基于手柄积分的液压挖掘机回转系统速度位置复合控制特性

传统液压挖掘机回转系统是靠驾驶员的观测实现定位,生产效率和回转定位精度较低.为此,本研究基于手柄积分控制,提出一种速度位置复合闭环控制策略,根据设定运行速度和目标位置,设计期望的运行轨迹.为与通用的手柄操作模式相兼容,目标位置通过对手柄给定角速度进行积分获得.此外,同时加入压差反馈和速度反馈,提高系统定位精度和运行平稳性.研究中,以液压挖掘机为研究背景,构建了回转系统机电液联合仿真模型和试验测试系统,对控制策略可行性和有效性进行了验证和分析,结果表明,该方法对于不同期望位置,都可以获得较高的定位精度,定位误差仅有0.5°,且有效减小了位置超调和速度波动,回转位置闭环控制系统动态特性显著提高.     

水稻花发育基因调控的研究进展

开花是高等植物从营养生长转向生殖生长的一个重要的生理过程。近几年来对水稻开花的研究取得了一些新的进展。分析了水稻从营养生长向生殖生长转化过程的基因控制,以及环境因素与植物内在发育程序对控制水稻开花时间的基因的影响,阐释了与拟南芥花器官发育的ABC模型相似的水稻的花器官发育机制,简述比较遗传学中利用基因共线性对开花控制位点的研究,这些研究结果与寻找更多的水稻开花基因并研究其功能提供了有意义的启示。     

虎年观虎景

农历戊寅年即将来到。按照我国传统说法,寅属虎,戊寅年应为虎年。虎为百兽之王,形象威武雄壮,步伐矫健,一声长吼,威震山河。人们常把勇猛的士兵称为“虎贲”,把勇敢的将军称为“虎将”,把险要的关口称为“虎口”。在我国还有不少与虎相关的名胜古迹,如有机缘,当在虎年里去游虎池、赏虎景,去访山水之奥,探古迹之幽,寻名胜之奇,得风物之神。虎丘:又名海涌山。在江苏苏州市闾门外山塘街。春秋时期,吴王夫差葬其父阖闾于此,相传葬后三日,有白虎踞其上,故名虎丘。一说为“丘如蹲虎,以形名”。虎丘有“吴中第一名胜”、“江左丘壑之表”的美名。据记载,南宋绍兴年间以后寺院规模宏伟,琳宫宝塔,重楼飞阁,被列为“五山十刹”之一,古人曾用“塔从林外出,山向寺中藏”、“红日隐檐底,青山藏寺中”等诗句描绘虎丘景色,虎丘景点颇多,有虎丘塔、虎     

一种改进的强跟踪滤波算法

强跟踪滤波算法由于对判断滤波发散的阈值设置较小,以较大概率产生渐消因子而导致对滤波增益过调节,最终对状态估计不够平滑. 在分析强跟踪滤波算法运行机理的基础上,提出了一种改进的强跟踪滤波算法. 通过适当提高判断滤波发散的阈值,有效降低了误判滤波发散的概率,并能针对不同维数量测方程确定不同的弱化因子,避免了凭经验加入弱化因子解决这一问题的缺陷. 数值仿真结果表明：改进的强跟踪滤波算法对系统状态突变不但具有较强的鲁棒性,而且能有效保持滤波精度和对状态估计的平滑性,从而验证了该算法的可行性和有效性.     

基于分水岭和广义非局部平均的小波去噪

非局部平均滤波去噪方法和基于广义非局部平均的小波域去噪方法都会在不同程度上损失图像细节信息.为了在去除图像噪声的同时更好地保留图像细节,文中提出了一种基于分水岭分割和广义非局部平均的小波去噪方法.首先对含有噪声的图像进行基于梯度的分水岭分割并保留分水岭脊线;然后对含有噪声的图像进行多维度小波分解,对分解的每一层系数估计尺度系数和形状系数,构造每层小波子系数的广义高斯模型,对每层细节子带信息分别在水平、垂直、对角线3个方向应用基于广义高斯模型的非局部平均滤波;最后用含噪图像中与分水岭脊线相对应的像素点替换小波重构后图像的对应像素点.仿真结果表明,该方法与基于广义非局部平局的小波分析去噪法相比能获得更好的视觉效果和去噪效果.     

降维 CKF 算法及其在SINS 初始对准中的应用

针对常规容积卡尔曼滤波(cubature Kalman filter, CKF)算法在捷联惯导系统（strapdown inertial navigation system, SINS）大方位失准角初始对准中采样点个数与状态向量维数成正比、计算量较大的问题,提出了降维CKF 算法。与常规CKF 算法相比,该算法只对离散化后的SINS 非线性误差模型中的大方位失准角进行采样,再利用三阶球面-相径容积规则计算后验均值和协方差,从而将采样向量从10 维降低到1 维,采样点数量从20个下降到2 个,减小了计算量。仿真实验结果表明,该算法与常规CKF 算法具有相同的对准精度,计算时间仅为常规CKF 算法的1/3,是一种较为实用的方法。     

基于POS-ELM的孤立性肺结节诊断方法研究

在肺结节诊断方法研究中,传统机器学习诊断方法存在诊断性能不稳定的问题。为了提高孤立性肺结节的识别准确率,提出基于粒子群优化(particle swarm optimization,PSO)参数的极限学习机(extreme learning machine,ELM)辅助诊断方法。首先采用PSO选取ELM最佳的初始权重ω和偏置b;然后利用最佳参数ω和b对ELM进行训练;再利用PSO-ELM对通过稀疏自编码得到的肺结节特征进行分类识别。实验中,将传统机器学习算法与本文方法进行对比,结果表明,利用粒子群优化算法进行优化的极限学习机在孤立性肺结节诊断方面具有较高识别准确率和稳定的分类性能,可以作为一种有效的肺结节诊断工具。