浅析高阶控制系统的校正方法

自动控制系统的难点就是对高阶复杂系统的方程线性化,从而实现控制,利用主导极点与偶极子的性质可以将高阶系统近似为一阶、二阶系统来分析,实现高阶系统的有效校正,实验结果符合控制要求。     

氟氯氰菊酯残留检测与紫外降解荧光光谱研究

氟氯氰菊酯杀虫效果良好,应用广泛,而其农药残留会对环境与食品安全带来潜在的影响,因此氟氯氰菊酯残留检测及其有效降解具有重要的社会意义。通过荧光分光光度计对氟氯氰菊酯进行了荧光光谱实验研究,发现296 nm处为特征峰。根据光谱图对不同的氟氯氰菊酯浓度值与相应特征峰荧光强度值进行回归分析建模,得到氟氯氰菊酯农药残留检测模型函数,相关系数R为0.997 8,回收率在96%～104%范围内,平均回收率为98.9%,相对标准偏差为2.6%。基于紫外光照射对氟氯氰菊酯进行降解,获取降解后的药液荧光光谱,得到降解时间与特征峰荧光强度之间的降解模型函数,相关系数R为0.993 2,平均回收率为98.25%。结合所得氟氯氰菊酯农药残留检测模型函数及其降解率公式,进一步计算得到氟氯氰菊酯经过不同降解时间后对应的降解率值。当降解11 min后,降解率为72.6%,降解80 min后,降解率为97.8%。实验表明,荧光光谱能够有效检测氟氯氰菊酯农药残留,而且紫外光照射可以有效降解氟氯氰菊酯。     

基于多尺度光流融合特征点视觉-惯性SLAM方法

为提高视觉-惯性导航系统在弱纹理环境下的鲁棒性和精度,结合特征点法精度高和光流法速度快的特点以及惯性信息,提出一种多尺度均匀化光流融合特征点法的视觉-惯性同时定位与地图(simultaneous localization and mapping, SLAM)构建方法。首先,改进快速特征点提取和描述(oriented fast and rotated brief, ORB)特征提取过程,采用多尺度网格化的方法提取ORB特征点并利用四叉树均匀分配特征点,提高特征分布离散性。其次,在帧间采用LK(Lucas and Kanade)光流法追踪特征点进行帧间的数据关联,在关键帧对特征点进行描述子的计算和匹配从而实现关键帧间的数据关联,保证算法速度的同时提高定位精度和鲁棒性。最后,基于光流法建立的数据关联得到的初始位姿为后端优化提供初始值,整合ORB特征点重投影误差、惯性测量单元(inertial measurement unit, IMU)预积分误差以及滑动窗口先验误差构建最小化目标函数采用滑动窗口非线性优化进行求解。实验表明,所提方法相比单目视觉惯性系统具有更高的定位精度和鲁棒性,定位精度平均...     

非视距环境下的协作定位节点选择算法

协作网络中终端节点的广泛协作容易引起定位误差的大规模扩散和非线性累积.在非视距环境下,为了使待定位的终端节点可以从周围节点中选择最佳的节点进行协作,提出了基于费舍尔信息矩阵的协作节点选择算法.该算法所使用的节点评估标准可以衡量参考节点对待定位节点位置估计精度的影响,从而使终端节点可以选择合适的子集进行协作,以减小定位误...     

现行流通加元防伪特征的研究

加拿大银行于2001-2004年发行了以"加拿大之旅"为主题的新版纸币,包括5、10、20、50和100加元,共5种面额。该版加元纸币的防伪特征主要表现在纸张、油墨、制版、印刷、裁切等5个方面。全面、系统地认识加元纸币的防伪特征,有利于稳定经济和社会秩序,防止犯罪,减少不必要的损失。     

感知特征增强学习的低分辨率人脸识别

针对低分辨率人脸图像信息严重缺失而导致的人脸识别能力受限问题,提出了一种感知特征增强学习的低分辨率人脸识别网络.设计的整体网络包含两个通道,其中一个通道为低分辨率人脸识别子网络,顺序执行对输入的低分辨率人脸的超分辨率重构、深度特征提取与识别;另一通道为高分辨率人脸识别子网络,顺序对输入的高分辨率人脸进行深度特征提取与识...     

神经网络定位中多点多映射概率样本增强方法研究

神经网络室内定位算法的定位精度取决于训练样本的数量和样本对数据特征的表征性,针对样本采集工作量大的问题,本文提出了一种多点多映射概率样本的增强方法.该方法首先根据无线信号的传播特性以及空间相关性,利用少量实测点数据,快速构建多点反应环境影响的特征,然后利用概率法生成表征无线信号波动的多映射正态分布样本数据.实验结果表明...     

试论概念规划

文章研究了概念规划的内涵,回顾了国内外概念规划的发展历程,分析了概念规划在中国城市规划中的地位、作用和意义,并进一步指出概念规划存在的缺陷和发展趋势.     

基于改进AdaBoost算法识别包装瓶的设计与实现

设计使用智能手机远程控制机器人,以树莓派(Raspberry Pi)作为系统主控核心,充当服务器端的角色,融合Haar-like特征值、分类器的加权系数以及AdaBoost算法,提出WIE-AdaBoost算法,并给出实现流程,最终通过无线网络使用智能手机实现对不同包装瓶的准确分类,并进行实验验证其准确性。实验结果表明,改进后的AdaBoost算法在训练集样本相对适合的情况下,对各种包装瓶的识别准确率达到92.86%,比传统AdaBoost算法的准确率提升9%左右,系统识别时间约为5 ms,已达到工业识别1 s的要求。