基于模型参考模糊自适应的转台摩擦力矩补偿研究

为克服某型伺服转台在摩擦力矩干扰下引起的低速“爬行”问题,设计了基于模型参考模糊自适应的摩擦补偿控制方法;并基于所建立的数学模型对该摩擦补偿方法进行了lyapunov稳定性证明,采用Matlab进行了仿真试验分析。仿真结果表明,该摩擦补偿方法能够有效抑制摩擦干扰的不利影响,提升了转台低速跟踪的平稳性,从而显著提高了转台的低速伺服精度。     

威布尔分布三参数估计的模糊—随机方法

提出了威布尔分布三参数估计的模糊－随机方法，并对蒙特卡罗方法产生的随机样本进行了验证，结果表明，求得的参数估计值十分接近理论值。     

基于"SOM脸"的选择性单训练样本人脸识别

基于“SOM脸”计算模型提出一种新的人脸局部区域重要程度度量方法,并用于进行选择性单训练样本人脸识别。从机器人脸识别的角度,并未预先人为设定任何重要区域,而是通过学习来自动发现这些对机器而言相对重要的人脸区域,即包含类信息相对丰富的区域,并将其进行可视化。实验结果表明,在利用了人脸局部区域重要程度信息后,识别算法的性能和效率均得到提高;特别是仅选择人脸图像中若干部分重要的区域用于识别时．在提高识别效率的同时．识别性能来见明显下降。     

三面压缩式高超声速进气道流动结构研究

采用油滴显示技术结合数值模拟方法对三面压缩式高超声速进气道的流场进行了深入研究.结果揭示由于激波-边界层干扰,三面压缩进气道内存在边界层分离、溢流和三维涡结构等复杂流动现象,尤其是唇口诱发的较大强度的斜激波引起了侧壁和顶面的边界层分离,并在顶面附近形成大尺度的流向涡,造成隔离段内存在明显的分层现象,形成低总压区,需要在进气道设计时对这一现象进行有效控制.     

基于小波变换和ICA的卫星测控信号盲识别算法

针对信息对抗中对非合作卫星测控信号识别的问题,提出一种小波变换和独立分量分析相结合的卫星测控信号盲识别算法.首先,基于小波变换去除噪声原理,对混合信号进行去噪处理;然后,采用独立分量分析的方法对去噪后的混合信号进行分离;最后进一步对分离后的测控信号作矢量归一和再去噪处理,得到卫星测控信号的最终估计.Matlab仿真结果表明:该识别算法可以较好地分离卫星测控信号,并且很好地保留了源信号的特征,具有良好的稳定性,收敛速度较快.     

基于阴影信息的多视角SAR图像识别

传统的SAR图像识别技术主要基于目标的电磁散射特性,而目标阴影信息对SAR图像目标识别具有重要的作用。若能获取同一目标在多个方位角下的多幅SAR图像,可改善目标识别的性能。针对该问题,本文提出了一种基于隐马尔可夫模型及阴影信息的多视角SAR图像识别技术。该技术提取目标阴影形状的链编码作为特征向量,并结合同一目标在不同方位角下的多幅图像的特征向量,生成该目标的特征序列,然后利用HMM对特征序列进行识别。仿真结果表明,该方法可有效实现SAR图像目标识别。     

基于模糊径向基神经网络的小型无人机控制系统研究

为保证小型无人机的飞行安全,提出一种由无人机飞行控制器和地面学习单元构成的两层网络学习控制系统架构。无人机飞行控制器采用模糊控制策略,学习单元采用经遗传算法优化的径向基神经网络,充分利用模糊控制和神经网络的各自优势,将模糊控制策略与RBF神经网络相结合提出了一种基于RBF神经网络的自学习模糊控制策略。所设计的飞行控制器用于无人机飞行过程中的姿态控制,仿真及实验结果表明本方法是有效的。     

时空轨迹群体运动模式挖掘研究进展

群体运动模式是时空轨迹模式挖掘的重要内容,用于发现群体运动规律、群体运动趋势以及群体事件。本文首先对群体运动模式建模和群体运动模式挖掘两个层面存在的问题与挑战进行了阐述。接着,对群体运动模式进行了分类,将其分为有领导者运动模式、伴随模式、突变运动模式、流行运动模式、聚集运动模式和发散运动模式。最后,介绍了各种群体运动模式之间的区别与联系,对各种群体运动模式挖掘算法思想进行了综述。     

监控视频中异常事件检测技术研究进展

异常事件检测技术是当前智能监控技术研究领域关注的一个热点,作为计算机视觉的重要研究内容,其主要目标是利用计算机自动检测出可被视为异常的事件。传统方法存在低层视频特征描述能力弱,异常检测方法计算代价大,对复杂场景建模时鲁棒性差等方面的限制。本文结合国内外的研究现状和目前的主流方法,介绍了监控视频中异常事件检测涉及的基本技术,分析了各类监控视频特征提取方法、特征学习模型和异常检测方法的优缺点,整理归纳了可用于监控视频中异常事件检测的常用实验数据集,最后讨论了监控视频中异常事件检测技术的难点、挑战及未来发展趋势。     

基于深度学习的先进陶瓷零件实时缺陷检测系统

传统先进陶瓷零件检测与分类的主流方法为纯机械尺寸过滤和人工判断,为解决其成本高、失误率高和损坏率高等问题,提出了基于深度学习的多目标实时检测分类模型（Multi-object real-time detection and classification model, MRDC）。该模型以YOLOv3为基础,使用SKNet作为注意力机制进行特征重构提高精确度,配合灰度图快速转化算法与跳帧检测方法提高检测速度,可实现实时缺陷检测。对实际生产中的先进陶瓷零件进行采集训练,多批次采集图像数据,每批数据含多个陶瓷零件的1 000张图像,平均精确率均值达到99.19％,用先进陶瓷零件生产线视频检验,识别分类的正确率达到100％,可以保证每分钟检测450~550个零件。多目标实时检测分类模型拥有识别速度更快、识别准确率更高和零件不易损坏等优点,可极大地节约生产原料与人力成本,减少废品产出。