基于改进GoogLeNet的锌渣识别算法

针对目前热镀锌工艺中捞渣机器人工作效率低、缺乏选择性等问题,提出一种基于深度学习的锌渣识别算法,以提高捞渣生产线无人化水平.首先,在GoogLeNet网络基础上进行改进,并搭建了适用于实际生产环境的锌渣识别模型;其次,利用经验丰富的工作人员所标注的薄渣和厚渣这两类锌渣图片来建立数据库,完成锌渣分类模型的训练;最后,将工...     

混合计算智能学习算法在系统辨识中的应用

提出既具有较快的收敛性,又具有良好的全局收敛特性的混合计算智能学习算法,并将其应用于系统辨识。仿真结果表明,此方法是有效可行的。     

基于水模实验的脱硫搅拌混合量化表征方法

在实际的KR法铁水脱硫过程中,无法直接观察到铁水罐内的混合状态.本文采用水模实验模拟铁水搅拌过程,研究脱硫搅拌混合量化表征方法.首先获取水模装置中漩涡正面和侧面图像,并定义了新的基于图像信息的KR脱硫混合量化指标——分隔尺度;应用形态学处理和灰度阈值法,从漩涡正面图像中提取涡径;采用基于Lab颜色空间的K均值聚类方法分...     

论优化剪切

以实例为背景，阐明优化剪切的概念与控制策略，给出并证明预报钢材热长度的简明算式和关于预报提前量的不等式，提出实现优化的一刀调整法和P刀调整法并论证其完备性条件。     

基于.NET和MATLAB的自动控制原理网络虚拟实验室的研究与开发

介绍基于最新的．NET技术和MATLAB及其所提供的Web Server专用接口程序来虚拟实现自动控制原理实验。     

基于遗传算法的BP网络全局收敛的混合智能学习算法

给出了一种将 BP算法和遗传算法有机结合的全局收敛的混合计算智能学习算法。此算法结合了 BP算法和遗传算法的长处 ,既有较快的收敛性 ,又具备良好的全局收敛特性。计算机仿真结果表明 ,该混合算法显著优于遗传算法和 BP算法     

BP算法用于系统辨识的研究

讨论BP算法用于系统辩识时样本数的选取对训练速率的影响。确立一种选取每一时刻学习样本数的标准，在此标准下，既能保证训练网络的相对稳定性，又能大大加快其收敛速度。     

基于LABVIEW的《自动控制原理》CAI研究

介绍一种新的基于LABVIEW的《自动控制原理》CAI研究方法。比较了基于LABVIEW开发《自动控制原理》CAI的两种方式，一种采用LABVIEW使用MATLAB脚本节点方式，另一种采用LABVIEW直接调用功能模版方式这种基于LABVIEW的CAI系统的制作可以反映控制系统的动态特性，容易实现教师与学生的互动性。     

基于改进DeepLabv3+网络的氩花图像语义分割

钢包底吹氩过程中钢液表面裸露区域（即氩花）的面积可以间接反映吹入钢包中的氩气量。为了准确识别出钢水表面图像中的氩花区域,本文提出一种基于改进DeepLabv3网络的图像语义分割方法。该方法以DeepLabv3网络为基础,采用MobileNetV2作为主干特征提取网络,以降低网络的参数量和计算量;同时将原来的交叉熵损失函数替换成Focal Loss损失函数,以解决正/负样本不平衡和难/易分类样本不平衡的问题;最后在网络结构中添加通道注意力机制来提高语义分割精度。以生产现场采集的图像数据为对象进行实验,结果表明,与原始DeepLabv3相比,本文网络模型的参数量和计算量降低了约92.3%,平均交并比提升了0.82个百分点,达到92.4%,帧率提高了23.40%。     

基于CBAM-DDcGAN的锌渣红外与可见光图像融合

对热镀锌生产线锌池中的锌渣分布进行准确识别是捞渣作业智能化的前提。红外图像易损失锌渣的纹理特征,可见光图像又容易受到光照等因素的影响,红外与可见光图像的融合是提高锌渣识别精度的有效手段。本文提出一种结合卷积注意力机制模块(CBAM)和双判别器生成对抗网络(DDcGAN)的红外与可见光图像融合算法。首先,生成器内部采用编解码网络,编码器采用密集连接方式,与CBAM相结合,在最大程度地保留图像特征的同时还能突出关键特征,抑制无用信息,提升融合效果。其次,利用两个判别器与生成器分别进行对抗训练,可同时保留两种源图像的信息。采用锌渣图像数据集进行对比实验,结果表明,本文算法所得融合图像在主观视觉效果和客观定量指标上均有不同程度的改善。