一种单输入CMAC策略在机械手逆模控制中的应用

小脑模型关节控制器(CMAC)是一种结构简单、学习速度快的局部神经网络,适合于实时控制。但对于某些高维输入系统来说,CMAC需要大量的存储空间,实际应用性能下降。文章结合传统PID反馈控制与神经网络逆模控制的特点,利用CMAC网络对机械手进行逆模控制;针对网络所需输入量较多的问题,提出了一种单输入CMAC网络的逆模控制策略,并将提出的控制策略应用于2自由度机械手的轨迹控制;引入测量变量使网络输入由二维转换为一维,减少了神经网络所需存储空间,提高了学习速度。仿真实验结果表明,所提出的控制策略克服了机械手非线性和不确定性的影响,是可行的。     

一种光学遥感图像海面舰船检测算法

为了在通用硬件平台上实现光学遥感图像海面舰船检测,提出一套适合实际系统应用的算法。首先,在海陆分割阶段设计能快速粗分图像内容的自适应双门限阈值分割方法;其次,根据海面舰船分布稀疏的特点对分块后的图像进行目标存在性初判;接着,只对初判为有目标的分块提取目标候选区域,提高了检测效率,其中引入杂波率系数自适应地控制Top-Hat算子中结构元素的尺寸,使其更好地抑制背景;最后,采用基于特征的模式识别方法剔除虚警。测试结果验证了算法的性能,并在硬件平台上进行了实现。     

飞行动目标RCS可视化计算

通过动力学方程和运动学方程计算飞行动目标的飞行轨迹,利用飞行扰动模型计算飞行过程中的飞行随机抖动,将图形电磁计算的方法推广到计算飞行动目标的雷达散射截面,并比较了考虑随机抖动前后的计算结果.     

基于图像处理的自动报警系统设计与研究

针对传统监控报警系统的缺陷,设计出一种基于图像处理的自动报警系统,并给出系统的设计方案、硬件设计和软件设计,重点提出了运动目标检测和报警算法．系统通过对运动目标的检测,实现对非法侵入自动报警．采用的高速处理芯片DSP和CPLD技术,使系统具有实时性和自适应能力．实际结果表明：系统图像质量高,稳定;误报率极低．     

大模数硬齿面高精度滚剃刀的齿形制造

在进行大模数硬齿面高精度滚剃刀的研制中,将圆弧拟合的方法用于渐开线蜗杆的齿形制造,可以提高滚剃刀渐开线的齿形精度。本文采用圆弧拟合大模数滚剃刀渐开线蜗杆法截面齿形曲线,进行了渐开线蜗杆法截面齿形计算及圆弧拟合误差的分析计算,并采用计算机进行优化计算,将理论造型误差控制在0.7μm以下;通过对滚剃刀渐开线蜗杆的圆磨,使滚剃刀的齿形制造精度在AA级的水平上进一步提高,从而有效地保证了滚剃刀渐开线的齿形精度。该方法在使用中简单易行,为精度级渐开线蜗杆的制造提供了新方法。     

基于贝叶斯分类器的实时图像目标识别实验研究简

基于对不完全朴素贝叶斯分类器的分析,提出一种离线训练在线识别的目标图像识别与跟踪实验方法.实验将模板图像与目标实时图像之间的特征匹配问题转换为特征分类问题,并在成像自寻的导引系统上运行.实验结果表明,该方法在保持很高鲁棒性的同时,大幅减少在线目标识别的计算量,具有较强的实时性.     

地面装甲目标声信号的混沌特征提取

针对地面装甲目标辐射的噪声信号的非线性特性,为使智能地雷能够有效地识别目标,利用非线性动力学理论中的混沌原理对目标声信号进行特征提取。通过野外场地实验,采集到2种装甲目标在不同运行速度下的40组样本信号,采用改进C-C法求得信号时间序列的相空间重构参数——时延和嵌入维,再利用Wolf法得到了2种目标声信号的混沌特征量——最大Lyapunov指数。结果显示：同一目标声信号的最大Lyapunov指数相近,且与运动状态相关性不大;不同目标间声信号的最大Lyapunov指数相差较大,辨识度较高。结论证明,最大Lyapunov指数可以作为地面装甲目标识别的有效特征参量。     

在ICT扫描中X射线辐射场均匀性的理论计算

由于工业CT能够真实记录工件内部缺陷的形状、尺寸及其物理方面的大量信息。而广泛应用于工业检测领域。X射线辐射场的均匀性对图像的质量产生重要影响。利用C语言编制计算机程序,其中的参数取自工业CT的技术参数,以探讨靶角、管电压、距离和过滤材料如何影响反射式X射线管辐射场的均匀性。     

基于物理规划的弹道多目标优化

针对加权系数法求解弹道多目标优化问题时不能获取非凸Pareto非劣解,并且主观依赖性严重,难以选取合适的权值的问题,将物理规划引入弹道多目标优化中,建立了基于物理规划的弹道多目标优化模型,详细分析了基于物理规划的弹道多目标优化方法的求解流程,指出了该方法的优点. 最后分别采用加权系数法、最优控制方法以及本文所提方法进行拉平段弹道多目标优化. 优化结果对比研究表明,物理规划法效率更高,结果更好,对初值不敏感,鲁棒性更强,并且有利于获得非凸Pareto非劣解,从而体现了所提方法较强的工程实用价值.      

基于改进的引导图像滤波和深度去噪自编码器的微弱目标跟踪算法

微弱目标易被周围环境中强烈的噪声干扰,为解决现有目标跟踪算法由于低信噪比导致跟踪准确度低的问题,提出一种将引导图像滤波器和深度去噪自编码器集成到粒子滤波器框架中的跟踪算法。通过引导图像滤波(guided image filter, GIF)算法对目标图像进行滤波处理,保留有价值的模板信息并使不准确的背景模板模糊,有效增强目标图像;通过改进的深度学习算法对深度去噪自编码器训练和微调,更好地适应目标外观变化;构造粒子分类器框架根据粒子重要性权重定位目标。实验结果表明,该算法在微弱目标跟踪准确度和抗干扰能力上优于多种现有主流跟踪算法。