符的识别并最终输出车牌信息。研究结果显示,车牌识别的效率很高,拥有一定的使用价值。     

离子钨钼共渗的表观过程

研究了双层辉光离子钨钼相渗在离子轰击条件下形成渗层和无离子轰击时形成沉积层的表观过程。结果表明,在形成沉积层时,由于离子轰击作用已在不存在,使渗层厚度减少２６％,用朗缪尔探针对双层辉光离子钨钼共渗过程进行了等离子体的诊断,等离子体对表现成分有较大影响。合理的等离子体密度范围为５＊１０＾－１１－３＊１０＾１２。     

加弧辉光放电等离子表面合金化

介绍了加弧辉光离子渗金属装置及基本原理在辉光离子渗金属装置中,引入冷阴极电弧源,实现了快速渗金属,已成功地在普通碳钢表面渗入Ti,Al及Cr—Ni等合金元素,同时分析了10钢渗Ti处理后的渗层组织特征、成分分布、相组成及工艺参数对渗层的影响     

未知环境下基于Elman网络力控制的移动机器人避障研究

避障控制一直是移动机器人路径规划的难点.提出了一种未知环境下基于神经网络的机器人动态避障方法,同时把混合力/位置控制结构应用到移动机器人的避障控制中.力控制算法是通过在移动机器人和障碍物之间形成虚拟力场,并对其整定,以使它们两者之间能保持期望距离.由于移动机器人的动力学模型和障碍物的不确定性也会对避障控制的性能造成影响,因此采用Elman神经网络来补偿不确定性,同时整定移动机器人和障碍物之间的精确距离.仿真实验表明该动态避障算法是有效的.     

机器人轨迹跟踪的自适应模糊神经网络控制

研究机器人跟踪轨迹控制问题,针对模型未知的机器人系统,为提高跟踪精度和控制性能,提出了一种基于T-S型模糊RBF神经网络的H∞轨迹跟踪控制方法,用模糊神经网络为模型未知的机器人系统建模,克服了系统鲁棒性差,对机动目标跟踪性能差等缺点。然后设计自适应控制器,将H∞控制理论与模糊神经网络有机地结合起来,借助鲁棒补偿项将建模误差及外部干扰衰减到期望的程度以下,而控制器与改进Elman神经网络的结合,便于处理建模有界干扰以及非结构化的未建模的动力学,并进行仿真。仿真结果表明了所提出的控制算法的可行性。     

无人驾驶车辆稳态漂移的无模型自适应控制

本文引入一种基于无模型自适应控制算法的无人驾驶车辆稳态漂移控制方案.首先,对车辆漂移动态过程进行动力学分析,其次,确定控制系统的控制输入量和控制目标,然后基于无人驾驶车辆稳态漂移控制系统的动态线性化数据模型,设计无模型自适应稳态漂移控制算法、伪雅可比矩阵估计整定算法和伪雅可比矩阵重置算法,从而实现无人驾驶车辆的稳态漂移...     

加弧辉光离子渗铝的研究

介绍了加弧辉光离子渗铝新工艺,并对普通碳钢进行了加弧辉光离子渗铝处理。研究了10、60、T12钢渗铝后的渗层组织特点,渗层合金成分的分布、渗层相组成及工艺参数对铝层的影响规律。     

单板机地址自动递增装置

单板机(如TP-801)在向内存贮器送入机器码的过程中,存贮单元地址的增加是依靠手动完成的,即在每输入一个字节之后,就需要按动一次NEXT键,以实现地址数目的加一。在检查已写入内贮(ROM或RAM)中的程序时,也需要连续地按动NEXT键,这种手动操作既费时又易出错。我们采用本附加装置,就可以省掉NEXT键的操作。