可用于SLA和LCD型3D打印机的光固化树脂配方设计及性能研究

设计了一套自由基型光固化丙烯酸树脂配方,分别从黏度方面出发选择了活性稀释剂,从固化深度的角度选择了多种低聚物,并对最终得到的树脂配方进行DSC、TGA、FT-IR、MTS拉伸等测试;同时在SLA型Form 2、LCD型Photon两类光固化打印机上成功实现了打印任务,证明了该配方在光固化3D打印机上的通用性和可行性。     

高凝减压渣油延迟焦化生产中的问题

石油一厂从炼大庆原油改炼学北原油后，高凝减压渣油在延迟焦化生产中，出现了原料物性改变、加工量增加等一些特殊问题，并出现了“软焦”等技术难点，因此，在生产实践中，分析了出现这些问题的原因，并着重从原料特性、反应浓度、产品情况等方面进行了参察分析，进而采取了一定措施，调整了操作条件，取得了一定效果。     

链条锅炉的节能控制系统研制

链条锅炉是重要的工业民用设备，针对大多数链条锅炉效率和自动化水平低下的现状，研制了一种适于链条锅炉的先进的节能自动监控系统。该系统运用PLC实现整体控制，运用变频器调节鼓风、引风和炉排电动机，运用工业计算机实现上位机监控。在控制系统中，常规控制和智能控制并存，在燃烧控制中采用模糊-PID复合控制器，同时，采用了风煤比在线自寻优控制策略，维持锅炉的最佳工况工作。该系统已经成功应用于白城机务段4台10t链条锅炉上，系统运行平稳，节能效果显著。     

高速道路交通视频中车辆目标提取研究

为了能够从监控视频中快速、准确地分析车辆目标,提出了基于感兴趣区域(ROI)的车辆目标提取方法.针对高速公路监控视频,利用混合高斯背景建模,在视频中划定ROI,以排除逆向车道车辆目标的影响,应用图像形态学进行干扰点排除与前景图像轮廓空洞填充,对运动车辆目标进行检测后,用最小矩形方框法自动截取目标,最终,通过图像尺度归一化建立车辆样本数据库,为车型分类和识别提供目标图像.实验结果表明:该方法对车辆目标提取准确率高,且图像数据库样本丰富.     

基于SSVEP直接脑控机器人方向和速度研究

直接用思维意图来控制机器人而没有大脑外周神经和肌肉的参与是人类的一个梦想,目前这一研究已成为国际前沿热点和突破点.传统的脑控机器人（Brain-controlled robot,BCR）主要控制其方向,而本文旨在探讨能够同时脑控机器人方向和速度的有效方法.采用可分类目标数多、单次识别率高且训练时间短的稳态视觉诱发电位（Steady state visual evoked potentials,SSVEP）脑机交互（Brain-computer/machine interaction,BCI/BMI）方法,为脑控机器人运动规划了向左、向右、前进和后退4个方向,设计了低速、中速和高速3级运动速度并组合了9个脑控指令;进而比较并优化了SSVEP刺激目标布局间距以及刺激目标闪烁时间,采用典型相关分析（Canonical correlation analysis,CCA）进行识别.结果表明恰当设置SSVEP刺激目标数及其布局间距和刺激目标闪烁时间,可以有效提高被试/用户直接脑控机器人的性能;优化的SSVEP刺激范式三结合适应SSVEP解码的典型相关分析,8名被试脑控机器人到达终点平均用时为2分40秒,最少用时1分29秒;同时,在脑控机器人运动过程中触碰障碍平均次数为0.88,最少碰触次数为0.本研究显示基于SSVEP的脑机交互可以作为直接脑控机器人灵活运动的一种可选方法,能够实现对机器人多个运动方向和多级速度的控制;也证实了适当增加刺激目标间距可以有效提高SSVEP-BCI脑控指令识别的正确率,说明了该脑控方法的性能与刺激被试的范式有关;再次验证了CCA算法在基于SSVEP的脑机交互中具有优良的效果.最后,为克服单一SSVEP范式存在的局限,本研究也尝试把该范式与运动想象相结合的混合范式用于脑控机器人方向和速度,并进行了初步的研究,表明可以进一步改善控制速度和提高被试舒适度.本文可望为基于SSVEP或与运动想象混合的脑机交互应用于分级或精细控制机器人方向和速度提供思路,并为直接脑控机器人技术推向实际应用打下一定的基础.     

有监督Kohonen网络的车型识别方法

车型识别已成为智能交通系统研究中的一个重要内容.根据同类车型尺寸特征如长、宽、高特征值都具有相似性特点,利用已有车型数据库,分别使用逆传播(BP)神经网络、支持向量机(SVM)网络、有监督Kohonen网络这三种神经网络分类方法对车型尺寸特征进行分类,得到三个车型识别准确率并进行比较验证.实验结果表明:有监督Kohonen网络的分类方法具有较高的车型识别精度,实验效果明显,车型识别准确率高.     

基于轮廓最优圆逼近方法的轮廓误差控制

设计并实现了基于轮廓最优圆逼近方法的轮廓误差估计模型,该模型克服了常规方法对于任意加工曲线,廓误差计算过程复杂、计算量大、难以应用到实时任务的缺点,通过实时读取数控机床的位置反馈值和插补器的指令数据估算出轮廓误差值,结合双模糊变论域自适应控制算法,应用于两轴数控系统并实时补偿各单轴控制器,实现对复杂加工过程轮廓误差实时估算并补偿。在实验数控机床上加工两种典型轮廓,对比实验表明,所提出的基于轮廓最优圆逼近方法的双模糊变论域轮廓误差控制方法能有效减小加工轮廓误差,有更高的轮廓精度。     

基于属性权值多级分类的测试样本数据预处理方法

针对算法测试在工业生产实际操作应用中,经常面临样本数据迅速大量增加,测试执行时间过长、测试效率低下、算法改进周期过长的问题.文章提出一种精简测试样本的算法,快速实时处理新增样本,去除冗余数据.首先对新增的样本数据按照分类阈值分配到各子数据集中,然后在每一个子数据集中根据数据的重要程度属性计算相似度值,为减少计算量,先对子数据集进行排序处理,最后根据相似性的阈值判断去除冗余数据.实验利用所得样本库不断对算法进行回归测试,分析表明算法的测试效率及测试充分性都有明显提升,并提高了算法在工业生产实际应用过程中的稳定性和适应性,有力的保证了算法的质量.     

融合密度聚类与集成学习的数据库异常检测

目前,针对数据库系统内部攻击与威胁的检测方法较少,且已有的数据库异常检测方案存在代价开销高、检测准确率低等问题.为此,将密度聚类和集成学习融合,提出一种基于密度聚类和集成学习的数据库异常检测方法.利用OPTICS(Ordering Points To Identify the Clustering Structure)密度聚类算法对用户产生的数据库SQL操作日志进行聚类,通过对SQL语句中的各属性进行分析,提取用户的异常行为,形成先验知识;将Bagging、Boosting和Stacking进行组合,形成集成学习模型,以OPTICS聚类形成的先验知识为基础,并利用该集成学习模型对用户行为作进一步分析,并创建用户行为特征库.基于用户形成特征库,对用户行为进行检测.给出了方案的详细构建过程,包括数据预处理、训练、学习模型建立以及异常检测;利用相关实验数据进行测试,结果表明本方案能以较高的效率检测出数据库异常行为,并且在准确率方面优于同类方案.     

路况PTZ摄像机自动标定方法

为解决路况pan/tilt/zoom(PTZ)摄像机内外参数实时多变,绝对距离难以求解的问题,提出了一种基于路况图像的自动化标定方法： 建立全新的路况PTZ摄像机成像模型; 根据图像中提取的路面点的相对距离关系,推导模型中各未知参数的求解方法,实现摄像机参数的“白盒”标定,并给出了自动化标定的实现方案; 摘录实际路况试验结果,计算标定误差. 该算法只需要路面场景图像即可实现自动标定,无须人为干涉和配置,其计算简单,灵活性好,非常符合智能交通监控系统的需求.