基于Open Inventor的六自由度并联机器人虚拟同步运动研究

针对六自由度大载荷并联机器人的工作监控问题,以Open Inventor为开发平台,对并联机器人虚拟同步运动进行了研究。首先,用Pro/E进行了零部件建模,并导入Open Inventor开发环境,用VRML虚拟现实语言描述了各零部件的连接关系,搭建了虚拟机器人;然后,构建了由立体视觉和位置正解算法组成的复合检测系统,用以实时检测实体并联机器人的位姿;最后,将位姿信息传送至虚拟机器人,由Open Inventor借助其场景渲染能力,利用内置的引擎工具完成了虚拟机器人的同步运动。试验研究结果表明,该机器人虚拟运动逼真流畅,位姿检测精度能控制在0.05 mm内,位姿检测与计算带来的虚拟运动延迟能够控制在0.5 s内;系统不仅能够满足并联机器人一般监控的需要,还提供了一种可供参考的精确位姿检测方式。     

一种基于PSO算法和ICM模型的图像自动分割算法

ICM模型（Intersecting Cortical Model）是一种简化的脉冲耦合神经网络（Pulse Couled Neural Network,PCNN）,ICM模型图像分割的效果取决于ICM模型中各个参数的合理选择,这一般需要通过多次实验获得。而粒子群优化算法（Particle Swarm Optimization,PSO）具有对参数自动寻优的优势,为此,将PSO和ICM模型相结合,以改进的最大类间方差准则函数为适应度函数,提出了一种新的基于PSO和ICM模型图像自动分割算法。实验仿真结果验证了该方法的有效性,即不仅可以正确的实现图像分割,而且参数可以自动设置省去了人工实验的麻烦,同时分割速度也有所提高。     

基于遗传算法和最小二乘支持向量机的织物剪切性能预测

提出了一种基于最小二乘支持向量机的织物剪切性能预测模型,并且采用遗传算法进行最小二乘支持向量机的参数优化,将获得的样本进行归一化处理后,将其输入预测模型以得到预测结果.仿真结果表明,基于最小二乘支持向量机的预测模型比BP神经网络和线性回归方法具有更高的精度和范化能力.     

一种新的基于PCNN的图像脉冲噪声滤波算法

为了更好地滤除图像中的脉冲噪声,在分析脉冲耦合神经网络(PCNN)的工作机理的基础上,在PCNN中引入了点火映射图的概念,并提出了一种新的基于PCNN点火映射图的图像脉冲噪声滤波器。该方法首先通过运行PCNN把噪声图像转化为点火映射图,然后利用点火映射图对图像中的脉冲噪声进行定位,最后仅对定位的噪声进行自适应滤波。计算机仿真实验表明,该方法的去噪效果优于传统方法,从而验证了该方法的有效性、合理性。     

基于支持向量机的织物剪切性能预测

织物的剪切性能受到纱线和多种织物结构参数的影响,为了科学地设计织物剪切性能,提出了织物剪切性能预测的一种新方法－支持向量机,用它来表达织物剪切性能与织物结构参数之间复杂的非线性关系,并建立了相应的预测模型。对获得的样本进行归一化处理后,将其输入预测模型,然后采用交叉验证的方法获得模型的最佳参数,利用获得的最佳参数来进行剪切性能的预测。将获得的结果同BP神经网络预测的结果进行了比较,结果表明该方法的预测精度较高。     

一种新的图像椒盐噪声的非线性滤波算法

为了在滤除椒盐噪声的同时能很好地保持图像的边缘细节,提出了一种新颖的图像椒盐噪声非线性滤波算法。利用局部统计信息,先将图像像素点分为信号点和可能的噪声点两类。然后将可能的噪声点进一步细分为边缘点、噪声点和信号点：利用方向信息、均方差来判断是否为边缘点,利用自适应阈值的方法来判断是否为噪声点,并且对边缘点和噪声点采取不同的方法进行滤波。经过仿真实验并与其它滤波算法进行比较表明,文中的算法具有更好的效果。