摘要：针对光纤布拉格光栅(FBG)准分布式传感解调系统进行了专门的研究。结合准分布式传感解调信息混杂、动态范围大等特点,自行搭建了FBG传感解调系统。以实验室现有的复合传感器为平台,基于Lab VIEW软件,开发出一种适用于光纤光栅准分布式传感解调的测试平台,使得承载有温度、压力、流量信息的波长变化智能区分,并通过相应计算将被测物理量实时显示。通过实验,对温度、压力、流量传感器分别进行了标定,得出相应的计算参数;通过综合实验,系统分辨出了不同物理量的波长值并直接显示被测量,实现了高精度可视化实时显示的目的,验证了系统设计的可行性与可靠性。

摘要：借鉴变色龙视觉的高度独立性、对称性、全局性与选择性兼顾等特点,该文提出一种基于双PTZ(Pan-Tilt-Zoom)相机的主从跟踪方法。由于两个相机的对称性和参数可变性、可控性,这种方法相对于静止加主动相机的主从跟踪系统,可以增大监控范围;相对于多静止加主动相机的系统,可减小硬件开销;相对于全向加主动相机的系统,更有利于信息融合。该文设计了基于球面坐标模型的主从控制方法,可方便实现两相机在任意pan-tilt-zoom参数下的主从模式跟踪,实现对目标的多尺度视觉关注。在室外场景中进行的多组实验验证了所提方法的有效性。

摘要：在分析小波域灰度梯度共生矩阵对梯度特性描述的基础上,设计了一种模糊度评价指标.在遥感影像小波域统计特性,即不同子带对噪声和模糊敏感程度不同的基础上,设计了一种抗噪声的遥感影像模糊度评价指标.实验表明:该指标与图像的实际模糊度水平一致性强,能准确评价遥感影像的模糊度水平.

摘要：针对一类受持续有界扰动且具有多胞型表示的约束线性时变系统,当系统状态不可测且扰动边界未知时,给出了基于线性扩张状态观测器与输出反馈Tube鲁棒模型预测控制策略的最优输出跟踪控制器设计方法。该方法首先应用基于集员滤波的扩张状态观测器对系统状态、扰动及其边界进行联合在线估计;其次根据估计结果将输出跟踪问题转化为对虚拟平衡状态跟踪误差系统的鲁棒镇定问题;最后基于跟踪误差模型结合Tube可达集鲁棒模型预测控制策略,设计系统的最优鲁棒跟踪控制律,确保系统闭环输出鲁棒渐近跟踪期望轨迹。仿真结果表明所提控制算法可以很好地消除扰动设定边界与真实边界失配的影响,保证对期望输出的鲁棒跟踪,验证了其有效性。

摘要：针对存在参数不确定性和外扰的飞行器再入姿态控制问题,提出一种基于准连续高阶滑模的控制方案.首先基于奇异摄动理论将姿态控制系统分为快、慢两回路;随后在慢回路滑模控制系统设计中利用范数型切换函数代替符号函数以使虚拟控制量平滑连续;在快回路设计中,基于积分型快速终端滑模、反馈控制和准连续高阶滑模控制理论设计快回路控制系统.理论分析和仿真结果均表明,该控制方案在增强系统鲁棒性的同时能够有效削弱系统抖振.

摘要：冲击调制是滚动轴承发生局部故障的重要特征,在频谱上表现为调制边频且能量主要集中在高频共振区非常不利于诊断。根据冲击序列在时域与频域具有相似冲击形式的特点,将时域的自相关概念引入频域,对滚动轴承内、外圈局部故障响应信号的频谱进行自相关分析。该方法将位于高频共振区的调制边频特征有效地转移到低频区,形成以故障特征频率为基频的谐频特征;对于内圈故障信号频谱自相关结果保持了载荷调制的边频。对6220型滚动轴承外圈和内圈点蚀故障信号的分析结果表明:频谱自相关分析在不设计带通滤波器选择共振频段时,分析过程更简洁,对内圈故障特征的提取比包络分析、倒谱分析及时域的自相关方法效果更好、抗噪能力更强、可信度更高,具有较高的工程应用价值。

摘要：文章针对射击集群目标时战术导弹靶场效能优化问题 ,在设计了新的编码方案和遗传算子的基础上 ,提出了适应不同情形的改进遗传算法。

摘要：针对静基座条件下大方位失调角时,平台自对准回路存在严重非线性的问题,设计了一种基于无迹粒子滤波技术的半球谐振陀螺平台自对准方案,并进行了数值仿真和转台试验验证。结果表明,此方法可缩短对准时间,具有算法简单,实用性强,对准精度高等特点,为半球谐振陀螺在平台中的应用进行了探索。

摘要：针对红外与可见光图像中特征点匹配的难题,提出一种基于形状上下文的特征点邻域边缘描述与匹配算法.首先采用基于曲率尺度空间的角点检测算法进行特征点提取,并将特征点所在曲线的法线作为主方向,避免了图像的旋转代价;然后搜索相同边缘上最近的特征点,通过计算这2个特征点邻域的边缘的像素点分布直方图构造一个120维的特征点描述符,并进行归一化;最后采用最近邻算法实现特征点匹配.实验结果表明,该算法能够有效地实现对红外与可见光图像特征点的精确匹配.

摘要：针对传统字典学习方法在退化图像复原中效果不理想的问题,提出一种基于字典对联合学习的退化图像复原方法.首先在图像稀疏分解和字典学习的基本框架下,对基于字典学习复原方法的整个过程和关键步骤进行分析;然后针对图像复原的线性模型存在的缺陷,提出一种非线性的基于字典对联合学习的框架,解决了传统字典学习方法在退化图像复原中存在的不对称问题;最后利用随机梯度下降算法估计字典模型参数,并使用一种经典的启发式方法提高该算法的稳定性和收敛速度.基于各向同性和各向异性模糊核的实验结果表明,该方法对于非盲图像复原与当前技术条件下的方法相比是有竞争力的,甚至是更好的.