摘要：针对锅炉飞灰含碳量在线测量参数多变、惯性大等问题,设计一种改进型BP神经网络飞灰含碳量预测模型.通过主元分析法分析各燃烧工况与飞灰含碳量的关系,利用信息熵将标准BP神经网络中的误差函数进行改进,以抑制输入样本中的干扰噪声,并采用主元分析法筛选模型中输入参数,精简网络模型.结合所提出的改进型BP-WA(BP神经网络-狼群算法)优化控制策略对锅炉燃烧运行工况进行优化控制仿真研究,结果表明:采用改进型BP-WA优化控制策略优化飞灰含碳量前后,锅炉飞灰含碳量预测与标准BP网络模型方法相比,均方误差降低0.012 1;飞灰含碳量降低3.50%,提升了锅炉运行的稳定性.

摘要：致密焦面阵列馈源(DFPAF)融合了多喇叭多波束馈源和相控阵列馈源(PAF)的特点,与多喇叭多波束馈源和常规相控阵列馈源相比较,它可以同时提供更多的固定赋形波束进一步拓宽视场。在射电天文、雷达、电子侦察和卫星通信等领域引起了极大的关注。由于其阵列结构与常规阵列馈源不同,导致设计方法也具有特殊性,因此近年来展开了对其设计方法的研究。该文充分利用反射面天线的固有特性,并结合阵列天线理论,提出一种可以快速、稳健地设计致密焦面阵列馈源的方法,给出了设计原理和设计结果,并和最具代表性的多喇叭多波束馈源进行了性能对比分析,为设计致密焦面阵列馈电的大型反射面提供理论和数据参考。

摘要：设计了一种基于差压式测量原理的户用电子水表结构,并利用Pro/Engineer和Fluent软件对该结构分别进行了三维模型的构建和压损分析。同时,依据BP神经网络可以进行非线性拟合的特性构建了流量计量模型,用以避免新型差压式结构复杂的流量公式推导与修正,通过Matlab软件完成了该计量模型的相关训练与测试,并完成了该计量模型的移植。最后,对采用该流量计量模型的户用差压式电子水表实测流量数据进行了误差分析,验证了该方案的正确性及可行性。

摘要：双极化和宽带设计可以提高射电天文望远镜的观察效率;多波束技术可以拓宽视场,提高观察速度。利用多个独立的馈源偏焦放置实现的多波束反射面天线,具有结构简单、随频率变化性能稳定等优点。设计了一个针对500 m口径球面望远镜(five-hundred-meter aperture spherical telescope, FAST)的双极化、宽带19波束馈源,给出了馈源的实现方式和测试结果,利用馈源的幅度和相位辐射方向图,计算了由主动球面形成的多波束瞬时抛物反射面天线的性能。分析了剩余球面由于能量泄露对瞬时抛物反射面产生的影响。该系统级的设计方法及设计结果可为FAST将来的频段更换等升级改造提供设计参考和数据参考。

摘要：针对相机标定中外参标定精度低和标定速度慢的问题,设计一种X型标靶及其标定方法。对随机采样一致性算法(RANSAC)进行改进以及重新设计标靶,通过迭代更新得到最优单应性矩阵来优化相机外参旋转矩阵R和平移矩阵T。实验结果表明:该标靶减少算法迭代次数,提高了47%的标定速度,该RANSAC算法,新添应对存在多个最大值相同的方法,增加标定稳定性和精度;通过两组对比实验的分析,验证了该方法的可行性和稳定性,提高了相机标定速度。

摘要：为快速准确检测管材表面缺陷,设计一种基于特征点的管材表面缺陷视觉检测方法。采集典型管材表面缺陷图像,构建图像样本集;指定图像感兴趣区域,减少干扰背景对缺陷检测的影响;采用ORB(oriented FAST and rotated BRIEF)算法检测图像中的点缺陷,使用FAST算子搜寻缺陷图像的特征点,将检测到的特征点设为圆心,以圆心与取点区域的形心连接线为横坐标构建特征点描述子;选取典型管材缺陷图像对所提方法进行仿真验证。结果表明,设计的检测方法检测准确率高、检测速度快,具备较高的工程实用价值,可为管材表面缺陷的自动检测提供预研基础。

摘要：针对传统烧结质量检测方法存在的不足,设计一种基于图像处理的烧结质量在线检测系统。首先,分析系统结构与功能;其次,详细阐述系统软硬件结构设计;最后,进行实验分析。实验结果表明,该系统具有较高的检测精度和实用性。

摘要：针对高频稳压器输出电流周期性误差干扰问题,提出重复控制解决方案,通过阐述重复控制原理,分析其稳定性,进而结合系统模型和滤波器设计重复控制器,并在仿真中加以验证,重复控制具有良好控制误差信号的特性和改善输出电流的能力。

摘要：针对提高服务型机器人室内定位精度的需求,设计了一种将RANSAC算法和光流法结合的双目视觉里程计.采用RANSAC算法对误匹配点对进行剔除的方法,大幅降低了光流法跟踪存在的误匹配,以保证匹配准确度.推导了双目深度测距原理基于前后帧的相机运动模型,并通过PNP算法对运动模型进行求解,最终得到相机即机器人的位姿变化.结果表明:设计的算法将定位的平移误差降低到0.95%,旋转误差降低到0.0045°/m,能够满足室内机器人的定位精度要求.

摘要：针对汽车仪表盘指针生产线需要对烫印的指针进行微小缺陷检测的特殊要求,设计了一种融合Yolo、Faster RCNN算法的指针缺陷检测系统.首先,采集生产线上大量指针图片,并选取有缺陷的图片进行指针标注;然后使用Darknet-53网络作为Yolo算法的特征提取网络对指针进行预检测,再对预检测结果进行分类和切割;其次将切割后的图片进行缺陷标注,并结合Inception网络和Resnet网络,改进Faster RCNN的特征提取网络;最后设计一个端到端的指针缺陷检测模型.结果表明:设计的指针缺陷检测系统帧率可达1.25 FPS,在保证检测精度的同时,满足机械手抓取的运动速度,符合指针生产工艺的要求.