基于MATLAB GUI的零件图像识别

零件图像识别有多种方法,其关键是零件图像的特征提取,为此提出了基于图像边缘检测提取零件图像特征和用径向基神经网络实现识别的方法。首先对零件图像进行边缘检测．提取零件图像的边缘轮廓;然后将被检测的边缘轮廓图像分成若干个子区域并分别统计各子区域的边缘像素量,各子区域中的相对边缘像素系数作为零件的特征,将这些特征作为神经网络的输入样本,由径向基神经网络实现识别;最后由GUI完成零件图像的识别,实验结果证明是有效的。     

虚拟PLC装置的研究与开发

本文介绍了虚拟PLC的功能,特点,描述了系统软件的设计方案.     

基于免疫进化神经网络的机械手逆运动控制

将免疫进化算法用于机械手逆运动神经网络控制，基于生物免疫系统的细胞克隆选择学说和生物进化过程中的变异思想构造了自适应变异算子，使系统能够根据环境条件自适应地确定各抗体的变异强度；通过亲和力抑制相似抗体生存并动态地产生新的抗体，以维持抗体种群的多样性。通过对机械手进行仿真试验，并与快速BP算法及标准遗传算法训练的结果进行比较，表明用免疫算法训练的神经网络具有良好的泛化能力，可大大提高机械手逆运动学求解精度。     

DEPSO算法在永磁直线电机结构优化设计中的应用

将传统优化算法应用于直线电机结构优化设计时,传统算法的易早熟与收敛速度慢的缺陷降低了优化效率,并且由于直线电机特有的磁场效应,无法用解析方法准确计算推力波动。为此,提出一种粒子群和差分进化的混合优化算法(DEPSO算法)。该算法在粒子进化过程中,利用差分进化的变异、交叉和选择操作产生新的个体最优位置,优化粒子进化方向。将该算法与有限元数值分析相结合,对直线电机结构参数进行了优化。具体实例的试验结果表明,优化后磁阻力峰值显著下降,证明了DEPSO算法对解决此类问题的有效性。     

标定高g值加速度传感器的方法

本文探讨了标定高ｇ值加速度传感器的新方法，用一端受轴向冲击的等截面均匀细杆产生的应力波作为标定加速度传感器的冲击脉冲，给出了自由杆的一端加速度和杆上的应用变关系为ａ＝－２Ｃ０ｄε／ｄｔ（ε为杆上的应变， Ｃ０为应力波传播速度）以及标定系统。     

采用数学形态学的零件跟踪与LabVIEW的识别研究

提出基于数学形态学的运动零件图像序列跟踪和用相对边缘像素系数作为运动零件图像特征的识别方法.首先,对运动零件图像序列进行数学形态学的膨胀、腐蚀和区域填充处理,提取运动零件图像序列的质心运动轨迹,完成运动零件的跟踪.然后,对跟踪的零件图像进行小波多尺度边缘检测,将被检测的边缘轮廓图像分成若干个子区域并分别统计各子区域的边缘像素量,各子区域中的相对边缘像素系数作为零件的特征,将这些特征作为神经网络的输入样本,由神经网络实现识别.给出基于LabVIEW环境的实验结果,结果表明,提出的方法是有效的.     

水下蓝绿激光无线通信系统设计

针对蓝绿激光引信在海洋武器中应用,介绍了蓝绿激光发射机与接收机的结构和设计原理;阐述了设计过程中应注意的事项,分析了蓝绿激光发送机的驱动原理,以及蓝绿激光器的保护措施。     

基于小波神经网络和证据理论的零件图像识别的研究

从零件图像的小波分解系数和相对图像边缘像素系数作为零件特征的方法出发,提出了基本概率分配构造和多源零件图像特征识别的方法。首先,对多源零件图像分别进行小波分解,获取零件图像的小波分解系数。对零件图像进行小波多尺度边缘检测,将被检测的零件边缘轮廓图像分成若干个区域并分别统计各区域的相对边缘像素系数。然后,多源零件图像的小波分解系数和零件边缘轮廓图像的相时像素系数作为零件图像的特征并作为神经网络的输入,获取多源零件图像识别的基本概率分配。最后,依据证据理论的合成规则得到零件的识别结果。实验结果表明,基本概率分配构造和多源零件图像特征识别的方法是有效的。