滚珠丝杠副导程误差的谱分析与理论分析

本文应用谱分析技术,对滚珠丝杠副的综合导程误差作了分析,找出了影响综合导程精度的主要因素,井运用弹性接触理论,证明了谱分析的有关结论是基本正确的。文中还提出了一种自动确定谱峰频率的方法。     

一种非线性时序模型的结构辨识方法

本文从模型的结构形式入手,讨论了几种非线性模型之间的关系,采用Gram-Schmldt正交化最小二乘算法实现了非线性模型的结构确定和参数估计。并给出了应用非线性模型对陀螺漂移过程的建模结果。     

一种改进的Knockout抠图方法

通过对Knockout算法的研究分析,针对其在实际应用中需要用户大量的交互工作以及因模型简单造成的抠图不精确问题,提出了一种改进算法。该算法用区域生长方法将用户输入的前、背景线段生长聚合成前、背景区域;然后用轮廓查找方法找到两个区域的轮廓作为Trimap的前、背景轮廓线;最后使用优化颜色样本的方法对每个未知像素点的样本进行优化,提高抠图的精确度。实验结果表明,改进后的算法需要用户较少的工作量,能够得到传统Knockout算法更好的抠图效果。     

磨削表面层烧伤在线监控可行性研究

本文从加工表面完整性观点讨论了磨削表面层烧伤的实质,指出影响烧伤的主导因素是磨削温度。介绍了用最大熵谱分析,红外系统及光纤—红外系统,通过磨削火花温度,对磨削表面层烧伤进行在线控制的研究。研究结果证明,磨削火花温度所表达的过程是平稳的过程,集中的火花束温度与磨削温度变化规律一致。当磨削表面层烧伤,火花温度变化的特征可用最大熵谱分析进行辨识。     

一种线性/非线性自回归模型及其在建模和预测中的应用

为提高模型准确性,在经典时序建模策略的基础上,提出了一种带有外部输入的线性/非线性自回归模型,并应用Weierstrass逼近定理推导出其一般表达式(GNARX),该模型允许带有多个外部输入以实现复杂系统的建模和辨识.针对该模型结构给出了其最小二乘参数估计方法,并采用结合建模误差、预测误差及模型复杂度的修正信息准则(AIC)确定最优模型结构.最后,将该模型应用于仿真数据和振动位移采样电流数据的建模与预测.结果表明,GNARX模型的建模和预测精度均高于AR,GNAR,ARX模型及BP神经网络模型,表现出良好的线性/非线性建模和预测能力,及较好的通用性和实用价值.     

基于人眼状态识别的驾驶员疲劳检测方法研究

提出一种基于眼睛状态识别的驾驶员疲劳状态检测的方法。首先通过建立肤色模型分割出人脸区域，再利用搜索连通域的方法实现眼睛区域的定位；然后计算出眼睛区域的垂直积分投影曲线，提取并比较曲线的特征参数，从而识别眼睛的状态；最后以眼睛闭合时间比率为测量标准实现对驾驶员疲劳程度的检测。实验表明，该方法简单、有效、实时性较好，疲劳检测的正确率较高。     

基于逼近理论的线性/非线性建模

针对ARMA模型(包括AR、MA模型)不适用于非线性、非平稳系统的问题,分析了Weierstrass逼近定理,并指出了其工程应用的可行性.在传统系统辨识的基础上,对照典型的输入/输出模型,针对不同的输入形式提出了3种不同的模型表达式,由数据可以直接计算模型参数,而无需用模拟方法先求传递函数,这对工程应用具有十分重要的意义.然后,针对模型定阶,分析了传统AIC准则存在的问题,提出了DIC准则.DIC准则不仅适用于线性/非线性建模,也可用于随机过程的建模.最后,将GNPAX模型应用于钢板冲击信号的建模.结果表明,通过模型参数的变化,GNPAX模型能准确识别钢板的结构损伤,识别精度高于AR,GNPA和ARX模型.     

单张正面人脸图像的三维人脸重建方法研究

针对基于单张正面人脸图像进行三维人脸重建时所需脸部侧面深度信息缺失的问题，提出基于BP神经网络快速三维重建方法。通过建立BP神经网络估计出正侧面人脸数据的关系，从而由输入的正面数据得到侧面数据，并对BP算法做出改进，加速了算法的收敛，提高了拟合的精度。然后利用获取的人脸侧面数据调整CANDIDE-3人脸模型，生成近似图...     

利用磨削火花信号识别砂轮磨损状态

本文提出了利用磨削火花温度信号在线识别砂轮磨损状态的新方法。在大量试验的基础上,根据磨削火花信号的特性及砂轮磨损过程的特点进行了机理探讨,获得了磨削火花信号特征量与砂轮磨损状态之间的对应关系。研究结果表明,所提方法是可行的,磨削火花信号的统计特征量能够反映砂轮磨削的不同状态。本文研究为进一步利用磨削火花信号实现砂轮磨损状态在线辨识提供了基础。     

非线性函数逼近的神经网络方法

针对工程实际中一类典型的非线性函数逼近问题，本文阐述了单层函数型网络及双层网络在应用时各自的特点，并提出了对网络输入节点进行优化选择，可提高网络的逼近精度，简化网络结构．文中给出了具体的选择方法，计算机模拟结果验证了该方法的有效性。