基于流场纹理表达与表面粗糙度测量的运动目标分割

针对传统的光流法和背景差法所分割的运动目标存在区域丢失和内部孔洞的缺点,本文提出一种基于流场纹理表达及物体表面粗糙度测量的运动目标分割方法,即通过计算相邻帧间的光流将目标运动表达成流体的流动,并利用线积分卷积来表达流场纹理以展示更多的流场细节,从而将背景图像和运动目标分别表达成不同的纹理,最后通过针描法测量物体表面粗糙度的策略将运动目标和背景的纹理图像映射为表面粗糙度不同的物体,并通过分析直方图确定阈值分割运动目标。实验结果表明,本文提出的运动目标分割方法可自适应地选取阈值,并且可克服内部孔洞。     

平面凸轮机构的优化设计

本文以平面凸轮机构升程的最佳传动效率为目标函数,采用广义简约梯度法(GRG),对四种常见类型的平面凸轮机构进行优化设计.根据本文给出的程序,只需选定从动件的基本运动规律(备有七种),便可得出其最优设计参数和全部几何尺寸.     

神经网络校正的EKF在高超声速目标跟踪中的应用

针对临近空间高超声速目标高度非线性、强耦合、高机动、时变参数、和独特气动特性等特点,综合运用军事运筹学理论与方法、系统建模技术、神经网络技术以及计算机仿真等,提出基于神经网络校正的扩展卡尔曼滤波(EKF)算法,并在高超声速目标跟踪中进行了应用研究。采取神经网络的学习能力来克服卡尔曼滤波发散问题,通过卡尔曼滤波后加一级误差处理环节使滤波收敛。仿真结果表明:该算法在目标发生较大机动时仍能保持较高的跟踪精度。     

医疗废弃物多目标多周期可持续回收网络优化

针对医疗废弃物回收量的不确定性、多周期性,以及部分有毒有害废弃物处理不当不仅污染环境,还会危及操作人员健康等问题,以最小经济成本、最小环境影响、最大社会效益为目标,构建了不确定条件下医疗废弃物多目标多周期可持续性回收网络模型。为了减少不确定参数的影响,采用模糊机会约束方法,将模型中的模糊约束转换为清晰的对应式。以上海市某医疗废弃物回收企业为例,采用遗传算法（GA）对模型进行求解。算例结果表明,多目标优化总体优于单目标优化,且多周期回收网络规划比单周期规划更加灵活。     

基于帧差法与边缘信息的红外目标检测算法研究

根据红外序列图像中运动目标具有连续性和一致性,本文提出了帧差法和边缘检测相结合的检测方法。首先采用连续帧间差分法处理图像得到运动区域,然后对当前帧进行canny边缘检测得到边缘信息,两者检测结果相与得到运动目标边缘;最后进行形态学运算得到精确的目标边缘。仿真结果表明,该方法克服了帧差法和边缘检测的不足,对复杂背景下的运动目标能够进行准确检测。     

一种面向绿色制造的多目标车间调度方法

提出了一种新的面向绿色制造的多目标车间调度方法,通过将调度目标分解为竞争性指标和可持续性指标,分别建立了竞争性指标的调度模型和可持续性指标的评价模型,并基于改进的遗传算法求解出多组满足竞争性指标的Pareto最优解;然后从这些解中模糊优选出可持续性指标值最好的协调解,即为所求的绿色调度方案。实例研究表明,该方法在保证生产效益的前提下,能够使制造过程的资源消耗和环境影响最小,有效地解决了绿色制造中的多目标调度优化问题。     

Banach空间上一类非凸向量最优规划的对偶性

讨论了一般Banach空间上一类非凸向量最优规划,提出了Banach空间上一类非凸向量最优规划的一个Mond-Weir型对偶问题.基于问题自身的结构特点和利用定义在Banach空间之间的映射不变凸性,获得了对偶问题新的弱(强)对偶结果.在满足Slater型约束品性条件假设下,严格证明了对偶问题新的弱(强)对偶结果.所获得的对偶性研究结果涉及的是一类多目标规划建立在一般Banach空间上,且目标函数及约束函数为不可微强紧Lipschitz.     

资源分配的多目标优化动态规划模型

资源的有限束缚了项目投资追求的理想。系统内阶段的多样性,目标函数的多样化,状态的转移,阶段决策和总体决策策略的确立构成系统优化问题。针对多目标规划指标间的不可公度性,统一建立了n个分配方案关于定量指标和定性指标的相对优属度矩阵,并引用向量和矩阵统一给出了多目标、多阶段动态规划问题的分析方式,从而应用多目标模糊 优化动态规划方法建立了量纲不一的,既有定量目标又有定性目标的资源分配问题的数学模型。     

1—50eV电子—N2散射总截面的绝对测量

报道了利用飞行时间谱仪对电子－Ｎ２谱射总截面进行绝对测量的结果及其误差，与其它实验数据比较的结果表明，在实验范围内符合较好。     

基于关键点的点对特征三维目标识别算法

针对复杂场景下的三维点云目标识别速度慢,准确率低的问题,提出了一种基于关键点的点对特征三维目标识别算法. 通过直接对关键点建立点对特征,避免了周围邻域局部曲面的特征计算,具有空间维度小和计算速度快的特点. 使用哈希表存储,加快了特征匹配的时间. 利用快速投票方案对模型点云和场景点云进行匹配识别,生成候选位姿,利用贪婪算法对候选位姿进行聚类与筛选,采用ICP算法对物体位姿进行优化,基于配准后的点云重叠情况完成目标识别. 对提出的算法在多个数据集以及真实场景下进行了实验,验证了所提出的识别方法具有可行性和有效性,且对噪声的鲁棒性较强,具有一定的实际工程应用价值.