超声流量计用于液体流量仪表在线校准方法研究

便携式超声流量计具有较高的准确高,同时其安装也相对简单,该文主要探讨利用超声流量计用于液体流量仪表在线校准方法,从而解决液体流量仪表在线校准问题。     

在线校准称重给煤机——给煤机技术的重大突破

本文对计量给煤机这一称重产品的工作原理、设备组成作了简单介绍,以图文结合的形式着重阐述了三组称重桥架在称重给煤机的应用及优点。     

实现在线大口径水流量计的检测及校准

文章指出采用便携式超声波流量计可以实现在线大口径流量计的检测及校准,并介绍了检测步骤和检测时需要满足的条件。     

在线序列ELM算法及其发展

目的综述在线序列ELM算法及其改进,为相关研究者提供该研究方向的发展历史和最新结果。方法从在线序列ELM的基本思想与基本理论出发,通过分析总结其优点与不足,概括基于不同角度的在线序列ELM算法改进。结果对在线序列ELM算法及其发展进行了全面系统的分析、归纳和总结。结论在线序列ELM算法的主要发展方向可聚焦于:如何建立新的可调整网络结构的在线序列ELM算法,以及如何提高算法稳定性两个方面。     

基于主动视觉的测量装置精度校准方法

针对工业在线监测对测量装置精度及稳定性的要求,对视觉测量装置精度校准及维护方法进行研究。分析透视原理下引入图像畸变的测量装置成像模型,推导测量装置相对基准激光做直线运动时光斑在畸变图像中的轨迹方程,提出一种基于主动视觉的测量装置精度校准方法:首先,通过控制测量装置做二维平移运动得到校准所需的特征点信息;接着,利用光斑的畸变轨迹方程求解测量图像的畸变系数并对图像进行畸变校正;最后,求解图像平面到被测平面的单应性矩阵从而完成精度校准。对特征点的布置方式进行优化。研究结果表明:校准后的定位测量峰值误差为0.373像素,均方根误差为0.178像素。该方法精度较高且易于实施,能满足工业在线检测的要求。     

基于CNN-LSTM网络的在线多任务销售预测模型

有效的销售预测利于企业制定正确的营销策略,针对当前销售预测研究中存在无法进行实时在线多任务销售预测、稳定获取序列数据中的时序特征等问题,提出了一种基于CNN-LSTM网络的在线多任务销售预测模型.该模型上层CNN网络抽取得到重要的时序数据特征,进而输入到下层LSTM网络中进一步抽取复杂的不规则特征进行建模,最终得到预测...     

基于多步法绘制理论的抛物线裁剪算法

基于多步法绘制原理和Brensenham算法，提出一种新的关于抛物线的线性化裁剪算法。该算法首先线性化计算，由给定抛物线生成绘制时所需的两个数组，然后考虑到各种裁剪情况，利用两数组实现抛物线与窗口裁剪线的求交运算，得到相应的裁剪数据，最后再绘制出所求的裁剪图形。     

基于递归神经网络的多步预报方法

为了解决由多层前馈神经网络递推运算获得的多步预报存在的预报误差迭代累积问题 ,提出了基于局部递归神经网络的多步递归神经网络 (MSRN)模型 ,对时间序列进行了多步预报 .用模拟振动数据把MSRN模型用作单步和多步的预报能力 ,同经典的多层前馈神经网络进行了比较 ,并预报了天津石化总公司炼油厂大机组某测点振动的变化趋势 实践表明 ,用该方法进行多步预报误差小 ,并具有良好的预报能力 .     

NTN校准法对取样时间晃动误差消除方法的计算机仿真研究

Nose—to—nose校准技术得到了计量界的广泛关注,它可以宽带取样示波器进行自校准．在实际的NTN校准测量过程中必然会受到各种噪声的干扰,这将影响到NTN校准法的校准精度．研究了平均法和补偿法对取样时间的晃动产生误差的消除方法．由于取样示波器校准需要很高的校准精度,因此在NTN校准法中通常用补偿法消除由时间晃动带来的影响．     

基于免疫的RBF网络在线学习算法研究

提出一种新的基于免疫的RBF网络在线算法.首先是融入增加结点策略和减少结点策略,把传统的免疫RBF网络算法改进成在线学习算法.其次是改进了权值学习算法,径向基函数相当于这一类的概率密度,隐层到输出层权值相当于这一类的值.用这种方法权值不需要训练.试验结果表明,该方法效果理想、速度快,识别率高.     

基于等级反应模型的广义距离判别法

受0-1评分广义距离判别法的启发,给出一种新的多级评分认知诊断方法.蒙特卡洛模拟实验结果显示:基于等级反应模型的广义距离判别法(GRM-GDD)比相应的属性层级模型(GRM-AHM)有更高的模式判准率,尽管随着被试作答失误率的提高,模式归准率均有所下降.     

基于多层前馈型神经元网络模型的摄像机定标算法

针对传统线性、非线性摄像机定标算法的鲁棒性,提出了基于多层前馈型神经元（MLFN）网络模型来替代传统精确的摄像机定标数学模型,MLFN网络模型作为层状网络可实现任意维复杂的输入／输出映射,对于无需计算摄像机构,外参数的应用场合,该模型提供了一种实用且有较好鲁棒性的摄像机定标算法,同时为了补偿摄影机非线性畸变,把图像按畸变程度分割成两个区域,分别建立各自基于MLFN网络的摄像机定标模型,实验表明,该方法有效补了畸变,并提高了模型精度,给出了基于MLFN网络模型摄像机定标算法实验,验证了该模型的有效性。     

一种基于视觉测量障碍高度的车载摄像机标定新方法

从摄像机针孔成像几何模型入手,根据像点与物点之间的线性关系,进而分析车载摄像机景物点的图像坐标与实际坐标之间的关系,研究发现无法通过建立图像坐标与实际坐标之间的映射关系测量出景物的高度。基于此提出了一种新的摄像机标定方法,通过插值法和最小二乘法建立景物的图像高度(景物顶点的图像纵坐标与其在地面上投影点的图像纵坐标之差)与实际高度之间的映射关系,即车载摄像机标定的模型;并对该模型进行测试。测试结果最大偏差为0.078 75 cm,最小偏差为0.013 99 cm,平均偏差为0.034 79 cm,精度可达到0.11%。经验证该方法可精确地测量出障碍的高度,具有一定的实用性及可行性,适合车载摄像机标定,有助于汽车辅助驾驶系统的研究。     

基于机器人运动模式的手眼标定初值估计法

针对目前机器人手眼标定的方法大多需要求解手眼标定的基本方程,提出了一种新的用于机器人手眼标定中初值估计的方法．该方法在非线性优化过程中需要对初值进行估计,不同的初值可得到不同的结果,传统技术主要通过经验选取初值．本文利用机器人自身的运动模式,直接确定初值,大大减小了经验选择给结果带来的偏差．与经验选择初值的方法进行对比,结果表明,本方法得到了明显的改善。     

基于MVC模式Struts架构的在线艺术馆设计

应用Struts架构技术开发"ZMZ在线艺术馆",确保了软件系统合理的逻辑层次,减轻了构造Web应用的负担,并提高了系统开发效率,Struts架构增强了系统的可维护性和扩充性.     

基落锤液压动标装置的铜球准动态校准的经验模型

该文介绍了利用落锤液压动标装置实现准动态校准的方法，用9804批铜球准动态校准的数据，通过量纲分析和回归分析，建立了铜球准动态校准的经验模型。该方法避开了缺乏高压下液压油的准确物性数据的困难，所得公式物理意义明确，可用来预报压力脉冲的峰值和脉宽之大小。文中用不同批次铜球准动态校准的计算结果与实测值进行了比较，证明了该模型之可靠性及实用性。     

基于结构方程模型的在线交互机制

以价值共创为出发点,通过构建偏最小二乘法-结构方程模型(PLS-SEM)并验证,在线交互学习平台扮演着调节变量的角色。在线交互有助于用户社交价值的持续提升,进而增强用户粘性。在交互平台的调节作用下,通过直接影响和间接影响的对比揭示了行为参与和认知参与对于4个维度的价值产生影响;而情感参与仅对社交价值有局部影响。研究结论揭示了平台在线交互的内在机制,对于改进交互平台的设计具有积极作用。     

基于畸变分离的摄像机标定方法

在摄像机标定过程中,为了避免对摄像机模型中的畸变系数进行多次重复标定,提出一种将二阶径向畸变系数与摄像机模型分离的标定方法.该方法利用畸变形成的围线面积作为畸变评测函数,用模拟退火原理改进粒子群算法的惯性权重和学习因子;然后用改进的粒子群算法标定摄像机的畸变系数和图像中心点坐标,最后计算其他的摄像机参数.该方法无需预先知道摄像机的任何内外参数,算法简单,易于实现.实验表明,该方法与传统的非线性优化方法相比,图像坐标的平均反投影误差明显减小,而且具有更好的鲁棒性和精度.     

在线机器学习跟踪算法的研究进展

分类介绍在线机器学习跟踪算法的研究现状,比较各种算法的优缺点.研究表明:每一种跟踪算法都有其自身的优点和缺点,通常情况下只能处理某一些特定类型的变化,很难确保某一特定类型的跟踪算法能够处理复杂跟踪场景中的所有不确定因素.最后,针对在线学习算法容易产生误差积累,最终发生目标漂移的问题,提出使用多跟踪器的融合,实现鲁棒跟踪等相应的解决方案.