本文将线阵CCD用于热轧带钢头部形状检测,提出空间坐标对应概念;给出图像二值化相关参数选取指导思想;针对带钢头部形状特殊性给出输入图像的滤波方法.实验效果良好

针对海底集矿机采矿环境图像,采用分段线性变换提高图像细节,中值滤波去除悬浮物干扰.利用形态学抗噪声梯度算子提取地形和障碍物轮廓,并用分段线性拟合计算出地表亮度变化率.根据表面亮度变化特征判断障碍物类型,采用自适应形态学对轮廓进行细化与连接.通过障碍投影变换计算出障碍物的距离、高度和宽度等信息.对陆地图像进行了分析,证明位置、高度和坡度等参数计算的可行性.利用上述方法对深海底的图像进行处理,不仅保留了边界信息,且提高了抗干扰能力和抗边界间相互影响能力,可有效识别深海底地形和障碍物,得出位置和形状等参数,可以为集矿机避障系统信息融合技术提供可靠数据

介绍了一种新型β射线电离式气体流量计.该流量计基于标记分子法测气体流速,通过硬件模拟电路对所得微弱电流信号进行放大滤波,经A/D转换输入计算机,由软件寻峰定时,实现对大管径高温气体流量的非接触测量.设计并制作了硬件电路,给出了详细的软件设计流程图

基于Biot-Savart定律和空间滤波技术,采用二维傅里叶变换,研究磁场到电流的反演.对高温超导量子干涉器(SQUID)测得的载流导线周围的磁场分布以及圆孔缺陷周围的涡流场激发的磁信号进行反演处理,并对所得的结果,特别是在傅里叶空间对截止频率的选择进行了初步探讨.结果表明,较高的截止频率值能有效提高反演结果的空间分辨率,但增加了噪声信号对反演结果的影响;相对较低的截止频率值能更明显地去除噪声信号,同时导致反演结果的失真,降低了反演结果的空间分辨率.利用缺陷周围的磁场数据反演出的电流分布,能够准确反映出被测样品中缺陷的位置、形状等基本情况

应用数字图像相关方法对高温条件下物体面内位移场进行快速、高精度测量.采用532 nm面阵激光作为照明光源配合532 nm窄带滤波与可调式衰减片组成的光学处理系统,很好地解决了高温情况下成像难题.介绍了人工散斑的制作方法,采用耐1000℃高温的高温墨作为散斑的制作原料,制作了可在1000℃高温情况下清晰的利于图像相关计算的散斑图.搭建了高温条件下物体面内位移的检测系统,分别做了常温下亮度不同的千分尺移动位移检测实验和喷灯对钢板持续局部加热到1000℃热变形场的测量实验.实验结果证明本系统具有抗干扰能力强、计算精度高以及便于实现的优点,可用于常温及高温条件下物体位移或变形场的测量

本文讨论了对电渣炉一类时滞传递特性对象的分析方法,可用以估计模型的结构,并应用了动态数据系统（DDS）辨识过程所得自回归滑动平均（ARMA）的模型。根据微处理机的控制和运算能力,对量测随机干扰的滤波和熔化速度控制回路的调节规律,提出了可行的算法。分析了系统的组成,并应用现代控制理论最佳控制的思想,提出了今后工作要点

超高速永磁无刷电机因其低电感和高换相频率而普遍面临转子与定子过热的困扰,而发热的一个重要原因是进行脉冲宽度调制(PWM)引起的高频电流谐波.对于逆变器处直接斩波调速方式,需要通过提高斩波频率以减小电流谐波.但对于像燃料电池汽车空压机用10 kW级电机驱动器,现有功率开关器件无法同时满足开关频率和功率的要求.因此在逆变器处斩波调速并不是驱动超高速永磁无刷电机的理想方案.为了减小定转子损耗,本文从减小电流谐波的角度出发,设计了一台前置Buck变换器无位置传感器控制方波驱动器.通过反电动势滤波电路以及换相位置补偿角的优化设计将无位置控制的适用范围扩展到3000~100000 r·min-1,对开发过程中遇到的关键问题进行了分析并提出了相应解决方案.最后,通过实验验证了该驱动器的控制性能

在遥感影像分割分类中,种子区域生长算法是一种常见的分割算法.传统的种子区域生长算法只能提取单一连续的、纹理简单的目标地物,而对具有复杂纹理和多光谱特征的遥感影像,分割时存在分割效果差、不能同时有效地提取多个地物的问题.针对以上问题,本文提出了一种改进的面向对象的自动多种子区域生长算法.该方法适用于同时提取多个目标地物,且分割效果好.该方法首先使用一种改进的中值滤波对影像进行平滑处理,使目标内部一致性更高,同时保留纹理信息.然后通过一定的准则进行自动种子选取并进行生长,最后对生长后的区域进行碎斑合并处理,最终得到多种对象的分割结果.本文采用三组不同大小的1 m空间分辨率的航空影像进行实验,通过与分水岭以及传统单种子区域生长算法的多组实验对比,发现该方法可以面向全局对象,自动选取覆盖各种地物类型的种子,同时对多种地物目标进行分割处理,可为后续面向对象影像分析和应用提供可靠的数据基础

为解决机器人末端负载的时变性给高速运动的机器人带来控制精度降低的问题，研究了参数差值法、力矩求解法、全局参数辨识法的机器人末端负载动力学参数辨识的方法，以提高末端负载的辨识精度.得到的负载动力学参数用于动力学控制以提高机器人动态精度.通过建立拉格朗日动力学线性辨识模型，以最优激励轨迹进行实时数据采集，采样数据经过低通滤波及中心差分的处理后，代入相应的负载辨识方程式，并用加权最小二乘法解决线性方程组，可辨识到不同负载的动力学参数.实验验证了负载辨识方法的可行性

提出一种基于图像分割的噪声方差两步估计算法.第一步,对含有噪声的图像进行平滑,再利用统计区域归并算法对图像进行分割,并计算每个区域的方差,根据统计规律选择适当的区域估计图像中噪声方差.第二步,利用初始估计的方差,修正平滑滤波、图像分割及噪声估计的参数,进行新一轮的平滑、分割和方差估计,得出更为准确的估计结果.在大量图像和不同噪声情况下的实验结果表明,该算法可以快速、准确地估计图像中噪声方差