融合深度学习与成像模型的水下图像增强算法

水下机器人的视觉感知功能因受到水下环境因素的影响,面临着图像质量降低的挑战,如图像颜色畸变、整体色调偏绿、偏蓝、对比度较低、细节较为模糊等。提出一种结合深度学习方法与物理成像模型的新型水下图像增强算法,通过构建包含扩张卷积和带参数激活函数的神经网络,进行背景散射光和直接传输映射的估计,并结合成像模型的数学表达进行重建运算得到增强后图像。实验结果表明,与UDCP、IBLA、GLNet等典型图像增强算法相比,该算法具有更快的运算速度,且能够消除水下环境因素带来的影响,丰富图像色彩的同时能增强各类细节,在峰值信噪比指标和结构相似度指标上取得了较大值。此外,增强后的图像在特征点匹配实验中获得了更好的匹配效果。     

利用旋转型压电执行器驱动的人工眼球结构

针对微型化人工眼球转动驱动长期以来存在的难题,提出一种利用惯性冲量式压电执行器构造紧凑旋转驱动结构的技术方案,并使用不对称锯齿波信号激励的压电陶瓷叠堆作为驱动源.结果表明,在驱动信号上升沿占周期比为0.95、激励电压为125 V、激励频率为1 k Hz、滑动摩擦力为1 N的条件下,结构最外端的微镜头线速度可达2.08 mm/s.该方案具有结构紧凑、精度高、响应快等特点,为仿生眼球等视觉目标跟踪设备提供了一种新的精密驱动手段.     

光伏电池片生产车间智能物流调度研究

为实现光伏电池片生产车间物流的智能化改造,提出以最大化瓶颈工序机台产能的方式来最大化生产车间产能,并设计相关数学模型和智能物流调度算法。首先,通过对光伏电池片生产车间的问题描述与分析,建立以瓶颈工序机台产能最大化（瓶颈工序机台总停机时间最短）为目标的数学模型。然后,设计了嵌入模型约束规则的车间智能物流调度算法,包括物料调度算法、AGV选择与路径规划、AGV碰撞避免策略设计等,并提出了另一种物料调度算法作为对照方案。最后,通过仿真实验与分析,证明了所设计模型及智能物流调度算法的高效性及适用性,给予车间管理人员相应的管理启示。     

OBS技术在南海天然气水合物勘探中的应用

海底地震仪(OBS)能够全方位同时记录纵波和转换横波,记录的资料具有信噪比高等特点,近年来在我国得到快速发展,并广泛应用于南海天然气水合物的勘探和识别,取得了良好的应用效果。以国内OBS技术发展史为基础,介绍了中国南海天然气水合物勘探历程,论述了OBS技术在水合物识别方面的必要性,列举了OBS技术勘探水合物的实例,并对OBS资料的处理、解释及反演技术进行了梳理,现有文献表明OBS技术在地层弹性参数反演、判定储层储集类型、水合物饱和度估计等方面发挥了重要作用,最后对OBS技术未来的发展及应用方向进行了展望。认为将OBS资料用于渗漏型水合物地震各向异性研究是未来的一个重要研究方向。     

一种高精度的电力系统频率估计算法

该文研究了一种基于多重相关原理的电力系统频率估计算法,利用正弦信号的相关特性,对信号进行多重相关运算．极大地提高了信号的信噪比,提高了测量精度。分别讨论了信号的信噪比,采样点数,MD的量化位数对测量结果的影响,并给出了具体的仿真结果,并与传统的疗法进行了比较。实验表明这种方法能有效地对信噪比很低的信号的频率进行估计,在低信噪比下,精度比传统的方法要高1-2个数量级,而且算法简单,物理意义明确,精度却可以满足工程的要求。