基于红外成像测温的储罐液位传热反问题识别方法

传统的利用红外热像仪进行储罐液位的检测主要是基于对红外图像进行数字处理,因此测量精度不高。通过建立储罐的传热模型,利用有限体积法,对筒体外表面的温度分布进行了数值模拟,并提出了基于筒体外表面温度分布对筒内液位进行定量识别的传热反问题方法,同时分析了初始假设、测量误差(σ)和最大温差对液位识别精度的影响。结果表明:在工程允许的测量误差范围内(σ=2℃),利用红外热像仪检测储罐外表面温度反演估计储罐液位和罐内流体温度有较高的识别精度,误差在2%以内。该方法为储罐液位和内部温度识别提供了一种新的思路和途径。     

游离细胞腈水合酶催化丙烯腈水合反应的双稳态反应动力学

腈水合酶是能够催化丙烯腈水合生成丙烯酰胺的一种重要的工业酶。本研究建立了游离细胞腈水合酶催化丙烯腈水合反应的双稳态反应动力学模型,关联了底物浓度、产物浓度和温度等主要因素对反应速率(表观酶活)的影响。在实验研究的基础上,通过麦夸特及全局最优化算法求解了动力学模型。结果表明,游离细胞腈水合酶催化的双稳态反应动力学模型是比较典型的产物抑制型,当产物浓度逐渐增大时,高浓度的产物将抑制腈水合酶的活性。当底物浓度10g·L-1时,由于底物加入反应体系时产生的局部瞬时高浓度,腈水合酶催化的丙烯腈水合反应的表观反应速率不随底物浓度变化。当底物浓度≥10g·L-1时,底物产物浓度对反应速率具有显著影响。温度对酶活的影响也十分显著,相同底物产物浓度下,28℃时的酶催化水合反应速率是15℃时的3.3倍。     

Modelling pressure distribution in a rectangular gas bearing using neural networks

Gas ubricated bearings are of tremendous use especially in the biomedical and aerospace industries. For that reason, gas bearings have been the subject of much research for the past decade or so. Experimental as well as theoretical work has been done to calculate the pressure distribution inside the bearing. The models available to predict the pressure are primitive and need to be improved. This paper discusses a new modelling scheme known as artificial neural networks. The pressure distribution and the load-carrying capacity are predicted using feedforward architecture of neurons. The inputs to the networks are a collection of experimental data. This data is used to train the network using the Levenberg-Marquardt optimization technique. The results of the neural network model are compared to a theoretical model and the results are promising. The neural network model outperforms the avallable theoretical model in predicting the pressure as well as the load-carrying capacity.     

面向三维重建的自适应列文伯格-马夸尔特点云配准方法

针对三维重建时点云配准过程易受环境噪声、点云曝光、光照、物体遮挡等因素的影响,以及传统ICP配准算法配准精度低、耗时长等问题,提出一种基于自适应列文伯格-马夸尔特迭代式的点云配准方法。首先,对初始点云数据采用统计滤波和体素栅格滤波相结合的方式进行降噪预处理;然后,对滤波后的点云进行分层,剔除位于层外的外点数据,以提高后续点云配准的精度;针对传统点云特征描述方法计算量大的问题,使用平滑度参数提取点云特征,以提升点云配准的效率;最后,根据点云特征建立帧间点到线及点到面的约束关系,采用改进的列文伯格-马夸尔特(Levenberg-Marquardt)方法完成点云配准,构建较理想的三维重建模型。实验结果表明,提出的点云配准方法适用于室内及室外场景的三维重建,环境适应性强,且点云配准精度和效率都有较大提升。     

基于LM_RBF-PID的板球系统轨迹控制

板球系统是一个典型的两输入两输出系统。针对RBF-PID控制算法存在响应速度慢、震荡严重等问题,在忽略干扰因素的条件下应用拉格朗日方程对板球系统进行数学建模,利用RBF神经网络在线辨识板球系统的离散模型,实现自适应控制。在此基础上用LM算法代替梯度下降法整定控制参数,设计出LM_RBF-PID控制器并与RBF-PID控制器进行阶跃信号响应和方波信号响应对比,最后在板球系统中完成方形轨迹跟踪实验。实验结果表明,所提控制算法提高了轨迹跟踪控制精度,能够确保板球系统跟踪控制良好的稳定性和收敛性。     

神经网络在校正传感器非线性度方面的研究

BP神经网络及其改进算法虽然在测量准确度方面有所改善,但结构的不确定性、训练时间长的缺点限制了其在现场测量系统的应用。在引入LM算法的同时,通过分段的方法对其缺陷进行了改进。仿真结果证明了该方法具有收敛速度快、实时性强的特点。     

时间序列趋势挖掘在辅助决策系统中的应用

传统的博克思-詹金斯（Box-Jenkins）时间序列分析与预测方法对模型参数的确定使用试错法。这种方法过于繁琐，且不易找到参数的最佳估计值。本文讨论了如何将改进的BP网络（Levenberg-Marquardt神经网络）应用于模型参数的确定。通过一个应急联动辅助决策系统的工程实例证明了所做的工作在提高辅助决策系统的宏观数据分析和预测能力上具有重要意义。     

一种透视变换图像金字塔匹配改进算法

为提高图像匹配的精度和稳定性,在图像匹配过程中用消除了Hessian矩阵的LMA改进算法对两幅图像透视变换矩阵的8个未知参数进行拟合,减少了迭代的计算量。匹配过程中用多分辨率金字塔法对图像进行分解,采用由粗到精的搜索策略,进一步减少了计算量并避免了误匹配。通过对照片进行匹配测试,证明了这种方法的有效性和实用价值。     

CITT and inverse analyses applied to the study of the mushroom drying process

A study and modeling of the mass transfer phenomenon in the drying process of agricultural products, using Fick’s second law of diffusion adapted to infinite flat plate geometry, are described. An analytical solution methodology, the classical integral transform technique (CITT), is employed. Predicted results are compared with experimental data on the drying of sliced mushrooms in different operating conditions. A phenomenological analysis is made using graphics and tables. The data obtained by CITT and experimentally show negligible differences. The mass diffusion coefficient during hot air drying of mushrooms is estimated. Experimental drying kinetics are applied to the product at different air temperatures and air flow rates aiming to find a solution for the mass transfer equation, using an inverse problem with the Levenberg-Marquardt optimization technique in successive trials. Experimental data are also modified by a normal distribution of random errors. Statistical analyses show good agreement between experimental and predicted curves.