Sharma-Tasso-Olver方程的对称分析及精确解

利用Lie群分析方法得到了Sharma-Tasso-Olver方程的对称、最优系统,并结合扩展的G′/G-方法得到了Sharma-Tasso-Olver方程的一些精确解.     

不确定移动机械臂的反演滑模轨迹跟踪控制

针对一类受复杂不确定影响下的非完整移动机械臂轨迹跟踪问题,建立包含模型误差和外界扰动的不确定动力学模型,提出一种基于反演设计的滑模控制方法。该方法首先采用输入-输出非线性反馈进行系统线性化,建立包含总体不确定性的等价系统;然后,基于李雅普诺夫直接法两步反演设计幂次趋近率滑模控制器,有效抑制系统有界不确定性,减小滑模抖振,保证闭环控制系统渐进收敛,从而实现对参考轨迹的快速精确跟踪。仿真结果表明,该方法跟踪速度快,精度高。     

双门限值变步长光伏最大功率点跟踪

针对传统的干扰观察法和变步长干扰观察法的不足,提出了双门限值变步长光伏最大功率点跟踪法.该方法分别将功率曲线的斜率值乘以和除以输出电流而得到2个步长选择标准,每一标准下设一门限值.利用Matlab/Simulink工具建立相应的光伏阵列控制模型,对该方法和变步长干扰观察法的仿真.结果表明：该方法跟踪速度快、稳定性高,特别是当光强突变时也能快速地追踪到最大功率点.     

一般凸规划的近似非精确数据交替线性化方法

用非精确交替线性化方法求解一类一般凸规划问题(OCP).首先通过对应的扰动双函数的定义将约束(OCP)问题转化为形式为2个凸函数和的无约束极小化问题,然后用非精确数据定义线性化模型进而构造出两个强凸子问题,通过交替求解,经过有限多次迭代后所得的解收敛到原目标函数的迫近点.     

Г函数的性质研究

Г函数是一个特殊函数，其定义表达式为广义积分式。定理1一定理7给出了它的估计区间、精确表达式和近似计算公式。     

基于偏最小二乘分析和稀疏表示的目标跟踪算法

经典的基于子空间学习的跟踪方法通过主成分分析(principal component analysis, PCA)建立并更新目标的特征模型,只考虑目标的特征信息而忽视模型中每个样本的类别特征,从而降低了目标的跟踪精度。为此,提出一种基于偏最小二乘分析(partial least squares analysis, PLS)和稀疏表示的目标跟踪算法。通过PLS去分析关于目标与背景中纹理特征和类别信息之间的相关性,建立一个可区分的低维特征空间。将目标模板线性表示为所有目标候选的线性组合,当存在与目标模板相似的候选时,线性表示的系数满足稀疏性约束,通过L1范数最优化求解稀疏表示系数,根据最小的重构误差得到最优的目标位置。在多个视频场景下的实验结果展示了改进的跟踪算法具有较好的跟踪性能。     

基于电力线载波的太阳方位跟踪器控制系统设计

通过分析太阳运行规律,设计了太阳位置传感器.采用两级传感器方式,实时检测太阳方位;运用电力线载波,实现设备与上位机信息传输.利用简单光敏电阻和 SPCE061A 单片机设计了一种多方向太阳能收集控制系统,实现了大范围高精度地跟踪太阳;利用 PL2102B 载波芯片实现精确监控通信.经试验,系统的高度角和方向角跟踪范围在0~180°和0~270°,跟踪精度达到1°,而且设备与上位机信号传输稳定     

从多面体图象到线画图表示

如何在单幅线画图上进行空间多面体形状信息的定量恢复，魏在其论文［１］中已给出了主要的理论结果。为了从所摄入的多面体图象得到相应的线画图，要对图象进行一系列处理，包括：提取边缘、细化、跟踪及拟合。本文着重对该过程所涉及的图象处理问题及有关算法作一较为详细的讨论和介绍。     

基于激光跟踪仪的关节式坐标测量机参数标定

给出了一种6自由度(degree of freedom,DOF)关节式坐标测量机的总体结构设计,运用Denavit-Hartenberg(D-H)方法建立了该测量机的测量方程,并研究了测量机的误差模型,基于激光跟踪仪建立了基于空间坐标变换原理的测量机参数标定模型.对关节式坐标测量机标定前后的测量精度进行了实验验证,实验结果证明高精度激光跟踪仪可实现对关节式坐标测量机的快速标定.     

基于自适应背景模型的全方位视觉人体运动检测

设计了一种新的全方位视觉系统,用来在室内对多个人体目标进行实时运动检测。系统中使用全方位摄像机作为图像采集设备,能在一幅图像中获取水平方向360°的环境信息。在检测开始之前,首先由摄像机对无人环境持续观测一段时间,建立背景的统计模型;在检测开始之后,将每一时刻全方位摄像机采集到的图像变换成柱状全景图像,再利用背景的统计模型,通过自适应的动态背景减除算法得到前景区域,同时在线更新背景模型。最后进行区域分割,确定人体的位置。试验结果表明,该系统在复杂背景的室内环境下,有较好的实时性和检测效果。