红外热像仪精确测温技术

为实现红外热像仪对温度的精确测量,根据热辐射理论和红外热像仪的测温原理,推导了计算被测物体表面真实温度的通用计算公式;讨论了发射率对测温精度的影响,分析了用红外热像仪进行精确测温的条件,探讨了环境、大气和热像仪本身对测量精度的影响,并绘制了各种因素对测温精度影响的理论曲线。结果表明:发射率为0.7时,真实温度为50℃,发射率偏离0.1时,对于3~5 μm热像仪来说,测温结果偏离真实温度0.76~0.89 ℃; 对于8~14 μm热像仪来说,测温结果偏离真实温度1.56~1.87℃。本研究结果对提高热像仪测量温度和表面发射率的准确性,减小不必要的测量误差具有实际意义。     

基于改进人工蜂群正余弦优化的红外图像分割方法

针对红外图像背景复杂且分割难度较大等问题,提出了一种改进人工蜂群正余弦优化的红外图像阈值分割方法。首先是将二维Otsu函数作为蜂群算法的适应度函数;其次采用混沌对立的学习方法和差分进化的方法改进了初始化种群和蜜蜂搜索方程;然后利用改进的蜂群算法优化阈值,缩小阈值的搜索区域;最后利用正余弦法计算出全局最优解,该最优解即为分割的最佳阈值。实验结果表明:论文方法与Otsu法、k-means法、区域生长法以及分水岭法相比,图像目标区域分割的平均交并比为84.13,平均准确率为89.18,有效提高了红外图像的分割精度。     

测度链上一类边值问题的正解的存在性

研究测度链上的一类边值问题正解的存在性。通过应用锥上的不动点定理,得到边值问题正解的存在性定理。     

RT Thread 操作系统的电池管理系统设计

为了保证电池在充放电过程中的安全,针对目前电池管理系统存在可移植性差、不便于功能扩展等问题,提出一种智能电池管理系统。系统采用国产嵌入式实时操作系统 RT Thread,并选用 STM32作为主控制器芯片,使整个系统的监控、调试更加方便。测试结果表明,该系统可以实时监控电池的充放电过程,预留的接口可以方便以后做功能扩展。     

立式辊磨机的磨矿过程模拟研究

利用水泥厂工业生产过程在线采集的样品，进行了实验室筛分分析、激光粒度分析、可磨性实验和硬度分析，在此基础上，对立式辊磨机的磨矿过程进行了数学模拟，并使用破碎函数进行实际模拟计算.结果表明，采用矩阵形式的破碎函数和选择性函数，可较好地表达磨矿过程中物料碎裂的可能性和碎裂后的的分布规律， 建立的破碎概率函数模型， 对立式辊磨机磨矿过程进行模拟是一个很好的起点， 进一步研究的关键是要确定合适的破碎函数和选择函数的矩阵值.     

TiO2加入量对MgO-TiO2熟料性能和显微结构的影响

以w(MgO)=96.14%的轻烧氧化镁和w(TiO2)>99.0%的分析纯TiO2为原料,分别加入质量分数0、5%、10%、15%、20%的TiO2,混合均匀,压制成型为30 mm×5 mm的试样,分别在1 500和1 600℃保温3 h烧结,制备得到MgO-TiO2熟料,并研究了熟料的体积密度、显气孔率、抗水化性能、物相组成和显微结构。结果表明:由于TiO2和MgO间的固溶和尖晶石反应,使得方镁石晶粒逐渐长大,反应过程中生成的Mg2TiO4分布在方镁石晶粒周围,降低了试样的显气孔率,提高了熟料的抗水化性能;TiO2添加量为5%(w)时熟料最致密,继续增加时,由于生成的Mg2TiO4体积膨胀,显气孔率有所增大;随着煅烧温度升高,熟料致密度提高,当温度为1 600℃时,能够获得抗水化性能良好的致密熟料。     

基于结构与分解的红外光强与偏振图像融合

在一些特定环境下,红外传感器无法探测到目标时,需要将偏振技术与红外技术相融合。为了获得更清楚的融合图像,采用一种基于多尺度结构分解的图像融合方法实现红外光强与偏振图像融合。该算法提出将红外图像与偏振图分解成3个独立部分：平均强度、信号强度和信号结构。其中平均强度部分,采用一种反正切的权重函数进行融合,信号强度采用最大值的融合原则,而信号结构采用一种基于信号强度幂函数的加权平均方进行融合,最后重构得到融合图像。为了更快进行融合、降低计算的复杂度,将分解过程通过均值滤波代替,再通过上采样与下采样得到最终的融合图像。为了得到更好的融合图像,通过不同融合参数实验对比,选择较优的融合参数。最后实验表明使用所提出的反正切权重函数与融合参数设置,在与传统的多尺度算法的比较中,4项评价指标取得优势,且主观上保留更多的纹理细节、提升对比度以及抑制伪影。     

基于BP神经网络的模拟电路故障诊断

BP神经网络因其良好的模式分类能力而被广泛用于模拟电路故障诊断中,但故障分辨率不高,用BP神经网络和其它技术相结合的小波神经网络和量子神经网络进行故障诊断,通过仿真证明故障分辨率得到很大提高。     

跳汰控制技术现状及发展趋势

简要介绍了跳汰分选及其控制系统技术发展现状,指出因目前对跳汰分选的控制仅限于某个生产环节,采用常规的控制策略很难实现对跳汰分选过程的自动化控制。为此,针对跳汰分选过程复杂的作用机理,提出了智能控制是跳汰控制技术的发展趋势。