粗糙集意义下的一种RBF 神经网络设计方法

提出一种集成粗糙集理论的RBF网络设计方法.由布尔逻辑推理方法进行属性离散化,得到初始决策模式集,通过差异度对初始决策模式的相似度进行衡量并实现聚类,以聚类决策模式构造RBF网络.为加快训练速度,分别对隐层参数和输出权值采用BP算法和线性最小二乘滤波法进行训练.实验结果表明,该方法设计的RBF网络结构简洁,泛化性能良好,混合学习算法的收敛速度优于单纯的BP算法.     

Blackfin533的DMA技术及其在图像处理中的应用

介绍了Blackfin533中DMA的类型及特点，描述了DMA在实时图像处理领域数据传输中的重要应用，给出了两个具体的应用实例，最后指出了使用Blackfin533的DMA时应注意的事项。     

困惑与创新——新时期新农村规划工作的思考

文章就当前新农村规划背景的变化,分析指出新农村建设所面临规划主导思想模糊、实施进度较慢等困惑;并结合笔者参与的新农村规划建设实践,阐明新时期面临困惑的新农村建设规划应从规划主导思想、实施机制及表达方法等方面作出创新研究。     

基于电压空间矢量的三相PWM整流器控制研究

首先建立了三相电压型PWM整流器的数学模型，并对其矢量控制策略进行了分析，在此基础上提出了一种简单的电压空间矢量算法，该算法根据参考电压矢量在坐标系上的分量直接计算电压空间矢量在各个扇区内的作用时间，实验结果验证了所提出控制算法的可行性。     

高精度带隙基准电压源的实现

提出了一种高精度带隙基准电压源电路 ,通过补偿其输出电压所经过的三极管的基极电流获得精确的镜像电流源 .设计得到了在 - 2 0～ +80℃温度范围内温度系数为 3e - 6 /℃和 - 85 d B的电源电压抑制比的带隙基准电压源电路 .该电路采用台积电 (TSMC) 0 .35 μm、3.3V/ 5 V、5 V电源电压、2层多晶硅 4层金属 (2 P4 M)、CMOS工艺生产制造 ,芯片中基准电压源电路面积大小为 0 .6 5 4 mm× 0 .340 mm,功耗为 5 .2 m W.     

有轨运输无底柱分段崩落采矿法

(一)采矿方法的产生和发展向山硫铁矿属极厚扁豆状矿体,水平厚度150～200米,沿走向长900米。矿石松软不稳固,节理发育,f=1～2及4～6。矿石类型以浸染状黄铁矿为主,平均含硫15～18％,多夹石,需分级出矿。矿石具有氧化、自燃和结块性质。矿体围岩为不稳固的火山岩,上盘为凝灰岩,粗面岩。下盘为安山岩、闪长岩。易于崩落。矿体复盖岩层由冲积层、粘土和风化铁帽等组成,垂直厚度30～50米。细碎、易结块、不稳固、易于崩落。     

混沌系统的RBF网络补偿控制方法研究

针对混沌系统由线性和非线性两部分构成的特点，提出径向基函数网络（RBFNs)补偿控制非线性混沌运动的方法，用训练好的RBF网络消除混沌系统非线性因素影响，将原系统变成近似线性系统，再利用设计好的线性状态反馈控制器将混沌系统镇定到希望平衡位置。在理论分析的基础上，通过典型的连续时间混沌系统（Holmes非线性振子）进行计算机仿真实验，结果表明，所提出方法具备有效性。图4，参12。     

《回弹法检测水泥基灌浆材料抗压强度技术规程》编制的试验研究

针对水泥基灌浆材料构件强度的检测,提出了采用回弹法对试块进行抗压强度原位检测的方法,介绍了规程编制的背景、规程框架、研究内容、试块制作要求、试验方法、仪器选用、强度曲线制定要求等内容。并通过初步试验成果,证明了研究方向的可行性和必要性,不仅细化了试块制作、仪器选型、强度分级方法、试验步骤,而且完善了数据处理、强度曲线拟合、误差统计等方法,为后期规程编制奠定了基础。     

基于POBT的空瓶规则纹路区域缺陷检测

现有的玻璃瓶瓶身质量检测方法中,缺乏对有纹理图案的玻璃瓶的缺陷检测,针对这一问题,提出一了种仅基于相位变换(phase only based transition,POBT)的玻璃瓶纹理区域缺陷检测算法。该算法采用基于灰度投影的方法求取玻璃瓶瓶身中心坐标,利用基于相位的变换方法,通过归一化过程去除玻璃瓶规则纹路区域的低频纹路分量,仅保留下缺陷图像,应用概率修正自适应阈值分割方法对经过POBT变换后去除纹理留下的缺陷的图像进行分割,提取缺陷,并将该分割方法与3种传统型的方法进行对比。实验结果表明,该方法可实现瓶身规则纹路区域的高速高精度缺陷检测。     

空瓶检测机器人瓶底缺陷检测方法研究

针对当前瓶底圆心定位方法精度不高、瓶底防滑纹区域缺陷易误检等问题,利用瓶底防滑纹的几何特征,提出一种改进的基于变权重随机圆拟合的瓶底定位算法,首先采用重心法对瓶底圆心进行快速预定位,再采用变权重随机圆拟合法实现瓶底精定位。然后检测瓶底图像疑似缺陷区域,并提取区域面积、轮廓长度、圆形度、灰度方差和灰度均值等特征,采用支持向量机算法进行分类决策,检测出缺陷。实验表明,瓶底定位误差小于6个像素,缺陷检测准确率为92.7%,基本满足实际生产精度的要求。