打捆机驱动轮系统接触应力计算

为了探讨驱动轮系统各接触体的应力特征,应用弹性力学的公式和赫兹理论对多体接触问题的应力进行了研究,深入分析了接触应力的计算方法,推导出计算多弹性体接触时接触应力的实用计算公式,并结合驱动轮系统中驱动轮和捆线以及捆线和托辊接触的实际情况,考虑各接触体间相互作用的影响,分别计算出了其解析解。为零件的设计和机构改进以及分析此系统的磨损提供理论依据和参考数据。     

动态图像中人脸的快速捕捉跟踪方法

提出一种快速人脸跟踪方法. 首先根据模板匹配方法作人脸区域的初步定位, 然后使用支持向量机作为分类器进行最终确认, 再采用基于Mean-Shift的CamShift跟踪算法保持跟踪, 当有遮挡发生时通过Kalman滤波进行参数辨识和状态估计. 实验结果表明, 该方法具有较强的实时性、 有效性和鲁棒性.     

基于主成分分析的粒子滤波器目标跟踪方法

提出一种基于主成分分析的粒子滤波器目标跟踪新方法． 该方法将主成分分析法和传统的粒子滤波方法相结合, 避免了传统粒子滤波器的过度重采样, 提高了目标跟踪精度． 实验结果表明, 该方法对单个目标跟踪精度高, 且对多障碍物下的目标跟踪精度也较高, 适用于复杂背景下的人脸跟踪． 与传统粒子滤波方法相比, 该方法提高了目标跟踪的精度和鲁棒性, 避免了粒子退化和粒子贫化．     

采用互补特征的核相关滤波目标跟踪算法

为了改善跟踪算法的性能,提出一种自适应加权的融合颜色特征和方向梯度直方图(HOG)特征的多核多通道的相关滤波跟踪算法.针对核相关滤波算法特征单一的问题,采用互补特征核空间描述目标,并根据互补特征响应值的大小,自适应为互补特征核空间分配权重、更新模型,提高算法的鲁棒性.实验结果表明:所提出的算法不仅能在一定程度上处理目标外观变化问题,而且完全满足跟踪场景的实时需求.     

无线电遥测技术在动物学研究中的应用

无线电遥测技术自上世纪引入到动物学研究中以来,已被广泛应用于野生动物的栖息地、扩散、繁殖生态、种群生态等研究领域.随着无线电遥测设备的不断更新,标记及追踪方法和数据分析方法的不断改进,其研究领域也不断扩展.同时,无线电遥测对野生动物的影响的研究及基于此方面的争论也一直在继续.基于此本文综述了无线电遥测技术在动物学各领域中的应用,并提出了目前存在的问题和对未来做出了展望.     

在多速率BPSK／DBPSK软件解调中多普勒频偏矫正的一种方法

介绍了用于多速率BPSK/DBPSK软件化解调中的一种多普勒频偏矫正方法。该方法综合利用频率扫描和AFC环及PLL等频偏矫正方法,能有效估计和矫正达几十倍甚至几百倍码速的频偏,并能兼顾不同的码速和BPSK,DBPSK两种不同的调制方式,从而解决了在多速率BPSK/DBPSK信号软件化整体解调过程中多普勒频偏的矫正问题,将该方法用于多速率BPSK/DBPSK信号软件化整体解调的计算机仿真实验,收到了良好的效果。     

阴影光照条件下光伏阵列的最大功率点跟踪方法

提出一种基于线性函数的自适应步长滞环比较法的最大功率点跟踪(MPPT)方法.首先,在阴影光照条件下,构建光伏电池的双二极管等效电路,在Matlab/Simulink仿真平台上对光伏阵列输出特性曲线进行仿真;然后,分析文中方法的工作过程,通过仿真和实验对比文中方法与扰动观测法的控制效果.结果表明:文中方法可以准确地跟踪到阴影光照条件下光伏阵列的最大功率点,提升MPPT的跟踪效果.     

基于交互式多模型Kalman滤波的手势跟踪算法研究

针对任意变形手势跟踪过程中,手势运动轨迹方向发生改变时,传统滤波跟踪算法跟踪精度迅速下降的问题,提出了一种基于交互式多模型Kalman滤波的改进型手势跟踪算法。该算法在传统非机动状态空间模型的基础上增添了两个机动模型,以更加准确的描述手势的状态空间。首先采用三个不同模型分别描述不同的目标运行模式;同时,以模型匹配似然函数为基础更新模型概率;最终组合所有滤波器修正后的状态估计值以得到最优状态估计。实验对比结果表明,该算法能够取得较高地跟踪精度。     

导叶可调式液力变矩器流场模拟与PTV验证

为研究导叶可调式液力变矩器的内部流动特性,以循环圆直径为320 mm导叶可调式液力变矩器作为研究对象.采用计算流体动力学(CFD)方法对其不同开度、不同工况下的内部流动状态进行数值模拟,并对相应的透明模型进行粒子跟踪测速(PTV)试验验证.同一开度下,随着转速比的增加,可调导轮内部液流速度增加,液流方向与叶片进口方向的夹角增大;在制动工况时,叶片工作面有漩涡现象,而空载工况时,叶片非工作面有漩涡产生.对比试验与数值模拟内流场结果,发现后者可以比较准确地预测导叶可调式液力变矩器的内部流动特性.该结论为研究导叶可调式液力变矩器内部流动状态,预测外特性及其设计优化提供了方法和依据.     

显著性能量目标跟踪轨迹修正算法

针对SiamMask在目标跟踪过程中,图像序列中出现运动模糊时跟踪机制无法捕获特征点而导致的跟踪漂移问题,提出一种显著性能量目标跟踪轨迹修正算法。该算法通过显著性能量特征判定是否发生跟踪漂移,利用轨迹预测算法修正发生漂移时的跟踪结果,解决运动模糊条件下跟踪漂移问题,进一步提高SiamMask算法跟踪精度。分别在OTB50和VOT2018数据集进行仿真测试,仿真结果表明该算法较SiamMask算法跟踪精度提高0.2%,有效修正跟踪漂移时的目标位置,适用于智能监控和自主驾驶系统等。