投影仪全参数平面线性估计的高精度标定方法

针对投影仪光路结构复杂、主点偏差大导致高精度标定难以实现的问题,提出一种全参数平面线性估计的方法,为投影仪标定过程提供精确的主点偏差初值,实现了投影仪的全参数高精度标定。首先将投影仪作为虚拟相机,利用多频相移原理得到投影仪和标定板的坐标对应关系,然后采用两步法对非线性方程进行求解计算,通过引入向量参数的方法实现非线性方程的线性化,再利用仿射变换关系选取最优点集,得到稳定的直接参数预估算法,最后利用一种全局捆绑调整算法实现投影仪的高精度标定。采用此方法对投影仪单相机系统完成标定之后,测量了标准球以验证精度,实验表明投影仪单相机系统的平均重投影误差为0.04像素,测得标准球直径平均偏差小于0.1mm,球心距偏差小于0.05mm。结果证明,所提出的投影仪标定方法计算模型简单、稳定性高并具有较高的精度,适用于主点偏差较大和投影仪焦距未知的情况。     

改进型人工鱼群算法及复杂函数全局优化方法

在分析人工鱼群算法存在不足的基础上,对人工鱼群算法加以改进,提出了一种改进型人工鱼群算法。该算法提高了全局搜索能力和收敛速度,并用于求解具有变量边界约束的非线性复杂函数最优化问题。仿真结果表明,改进后的人工鱼群算法具有精度高、搜索速度快等特点,是一种求解复杂函数全局最优化的智能算法。     

非线性刚性变延迟积分微分方程的稳定性分析

研究一类非线性刚性变延迟积分微分方程,讨论此类方程解析解的稳定性,分别给出了方程解全局稳定和渐近稳定的一个充分条件,证明当α+β+γκ2τ21＜0时,非线性刚性变延迟积分微分方程类GRI(α,β,γ,κ)是全局稳定和渐近稳定的.     

电动助力转向系统优化标定方法研究

针对现有的电动助力转向系统(EPS)标定参数复杂、标定周期长、标定效果不理想问题,提出了一种EPS系统控制参数的优化标定方法。建立了EPS系统和二自由度整车数学模型;提出EPS系统性能评价指标,研究EPS系统控制参数与所提性能指标之间的关系曲线,并提出以转向稳定性为约束条件,以路感频域能量平均值最大和助力特性动态误差总方差最小为优化目标的控制参数优化标定模型。试验表明这种优化标定方法可以使EPS系统性能得到提高,有效指导标定人员进行参数标定,缩短EPS系统的研发周期。     

组合优化策略的改进协同优化方法

为克服传统协同优化方法一致性约束造成的收敛困难和局部最优问题,提出将粒子群优化算法和修正可行方向法结合并引入协同优化.应用粒子群算法获得全局最优解近似,在此基础上应用修正可行方向法进行局部精确搜索.分别以一个典型的二次函数优化问题和一个减速器设计优化问题作为测试实例,优化结果表明,所提出组合优化策略是有效的,同时兼顾了优化效率和精度.     

动态场景中运动目标检测与跟踪

为了在静态和动态场景中均能实现对运动目标的检测与跟踪,提出了基于运动检测和视频跟踪相结合的视频监控方法. 建立四参数运动仿射模型来描述全局运动,采用块匹配法对其进行参数估计;采用基于全局运动补偿的Horn-Schunck算法检测出运动目标;使用卡尔曼滤波对运动目标的质心位置、宽度和高度进行跟踪. 实验结果表明,该方法能够有效地对静态和动态场景中运动目标进行检测与跟踪.     

基于阶梯形标定物的线激光传感器手眼标定算法

本文设计了一种阶梯形标定物,这种标定物的标定点坐标更容易获取,只需线激光对准一次标定物上的标记点,与球形标定法相比操作更加简单;同时,在阶梯型标定物的基础上,提出了一种线激光传感器手眼标定算法,该算法利用RASANC(随机抽样一致)算法对标定点进行拟合,并利用最小二乘法求解手眼标定矩阵,这种标定算法无需对标定点的坐标进行修正.实验结果表明,阶梯形标定法的精度和稳定性均优于球形标定法,且该方法操作简单,可以满足自动化加工领域的大部分应用.     

二阶广义自治Birkhoff系统的全局稳定性

利用Liapunov函数法和Кpacoвcκий方法研究二阶广义自治Birkhoff系统的全局渐近稳定性.首先给出该系统Liapunov函数V的形式,然后证明了Liapunov函数对时间的导数V与矩阵F(a)的关系,进一步给出了判断该系统全局渐近稳定性的命题,最后举例说明结果的应用.     

基于锥模型的非单调自适应信赖域算法

基于锥模型,结合提出的新的自适应技术,建立了一个求解无约束最优化问题的非单调自适应信赖域算法.当试探步不被接受时,采用非单调线搜索,减少了计算量.充分利用包含当前迭代点信息的新的自适应策略调节信赖域半径.在适当的条件下,证明了算法的全局收敛性和Q-二阶收敛性.数值试验表明该算法是有效的.     

改进的二阶段滤子SQP算法

利用序列二次规划来求解非线性规划问题,并且引进滤子概念.在算法中,每次迭代分成可行阶段和最优化阶段,在可行阶段,减小不可行性的某种度量;在最优阶段,减小增广La-grange函数值.在一些弱的条件下,证明了算法的全局收敛性.