常见轴孔的高精度定位算法研究及应用

针对自动化装配场景中的轴孔目标定位检测过程,成像质量不高、特征区域边缘模糊和定位精度低的问题,采用形态学处理提高图像质量,用同态增晰的算法来增强边缘特征,最后用最小二乘法Huber圆拟合算法拟合圆,梯度下降算法求出圆心,最终实现高精度定位。通过数据分析和现场实际测试验证,该算法定位精度高,运行速度快,并且运行稳定。     

无约束优化的超记忆梯度算法

提出了一种无约束优化超记忆梯度算法,分析了算法的收敛性,并对算法进行了数值试验,结果表明算法比Ａｒｍｉｊｏ搜索下的ＦＲ和ＰＲ共轭梯度法及Ｃａｕｃｈｙ方法有效,特别适于求解大规模无约束最优化问题。     

机械振动辅助激光熔覆WC/Co-Cr梯度涂层的显微组织

利用机械振动辅助激光熔覆技术在高速钢表面制备了WC/Co-Cr梯度复合熔覆层.借助光学显微镜(OM)、X射线衍射(XRD)和HMV-G21 ST型显微硬度仪分析了各梯度熔覆层结合界面的微观结构、物相组成和显微硬度.结果 表明,熔覆层主要由γ-Co、M23C6(M为Cr、Co、Mo)、W2C、M6C(Co3W3C、Fe3...     

一种针对图像模糊的无参考质量评价指标

在成像模型的基础上,分析了图像模糊的原因,提出了一种为图像构造参考图像的方法,进而将结构相似度(SSIM)评价方法引入到无参考图像质量评价中,提出一种无参考结构清晰度(NRSS)的新的无参考图像质量评价方法,将其用于对模糊图像的质量评价。该方法通过低通滤波器来构造参考图像,通过计算原始图像与参考图像的结构相似度值来评价原始图像质量,很好地结合了成像系统的数学模型和结构相似度评价方法的优势,实验结果表明无参考结构清晰度评价指标能够给出和主观评价方法以及其余有参考评价方法一致的结果。     

基于特征图梯度连接生成对抗网络的结肠癌腺体细胞数据增强

深度学习的良好表现往往离不开大量数据的支持。为了更好地利用深度学习来研究结肠癌腺体细胞病理,提出了特征图梯度连接生成对抗网络的算法模型。该模型通过在生成器和判别器特征图大小对应相等的卷积层后添加额外的卷积层建立梯度连接,来给GAN模型提供更多的梯度,缓解梯度消失的问题。在cifar-10数据集上的实验表明,该算法模型较DCGAN而言能更好的收敛,而且生成的图像较DCGAN和WGAN生成的图像而言具有更高的Inception Score。最后将该算法模型应用在结肠癌腺体细胞病理图像的生成任务上,在一定程度上实现了数据增强。     

基于Stacking方法的粗糙度预测模型

金属铣削通常伴随着高温高热高压,作为多元非线性过程具有复杂性与无序性。使用M-V5CN组合机床铣削U71Mn高锰钢获取了1000组样本集,基于Xgboost算法增益分析发现表面粗糙度影响因素由大到小依次为：主轴转速、铣削深度、每齿进给量、铣削宽度。提出一种在三折交叉验证下基于Stacking方法的改进集成回归模型,通过集成训练GA-SVM、Xgboost、KNN模型有效避免单一基模型在特定铣削参数区间内误差敏感问题。最终在测试集样本中模型最大误差errmax(0.041μm),平均绝对误差MAE(0.017μm),决定系数r(0.938),较基模型性能提升显著。     

浅水圆湍射流流场特性数值模拟

该文使用计算流体动力学CFD方法,基于不可压缩的Navier-Stokes方程,对圆管湍流射流在浅水密度均匀流体中的流场演化进行了数值模拟。在圆管湍流射流过程,运用Realizable k-ε的雷诺时均RANS模型;射流停止后,采用大涡模拟方法模拟大尺度漩涡在背景流体中的演化。为了考虑自由面的影响,计算域设置了空气层,并采用流体体积函数VOF方法对自由表面进行追踪。在不同的水深约束参数和雷诺数的组合下,对偶极子涡的速度场与涡量场的变化特性、垂向运动特征、涡量-流函数的变化特性以及动能和动量的演化规律等方面进行了分析,结果表明:不同水平面上偶极子涡的速度矢量场之间在涡的前端表现出较大差别,涡的前端存在垂向环流现象,流场具有明显的三维运动特征。不同水平面上垂向速度梯度的峰值和该平面上垂向涡量的峰值差不多大,垂向速度梯度不能忽略,再次证实了偶极子涡垂向运动现象的存在。偶极子涡主流动的涡量和流函数之间存在非线性关系,其散点图由中心对称的两个形似"镰刀"状的分支组成,并且随着时间的推移,"镰刀"状的区域逐渐变窄。偶极子涡主流动所在平面上的动能和动量在不同工况下均逐渐衰减,但动量的衰减速率会因自由表面及底部边界条件的影响而发生明显波动。     

基于HOG特征的加权稀疏表示人脸识别算法

在人脸识别中,为了进一步提高人脸图像对光照等外界因素的鲁棒性,提出一种基于HOG特征的加权稀疏表示算法,将加权稀疏表示方法和HOG特征以及随机投影方法相融合,以降低复杂度,提高识别性能。首先,统计每一幅图像的方向梯度直方图(HOG)特征,并对每一幅图像进行归一化处理,削弱人脸图像中的光照影响;其次,对归一化后的图像引入随机矩阵算法,进行多次随机投影,得到每个样本所对应的稀疏系数,利用样本之间的距离作为稀疏系数的权值;在此基础上,对传统稀疏表示分类器进行改进,样本经随机矩阵多次投影和稀疏表示后会产生多个重构残差,最后利用样本的重构残差和对样本进行识别分类。ORL人脸库和GT人脸数据库上的实验证明该方法对光照等外界物理因素有着很好的鲁棒性。     

基于DF-OFDM多中继系统功率分配的梯度算法

DF-OFDM技术必将成为现代移动通信的核心技术,但是合理地进行功率分配是必须要解决的问题之一。传统的二分法,大多在精确度和计算量之间很难取舍。在移动通信系统抗信道衰落和提高信道容量方面,协作通信是一种很好的解决方案。针对改进型的多中继DF-OFDM系统,对一种降低计算量的梯度算法进行了简单的介绍与分析,并与二分法进行了比较。仿真结果表明,在功率约束的条件下,梯度法要优于二分法。     

改进的基于梯度幅值的自适应边缘检测算法

分析文献[1]给出的算法.针对其中存在的问题和不足,给出了一个改进算法.实验结果表明,改进算法弥补了原文算法中的缺陷,在获取连续边缘的同时也较好地抑制了噪声,在运算效率方面有了明显的提升,并节省了大量的内存空间.