基于ANFIS的机械手运动学逆解的求取

提出一种基于自适应神经模糊推理系统（ANFIS）求取机械手运动学逆解的方法。本文以SCARA（Selective Compliance Assembly Robot Arm）型四自由度机械手为研究对象,研究SCARA机械手末端执行器笛卡儿空间坐标与机械手关节空间关节变量之间的对应关系。首先根据笛卡儿运动轨迹选取起点、终点和中间点,并求得与之对应的关节变量值序列。然后利用插值方法求得关节空间的角度变化曲线,最后在关节曲线上随机选取样本点,进而利用得到的数据训练并验证自适应神经模糊推理系统求解逆解的正确性和精确性。与传统基于BP神经网络求取运动学逆解的方法进行仿真对比分析,结果表明ANFIS在运动学逆解的求取精度和运算时间上均优于BP神经网络。     

基于细菌觅食算法和支持向量机的表情识别

为正确选择应用于人脸表情识别的支持向量机相关参数,提高表情识别准确率,提出一种应用于表情识别的基于细菌觅食算法的支持向量机参数选择方法。利用细菌觅食算法,通过模拟细菌觅食行为的趋向性操作、复制操作和迁移操作对应用于表情识别的支持向量机的参数进行寻优,避免寻优陷入局部最优,实现参数优化。实验结果表明,采用该方法能够使人脸表情识别分类结果具有更高的准确率。     

基于蝶形搜索的二维自相关血流速度估计方法

应用血流速度估计的彩色血流成像技术在血管疾病诊断中发挥着重要作用.在血流速度估计中,传统的基于二维自相关模型的方法会产生混叠,而更准确的蝶形搜索方法则十分耗时.提出一种二维自相关模型和蝶形搜索结合的血流速度估计方法.首先采用二维自相关函数模型利用相位信息进行超声血流速度估计,得到一个存在混叠的速度估计值序列,再通过采用基于正交信号成分的蝶形搜索方法,由速度序列确定蝴蝶线,每条蝴蝶线通过计算选择出真实的速度估计值.该方法不但实现了对血流速度估计混叠的抑制,还显少了计算量,其有效性得到仿真结果的验证.     

水泥回转窑的计算机控制

本文针对我国水泥回转窑的现状,提出了一套可行的模糊控制方案.文中给出了辨识水 泥回转窑模糊模型以及量测数据模糊滤波的方法.经两个月的运行实践表明,该控制方案明 显地提高了水泥熟料的产量与质量.     

用可编程逻辑器件实现DRAM的刷新与读与控制

将通用阵列逻辑（GAL）与PROM配合使用，用于大容量动储器（DRAM）的动态刷新和读写时序的产生。并根据系统的要求，使用时序和组合逻辑方程，完成复杂的读写与功能。     

应用ROF模型的医学超声图像去噪方法

由于超声成像机制使医学超声图像中存在着大量的斑点噪声,这些斑点噪声大大降低了图像的清晰度和质量,给超声诊断带来很大的困难。针对医学超声图像的斑点噪声去噪问题,提出了一种基于帧相关处理、ROF分解和自适应小波阈值的去噪方法,能够在抑制超声图像斑点噪声的同时,尽可能地保留甚至增强图像的细节信息,大大提高图像质量,取得了很好的效果。     

用可编程逻辑器件实现DRAM的刷新与读写控制

将通用阵列逻辑（GAL）与PROM配合使用,用于大容量动态存储器（DRAM）的动态刷新和读写时序的产生。并根据系统的要求,使用时序和组合逻辑方程,完成复杂的读写功能。     

静电场轨道阱质谱的进展

静电场轨道阱是近年来新兴的一种质谱质量分析器,它利用离子在特定静电场中运动频率的不同对阱内离子进行质量分析,由于其具有较高的分辨率和质量准确度,被广泛应用于化学、生物学、医学等领域。本工作对静电场轨道阱质谱的形成过程和基本原理进行了详细介绍;对轨道阱质谱在蛋白质组学、代谢组学等方面的应用做了简要综述;对轨道阱质谱与常压电离技术联用的最新进展进行了评述,并指出电喷雾萃取电离、低温等离子体探针等常压质谱技术与轨道阱质谱的联用将在蛋白质分析、化学合成、化学反应机理研究等诸多领域发挥重要作用,旨在推动我国相关质谱仪器的国产化进程。     

质谱在海洋科学领域的应用

实验室质谱仪因其成熟的发展,已被广泛用于对海底沉积物中有机化合物、重金属和海水样本中的溶解气体和有机物的分析.但在一些情况下,因样品运输、存储等过程导致样品状态的微小变化最终会影响测量结果.因此,科研人员不断研发便携式海洋原位质谱仪以便实现对海水中的甲烷、二氧化碳、氧气、氮气、硫化氢、二甲基硫醚等溶解气体的实时、在线检测以及对海洋中漏油的监测.本文拟对质谱技术在海洋科学领域中的应用做详细介绍,并评述和展望便携式海洋质谱技术的仪器研发情况.     

A novel robust approach for SLAM of mobile robot

The task of simultaneous localization and mapping （SLAM） is to build environmental map and locate the position of mobile robot at the same time. FastSLAM 2.0 is one of powerful techniques to solve the SLAM problem. However, there are two obvious limitations in FastSLAM 2.0, one is the linear approximations of nonlinear functions which would cause the filter inconsistent and the other is the ＂particle depletion＂ phenomenon. A kind of PSO ＆ Hjj-based FastSLAM 2.0 algorithm is proposed. For maintaining the estimation accuracy, H~ filter is used instead of EKF for overcoming the inaccuracy caused by the linear approximations of nonlinear functions. The unreasonable proposal distribution of particle greatly influences the pose state estimation of robot. A new sampling strategy based on PSO （particle swarm optimization） is presented to solve the ＂particle depletion＂ phenomenon and improve the accuracy of pose state estimation. The proposed approach overcomes the obvious drawbacks of standard FastSLAM 2.0 algorithm and enhances the robustness and efficiency in the parts of consistency of filter and accuracy of state estimation in SLAM. Simulation results demonstrate the superiority of the proposed approach.