基于改进的BP网络误差修正的广义预测控制

该文利用预测误差的历史数据，基于改进的BP神经网络，对系统的建模误差进行预测。该网络采用了修正激励函数的BP算法，预测性能好，能够克服标准BP算法中Sigmoid函数的不足，加快了网络的学习速度。并将其与模型预测相结合构成广义预测控制算法，有效地克服了模型失配的影响，提高了控制的速度，同时引入控制增量增益，利用这个自由度来提高闭环的稳定鲁棒性。仿真结果表明了该算法的有效性。     

基于S3C241O的客车远程监控系统设计

为了有效的遏止超载、超速交通违章现象的发生,设计了客车远程监控系统。采用ARM内核的微处理器S3C2410和摄像模块D192,对客车的乘员情况进行视频图像信息采集与处理,解决了其他传感器无法克服人为因素影响的问题;并将采集的图像和车速信息实时的通过GPRS通信模块M23,经GPRS无线网络传送到Internet,实现了交通部门远程监控客车的运行状态。车载运行实验表明,本系统达到了预期的效果。     

退化交通标志图像的RBPNN分类算法研究

为了识别退化的交通标志图像,采用模糊-仿射联合不变矩直接提取图像的特征,并针对各阶模糊-仿射联合不变矩数量级差异较大问题,提出一种数量级标准化算法,避免了需要较大计算量的图像复原处理过程。同时在深入研究径向基概率神经网络的基础上,采用全局K-均值算法优化其网络结构,并将其用于交通标志图像的分类识别。仿真结果表明,模糊-仿射联合不变矩是一种有效的处理退化交通标志图像的方法,所设计的径向基概率神经网络分类器不仅具有精简的结构而且有较好分类精度和推广性能。     

煤矿隐患排查治理信息系统的研究和应用

煤矿企业安全事故频发的主要原因在于隐患排查治理的不完善,隐患的排查治理不仅包括人的不安全行为,还包括物和环境的不安全状态。传统的隐患排查治理已不能满足当前生产活动信息化的发展要求,故而总结传统隐患排查经验结合某煤矿企业的实际需求设计了一套包含"三违"行为和设备设施场所环境的隐患排查信息系统。通过信息系统的应用可以规范企业隐患排查治理,实现隐患排查治理的闭环式管理,有效地控制潜在的危险源,减少人的不安全行为,从而避免或减少安全事故的发生。     

基于视觉显著性的无人车图像检测及分割方法

障碍物检测与分割是地面无人车辆环境感知领域中一项重要的任务。针对传统障碍物检测与分割算法的计算量大、分割精度较差等问题,提出了一种基于显著性分析的障碍物检测、分割优化算法。首先,利用基于频率调谐的方法生成场景图像的显著图;然后,通过单目摄像机与激光雷达的联合标定将雷达反射点映射到显著图上;最后,结合单目摄像机和激光雷达两种传感器信息,通过改进的图像区域分割算法,实现障碍物的检测与分割。为了验证所提出算法有效性,采集多幅包含障碍物的典型越野场景图像,对该算法进行实验与仿真验证,结果证明了该算法的有效性。     

基于Tchebichef不变矩与SVM的交通标志分类算法研究

为了更好地对交通标志进行分类,提出了一种两步分类算法。首先根据交通标志的颜色与形状特征设计多层决策树进行粗分类,然后采用径向Tchebichef不变矩提取交通标志的特征,并基于SVM设计分类器进行精分类。对从3000幅自然场景图像中检测出的交通标志进行分类实验,结果表明该分类系统能取得较高的分类精度,这为交通标志识别系统的实现奠定了基础。     

基于BP网络模型的非线性预测控制策略研究

提出了一种基于神经网络模型的非线性多步预测控制策略。预测器和控制器由一个BP网络构成。在整个过程中，首先利用一个BP网络构造一个非线性多步预测模型，根据被控对象输出与网络实际输出之间的误差采用改进的BP算法修改网络权值，以逐步建立合理的多步预测模型。然后，根据网络的多步预测输出序列与设定值序列的偏差构造性能指标函数，根据性能指标函数采用自适应变步长梯度法修改控制律。仿真结果表明了该策略的有效性。     

基于S3C2410的客车远程监控系统设计

为了有效的遏止超载、超速交通违章现象的发生,设计了客车远程监控系统。采用ARM内核的微处理器S3C2410和摄像模块D192,对客车的乘员情况进行视频图像信息采集与处理,解决了其他传感器无法克服人为因素影响的问题;并将采集的图像和车速信息实时的通过GPRS通信模块M23,经GPRS无线网络传送到Internet,实现了交通部门远程监控客车的运行状态。车载运行实验表明,本系统达到了预期的效果。     

基于图卷积网络的无监督跨模态哈希检索算法

针对无监督跨模态检索任务中不能充分利用单个模态内的语义关联信息的问题,提出了一种基于图卷积网络的无监督跨模态哈希检索方法。通过图像和文本编码器分别获得两个模态的特征,输入到图卷积网络中挖掘单个模态的内部语义信息,将结果通过哈希编码层进行二值化操作后,与模态间的深度语义关联相似度矩阵进行对比计算损失,不断重构优化生成的二进制编码,直到生成样本对应的健壮哈希表达。实验结果表明,与经典的浅层方法和深度学习方法对比,该方法在多个数据集上的跨模态检索准确率均有明显提升。证明通过图卷积网络能够进一步挖掘模态内的语义信息,所提模型具有更高的准确性和鲁棒性。