智能微尘发展与应用前景

文中对高新技术智能微尘的定义、发展状况、技术瓶颈及其突破等进行了综述,对智能微尘的工作原理、组网技术进行简要分析.详细介绍智能微尘在现代化军事、防灾与大气监测、建筑物安全检测、远程健康监控及医疗服务、大面积长距离无人监控等领域的应用,探讨智能微尘进一步的发展趋势及应用前景.重点介绍了美国加州大学伯克利分校智能微尘的相关研究工作.     

基于遗传算法和线性神经网络的浓度传感器输出特性拟合

针对最小二乘法、分段线性化、神经网络等拟合方法的不足,提出了解决浓度传感器输出特性拟合和在线标定的遗传神经网络方法.该方法首先使用遗传算法优化线性神经网络的权值,再用神经网络对浓度传感器的输出特性进行拟合,提出遗传进化停滞算子与自适应变异方法,实验验证该方法的有效性.当环境条件发生变化时,只要测量几组数据对,该方法可自动重新训练网络,获得新的多项式系数,实现浓度传感器的在线动态标定.     

基于Blob粒子分析的塑料表面污点检测系统

针对传统的以肉眼观察污点的方法,提出使用Blob粒子分析方法对塑料表面污点进行检测。简要的介绍了检测系统的硬件构成,对基于游程链的Blob算法进行分析,并以一幅含污点的图像为例对软件系统开发流程进行了详细的介绍。检测实验结果表明,污点检测成功率达96％,误检率为1．5％。     

基于MMX的太阳能电池板边缘缺陷检测软件系统

针对传统的以肉眼观察太阳能电池板边缘缺陷的方法,提出使用图像检测的方法对太阳能电池板的缺陷进行检测。为了提高检测效率,在实验中使用MMX对边缘检测Sobel算子进行了优化,并对传统的最小二乘法拟合方法进行改进,提出一种带距离的二次直线拟合方法。实验结果表面,图像检测方法能有效的提高检测精度,实验室中边缘缺陷检测率达94．6％。     

基于RBF神经网络的双目摄像机标定研究

摄像机标定是精密测量的基础,传统的双目标定需要建立复杂的数学模型。人工神经网络可以有效地处理非线性映射问题,它可以很好地描述双目视觉中三维空间特征点坐标和二个摄像机对应点间的非线性关系。本文介绍一种RBF神经网络,并对RBF网络与BP网络的标定结果进行比较。实验结果表明：基于RBF神经网络的双目视觉标定方法能获得较高的标定精度。     

基于人工神经网络的压力传感器三维数据融合

针对压力传感器对温度变化和电流波动的交叉灵敏度问题,采用径向基函数(RBF)人工神经网络法对其进行数据融合处理,详细讨论了网络的训练过程和数据融合过程,消除温度和电流对压力传感器的影响。仿真结果表明:当温度变化48.5℃,电流波动3%时,经RBF神经网络数据融合后,压力波动为0.544%,大大降低了交叉干扰,提高传感器的稳定性及其精度,满足在线融合的需要。     

基于混合遗传算法的浓度传感器的非线性估计和动态标定

本文针对最小二乘法、分段线性化、神经网络等拟合方法的不足,提出解决浓度传感器输出特性拟合和在线标定问题的混合遗传算法,实验验证了其有效性。当环境条件发生变化时,只要测量几组数据对,该方法可自动重新训练网络,获得新的多项式系数,实现浓度传感器的在线动态标定。     

基于遗传算法和小波神经网络的传感器输出拟合方法研究

针对最小二乘法、分段线性化、神经网络等拟合方法的不足,提出了解决浓度传感器输出特性拟合的遗传神经网络方法,该方法首先使用遗传算法对浓度传感器的输出特性进行“粗拟合”,再用小波神经网络进行“细拟合”,提出遗传进化停滞算子与自适应变异方法,实验验证该方法的有效性.当环境条件发生变化时,只要测量几组数据对,该方法可自动重新训...     

基于小波神经网络的温度传感器非线性补偿研究

针对热敏电阻温度传感器应用中存在的非线性问题,提出了应用小波神经网络实现其非线性补偿的方法,介绍了非线性补偿的原理,完整的推导了小波神经网络训练过程。实验结果表明,该方法补偿精度高,优于BP神经网络。