曲面工件超声检测机器人误差补偿分析

针对曲面工件超声波检测过程中,超声检测机器人末端探头位姿误差对检测精度影响的问题。根据超声检测机器人自身特点,提出基于多关节摄动误差补偿原理逆向求解标定误差模型参数的方法,利用误差模型参数实现对检测中所有扫描点位姿误差的实时补偿,提高检测的精度。首先,应用Denavit-Hartenberg方法建立超声检测机器人的运动学模型;其次,分析超声检测机器人的误差原因和来源,并利用矩阵微分原理建立误差模型;最后,结合超声检测机器人测距功能和多关节摄动误差补偿原理得到位姿误差实时补偿方法。通过螺旋桨曲面工件扫描检测实验验证该位姿误差补偿方法的有效性。     

分块结式矩阵逆阵的快速算法

利用结式矩阵求逆矩阵的多项式快速算法,给出了具有结式矩阵块的分块矩阵逆矩阵的一种快速算法。该算法仅用结式矩阵的第一行元素进行计算,在计算机上实现时只有舍入误差,故在理论上是精确的。最后给出了应用该算法的数值例子。     

人工神经网络用于三组分稀土混合体系的HPLC测定

利用误差反传算法（ＢＰ算法）的人工神经网络模型，对高效液相色谱难分离的三组分体系进行了研究，对网络参数进行了优化，提出了适用于该体系的三层网络模型．结果表明，该模型性能良好，预测精度高．     

自动网络分析仪误差模型的矩阵解法

本文提出了微波自动网络分析仪误差模型的矩阵解法。与信号流图法相比,矩阵解法能较快的给出误差模型和S—参数的显式解,更适合用计算机进行数据处理,明显地提高自动网络分析仪的测试精度和速度。     

基于主成分分析的PSO-BP算法在GDP和CPI预测中的应用

GDP增速与CPI指数具有复杂的时间序列和非线性特征。鉴于BP神经网络算法有良好的非线性拟合能力,但容易陷入局部极小值的特点,提出了基于主成分分析的PSO-BP算法。该方法主要通过主成分分析方法对输入变量进行降维,利用PSO算法良好的全局寻优能力对BP算法的权值和阈值进行优化,从而避免BP算法陷入局部极小值。最后运用模型对GDP增速和CPI指数进行拟合预测。实验结果表明:该模型比PCA-BP模型和PSO-BP模型具有更高的拟合精度和更小的均方误差。     

基于视觉传感器的汽车自主紧急制动控制算法研究

驾驶员注意力不集中是导致汽车追尾事故频发的主要原因,采用自主紧急制动系统可以减少碰撞的数量、降低事故严重程度。针对雷达传感器成本高以及对于静止物体存在"虚目标"等问题,设计了一种基于视觉传感器的自主紧急制动算法。该算法利用一个单目视觉传感器根据图像坐标系中车辆的位置和速度计算碰撞时间(TTC),进而判断是否需要施加制动。将障碍物阴影行坐标根据小孔成像模型映射为两车距离,并利用Kalman滤波器将各行像素的测距误差调整为观测误差矩阵。仿真结果表明:在不同工况下,与传统距离估计算法相比,提出的时变观测误差矩阵Kalman滤波算法能有效降低估计误差,当TTC准确值低于3 s时,TTC的估计值能收敛于准确值,说明所设计的AEB算法有效。     

一种快速全局运动估计算法

为了对全局运动进行准确快速的估计,在对全局运动估计算法进行研究的基础上,提出了一种快速全局运动估计算法。该算法基于非线性密度估计,采用了六参数的仿射模型。为了提高计算速度,采用了3层金字塔进行多分辨率计算,而且在每层迭代计算中,将基于块的外点去除算法与特征点提取算法相结合,这样既加快了算法的速度,又提高了计算结果的准确性。全局运动估计的实验结果表明,该算法在速度和准确性上具有一定的优势。     

混合学习法前向网络多属性储层参数预测

应用前向网络描述地震属性和储层参数间的非线性映射关系时，经典的误差反向传播算法存在收敛速度慢，易陷入局部极值等诸多不足。研究了融合粒子群优化算法和误差反向传播算法的混合学习法前向网络多属性储层参数预测技术。粒子群优化算法是一种群体随机搜索演化计算技术，具有较快的收敛速度和较强的全局搜寻能力；误差反向传播算法本质上是梯度下降算法，注重局部搜索。混合学习法为两种学习算法交替执行，首先以粒子群优化算法训练网络，当误差能量在规定的迭代次数内不再发生变化时，采用误差反向传播算法实现局部寻优。理论函数逼近测试和实际储层参数预测实验说明了混合学习法具有学习时间短、求解效率高、可靠性强的优点，具有良好的应用前景。     

基于支持向量机的传感器非线性误差校正

提出了一种用支持向量机校正传感器非线性误差的原理和方法。该算法只依据样本就可以正确辩识传感器逆模型特征,而不需关于逆模型函数形式的任何先验知识,并将原问题转化为一个凸二次优化问题,能够保证找到的极值解就是全局最优解,具有较好的泛化能力。通过对电容式湿敏传感器误差校正的应用表明:该算法可取得较好的效果。     

基于LM算法的机器人运动学标定

机器人参数估计与误差补偿的标定方法是提高机器人末端位置定位精度的重要手段。课题组建立UR3机器人DH参数运动学模型,基于机器人末端工作空间的出现频率概率分布确定机器人测量空间域;以激光跟踪仪测量空间域内的机器人末端位置,构造出机器人末端位置误差与几何参数集间最小二乘方程目标函数,利用自适应步长的LM(Levenberg Marquardt)算法对其进行迭代求解,进行参数估计得到几何参数标定值,以此修正机器人系统理论运动学模型结构参数集。最后对标定结果进行验证和分析,结果显示标定后最大误差降低了47.48%,平均误差降低了37.98%,均方根误差降低了40.40%,证明了该标定方法的有效性和可靠性。     

决策树优化研究

提出用新的极值点禁忌搜索算法构造分类问题的全局优化决策树,该算法呆用于不可微分的目标函数。全局树优化方法是非贪婪的,用于构造具有固定结构的多变量决策树,将多变量决策树表示成析取线性不等式集合,全局树优化就是使析取线性不等式中的分类误差最小化。     

测量平面度误差时不确定度的相关计算方法

本文通过实例给出用节距法测量平面度误差时，测量结果不确定度的相关计算方法，改进了通常按独立测量计算方法存在的问题，并给出了基于矩阵法的相关算法．     

改进的决策矩阵及其属性约简方法

研究了基于决策矩阵的决策表属性约简的方法,用反例指出文献[3]中的两处错误:核的计算方法是错误的,而且属性约简算法不完备.然后给出一个改进的决策矩阵和属性约简方法,例子分析表明,改进后的方法是有效的和完备的.     

解不等式约束优化问题的一种修正的SQP方法

提出了一个解不等式约束优化问题的新方法,克服了SQP方法中线性化约束不相容的问题,同时利用Li-Fukushima提出的求解无约束问题的MBFGS公式对Hessian矩阵进行修正,在适当的条件下,证明了算法的全局收敛性.     

基于FCM的动态结合全局图像阈值分割

全局阈值分割对于小目标物效果不理想,动态阈值容易产生阴影等干扰,但综合考虑全局阈值和动态阈值可以达到比较理想的结果。模糊C均值算法用于灰度图像分割是一种非监督模糊聚类后再标定的过程,该文在不明显增加运算量的前提下,利用模糊C均值自动聚类的功能分别得到全局阈值和动态阈值,完成对阈值矩阵的构造和图像的分割。     

初始点任意优化问题的广义梯度投影法

利用广义投影与罚函数技巧和辅助规划处理带等式和不等式约束问题以及采用二阶段搜索方法，给出了一个初始点可任意的带不等式和等式约束的优化问题的广义梯度投影算法，并证明了该算法具有全局收敛性。文中削弱了文献［１］的条件，保持了它的优越性，罚参数在计算过程中自动调整且只需适当大，因此，在实际运用中不会有太大的困难。     

基于真实反射场景的SAR原始回波数据模拟

针对ＳＡＲ（合成孔径雷达）原始回波数据模拟，提出了一种基于真实反射场景的模拟算法，并对算法中的关键问题，如距离走动误差注入、质心偏移误差注入、Ａ／Ｄ量化误差分析等进行了分析。该算法利用机载和星载ＳＡＲ成像数据进行了模拟实验，证明其模拟的效果理想，算法运算量小，易于实现。     

日语复句学习中出现的整体性偏误探析

本文主要对母语为汉语的日语学习者产生的整体性偏误进行了分析。这些分析主要围绕日语复句主语的不当省略、复句连接形式的混用这两个部分展开的;而偏误是学习者对日语语法项目的使用规则进行了过度概括、对日语语法知识掌握得不充分等因素造成的。