香烟条包拉线图像检测的研究

研究香烟条包外包装所出现的无拉线或拉线错牙等异常现象的图像特征,设计检测算法,并开发相关软件系统。经过实例检验,系统可以有效地对香烟条包外包装出现的上述现象进行检测,能满足香烟生产企业在线检测的需要。具有自动化程度高、判决速度快、算法简单等优点。     

复杂结构的非线性检测

由于非线性系统的复杂性,现有的各种非线性检测方法都有局限性。从频域、幅域和时域三方面综合考察复杂结构的非线性表现,采用六种方法进行非线性检测,给出一个综合描述系统非线性程度的指标－非线性因子。鉴于非线性系统表现出的非线性强弱与系统所受的激励有直接的关系,将非线性因子定义为与激励的幅值特性和频率特性相关的系数指标。对几种典型非线性系统的仿真模型进行了检测,以验证非线性因子的有效性。     

遗传算法设计梯度子实现优化的图象边界检测

计算机图象处理技术可广泛应用各种图象测试、模式识别和计算机视觉等领域，而图象边界检测是计算机图象处理的最基本和最低层的步骤之一。由于噪声的干扰和图象光照不均匀等因素的影响，目前的图象边界检测方法还不能有效地检测出各种不同模式的边界。本文提出了一种基于遗传算法和灰度梯试算子的图象边界检测法，通过对样本图象的训练，设计对训练样本模式最优的灰度梯度算子，增加了对噪声的抗干扰能力，并且使被检测出的边界更准确。     

自治式水下机器人推进器故障检测、分离与重构

研究自治式水下机器人推进器故障检测、分离与重构问题。针对水下机器人故障诊断残差法中残差阈值不易选取的问题,提出了一种基于观测器的水下机器人推进器故障检测与分离方法,通过构建故障检测观测器对推进器故障与残差信号进行解耦,使推进器出现故障后仅引起与其相关的残差呈单调变化,从而可选择较大的阈值进行故障检测以提高诊断系统的可靠性,该方法在故障检测的同时可进行故障分离。针对系统不确定性导致的推进器故障重构精度低的问题,提出了一种RBF神经网络与等效输出注入相结合的故障重构方法,采用等效输出注入方法估计不确定性项,从神经网络输出中重构推进器故障。     

基于BIT的工程机械智能在线检测方法研究与实现

以某工程机械为研究对象,研究基于CAN总线的嵌入式BIT智能检测方法,研制具有高可信度的工程机械智能故障诊断仪,以提高工程机械作业的可靠性和安全性。     

基于外包合同网的自治电磁探测卫星群任务规划

针对具有星间通信能力的自治电磁探测卫星群任务及载荷特点,建立了基于MAS (Multi\|Agent System)的电磁探测卫星群自主规划模型,提出了基于外包合同网的电磁探 测卫星群自主规划算法。根据模拟的数据进行仿真实验及分析,该方法能有效解决电磁 探测卫星群自主任务规划问题。
     

基于马鞍形磁场的永磁直线电机位置解算方法

针对直线电机转子位置检测低成本和较高精度的要求,提出了一种基于马鞍形磁场来获得位置信息的方法及实现过程。分析了永磁体表面的磁场分布特征,指出了利用马鞍形磁场分布曲线来解算位置信息的优点,提出了根据马鞍形磁场推算位置信息的算法流程:先测得错开相位的2条马鞍形曲线数据,划分为4个象限后建立数据库;位置检测时,运用区间搜索算法寻得实际角度所在区间;再根据精度要求,采用合适的插值算法计算得到待解算的角度。仿真结果表明:基于马鞍形磁场的位置解算,能较好地得到直线电机转子的位置信息。     

某机载探测系统自主回收技术的实现

针对某机载探测系统探头回收自动化程度低的问题,提出了在无需操作员干预情况下实现探头自主回收的技术方法。采用了先进的控制算法,将缆位角与探头、缆长进行结合并引入了绞车控制系统,使绞车对探头的回收速度及缆长可进行实时调整,并给出了3种不同缆位角摆动条件下缆长与探头回收速度的控制曲线关系。研发了自主回收装置,设计了能够实现自主回收功能的探头回收机构。实验验证表明：在无需人为干预的条件下,在缆位控制系统及自主回收机构的配合下,系统实现了对探头快速、安全的回收。     

基于人工智能技术的雷达目标检测

强杂波背景下的目标检测是各国争相研究的热点,传统的雷达目标检测技术无法实现,人工智能技术的出现,其在目标识别和特征提取方面的独特优势,使得强杂波背景下的目标检测成为可能,利用人工智能神经网络的强大非线性预测能力对海杂波的非线性动力方程进行逼近,实现了对海杂波的非线性预测,提出了一种基于神经网络技术的强海杂波背景下的脉冲多普勒雷达导引头小目标检测方法,使得强海杂波背景下的目标检测能力有2 dB到6 dB的提升。     

一种基于OPTICS聚类的仅测角导航目标检测算法

仅测角自主导航方法具有设备简单、复杂度低,功耗低的优点,在空间任务中具有广泛的应用前景.针对中远距离下空间目标特征少的特点,提出了一种利用基于OPTICS聚类算法的空间目标检测方法,可用于仅测角导航过程中的目标检测.对原始星图进行预处理提取星点及目标点,并结合星图识别的结果选择部分帧,使用经过改进的OPTICS聚类方法获得目标运动轨迹.最后,使用本文中的算法对软件仿真出的含有目标的高精度星图进行处理验证了算法的可行性.在卫星相对于空间目标抵近过程中,目标检测的水平误差及垂直误差小于0.15°的帧数分别占到了85.4%以及99.6%.相比AVANTI实验中的目标检测方法,减少了在轨任务中相关参数的调节,进一步提升了算法的自主性.