金属板料成形数值模拟的研究现状

本文对板料成形数值模拟的几个主要研究方向 :有限元算法、接触与摩擦、成形极限图、缺陷等的研究现状进行了介绍 ,并且讨论了板料成形数值模拟今后的研究方向     

基于DXF文件的曲线拟合方法的设计与实现

现有的基于微机开发的数控加工系统都是人工调试完成后加载运行,为了能够依据AUTOCAD绘图系统提供的信息自动生成数控加工代码,本文对基于PMAC卡的数控加工代码生成及动态在线监测系统研制过程中遇到的问题进行了研究,重点研究了如何利用DXF文件中的参数进行曲线拟合,详细介绍了NURBS曲线算法的实现,为后续的工作打下了基础。     

基于单片机的PID温控系统在塑料挤出机中的应用

针对在塑料挤出过程中温度控制的重要性，介绍了一种新型的PID温度控制系统。该系统采用高性能单片机芯片，可以方便地对系统加热、冷却周期及PID的各个参数进行在线设定和修改，提高了塑料挤出机的温控精度。     

人工神经网络及其在窑炉动态温度场的模拟研究

本文阐述了人工神经网络的发展、基本原理以及前馈神经网络的反向传播学习算法，并应用单孢层网络进行了窑炉烧嘴温度场分布的仿真研究。结果表明。用非线性神经元网络模拟在窑炉温度场预测和控制方面是可行的。     

基于两阶段人工鱼群算法的U型渠道断面优化设计

渠道断面优化是控制农田水利工程成本的重要因素,已有的渠道断面优化研究以梯形渠道为主,对U型渠道研究较少。以优化U型渠道深度、圆弧半径和直线段外倾角为目标,建立以U型渠道过水断面面积最小为目标函数、满足设计流量要求的数学优化模型。根据U型渠道水力计算的复杂性,利用引入协调行为的两阶段人工鱼群算法,对渠道断面设计进行优化。优化结果满足边坡稳定等约束条件。将模型应用于连云港市赣榆区黑林镇土地整理项目,10条斗渠过水断面面积均减小,优化后占地面积共减少28.603 m~2,占原占地面积的5.0%。     

基于改进粒子群优化算法的BP神经网络在大坝变形分析中的应用

BP神经网络以其对非线性系统的强大映射能力而被广泛应用于模糊性、随机性强的大坝变形预测分析中。传统的BP神经网络由于初始权值和阈值的随机性,容易导致网络在训练过程中极易陷入局部最小值,同时存在网络收敛速度慢等缺点。针对传统算法的不足,采用改进的粒子群算法(IPSO)对BP网络的初始权值和阈值给予优化,建立大坝变形预测的IPSO-BP模型,并与PSO-BP网络模型进行对比。结果表明,改进的IPSO-BP模型具有收敛速度更快、预测精度更高的优点。该方法可供大坝安全监测和预警分析参考。     

橡胶压辊轮凸度加工插补算法研究

提出在普通车床上采用连续纵向和数控横向轴协调运动的方法实现压辊轮凸度加工的插补算法。介绍凸度加工插补原理及公式推导，并给出了算法的程序流程。此插补算法要求轴长与凸度之比大于5，算法的插补精度小于一个最小移动单位。     

低空复杂环境下基于采样空间约减的无人机在线航迹规划算法

针对低空复杂环境下障碍物密集且类型多样、带有多通道并存在不确定信息的无人机在线航迹规划问题,为了减少碰撞检测次数,提高航迹搜索速度,降低航迹代价,提出一种基于采样空间约减的无人机在线航迹规划算法. 算法通过引入代价模型,提出约减域逐步构造方法,引导规划树快速有效扩展,改善了基于动态域的快速拓展随机树（Dynamic domain rapidly-exploring random tree,DDRRT） 算法中存在的采样空间过度约减问题. 算法通过密度划分索引的方法逐步构建多棵Kd 树（K-dimensional tree）并采用多近邻节点搜索方法,加快了近邻树节点搜索速度. 仿真实验结果表明,与DDRRT方法相比,该方法在保证对采样空间约减合理性的同时,提高了航迹规划效率和通道内的寻路能力.     

压缩感知及其图像处理应用研究进展与展望

压缩感知理论（Compressed sensing,CS）通过少量的线性测量值感知信号的原始结构,并通过求解最优化问题精确地重构原信号.该理论减少了数字图像及视频 获取时的存储及传输代价,也为后续的图像处理及识别的研究提供了新的契机,促进了理论和工程应用的结合. 阐述了CS的基本原理,综述了其关键技术稀疏变换、观测矩阵 设计、重构算法的一系列最新理论成果和发展,深入分析和比较了CS理论应用到图像处理领域的研究和发展状况,总结了其中存在的问题,并对未来的应用前景进行了展望.     

热含量不变量的SAR图像点特征变化检测

针对区域变化检测受分类器精度影响大、无法探测出内部细微变化这一问题,本文提出了基于热含量不变量的合成孔径雷达（Synthetic aperture radar,SAR）图像点特征变化检测.该方法利用热核特征,具有计算简便、矩阵扰动性小的特点,且有效地降低了噪声的干扰.由热核不变量的统计特性,采用期望极大化（Expectation maximization,EM）算法解决了SAR图像的自动变化检测.同时通过对权的讨论,给出了适用于SAR图像的权函数定义.对单波段单极化SAR与多极化SAR图像,本文算法相比于基于像素和似然比的方法,能够更快速更精确地检测到变化区域.