基于条件先验Swin Transformer的人脸图像超分辨重建

针对现有基于Swin Transformer图像超分辨模型未对人脸图像进行预处理导致最终超分辨结果不佳的问题,文中提出了基于条件先验Swin Transformer的人脸图像超分辨重建方法。该方法利用人脸解析图融合Swin Transformer模型对人脸图像进行预处理,使用条件先验对人脸超分问题进行优化,采用人脸解析图Parsing Map进行约束从而得到更有价值的先验信息。在深层特征提取阶段,将通道空间注意力机制融合Swin Transformer模块对特征组调整进行速度与精度的平衡。实验结果表明,所提方法在测试集上的峰值信噪比(Peak Signal-to-Noise Ratio,PSNR)为32.21 dB,相较于现有模型具有一定提升。实验证明改进模型更适用于人脸,所生成结果更清晰、更真实,能够还原出更多人脸图像纹理细节。

方剂学课程学业在线评价体系的建立与实践

为了适应新的线上线下混合教育模式改革,建立方剂学课程学业在线评价体系,采取课前—课中—课后三维立体交叉的形成性评价体系与终结性在线评价体系相结合的方式,在提高学生学习积极性的同时,可以全面、科学、客观的评价学生的学业水平。

盾构辅助驾驶系统(SDAS)开发与工程应用

鉴于当前盾构人工驾驶操作准确度不稳定而盾构智能化控制技术尚未完全成熟的现实,以解决传统操作界面可视化程度低、关键信息参数离散不均、盾构施工风险预警与管控能力不足等问题,提出一种盾构辅助驾驶系统,重点阐述系统整体架构、报警信息叠加融合处理、权限控制逻辑设计、可视化系统构建等方面。在不改变原有设计的基础上,通过系统外挂的方式搭载于不同来源的盾构装备,聚焦盾构姿态与地表沉降控制,进行盾构施工状态的实时分析、报警与决策。经南京地铁某区间隧道工程示范结果表明,盾构辅助驾驶系统建议操作与人工操作吻合度超60%,盾构姿态与地表沉降控制质量优于人工作业水平。后续将进一步完善对智控算法模型的评价与孵化方法,通过对多类新智能化技术的插件式加载,提升平台的完整性、可靠性和友好性。

SAR图像相干斑的非局部平均滤波算法

为了加强对SAR图像乘性相干斑噪声的抑制,并在相干斑抑制的同时有效提升对边缘的保护性能,提出了一种以均值比与变差系数联合构建的非局部平均(NLM)滤波(MR-NLM)算法。首先以搜索窗内各像素与中心像素在相似窗中的局部均值比替代传统高斯加权欧氏距离,构建对乘性相干斑噪声具有恒虚警边缘检测的相似性测量参量;然后以变差系数替代传统常系数,构建对同质区与边缘区具有较好检测能力的自适应衰减因子;最后利用新构建的相似性测量参量和衰减因子联合形成负指数加权系数,实现对SAR图像的非局部加权滤波。实验结果表明:MR-NLM算法与多种传统算法相比,具有更好的抑斑图像视觉效果及相干斑抑制与边缘保护性能,其等效视数提高10%以上,边缘保持指数提高1%以上。

基于生成对抗网络的单帧图像超分辨算法

针对使用传统度量算法会使重建后的图像产生过平滑,缺乏高频纹理的问题,采用卷积神经网络在准确性和速度方面取得了突破,但仍存在无法恢复图像更精细的纹理细节。因此提出了一种基于生成对抗网络的超分辨方法。为恢复图像内容和细节,提出一种基于视觉的损失函数来恢复图像大量内容和图像精细的纹理细节。在不同数据集上的实验结果表明,提出的超分辨方法重建结果更接近真实图像,在峰值信噪比和相似结构性结果上均有提高。

纱线卷绕系统恒张力先进控制策略

针对纱线卷绕系统内外部扰动较多,系统具有时变性和不确定性,纱线张力值波动较大,控制精度不高导致纱线断头等问题,提出了学习速率自适应与蚁群算法联合改进的BP神经网络PID控制策略。通过学习速率自适应提高网络学习速率,并利用蚁群算法调整网络初始参数。分别测试PID算法、BP神经网络PID算法与改进BP神经网络PID算法。结果表明:基于改进BP神经网络的无刷直流电机PID控制器鲁棒性更强,性能良好,纱线卷绕系统张力波动较小,断头率降低。

改进自抗扰下的细纱机卷绕系统控制策略

为了保证细纱机在卷绕的过程中纱线张力稳定,减少纱线断头率,提高成纱质量,针对永磁同步电机驱动卷绕系统调速后的转速、转矩波动等问题,采用了灰狼优化(grey wolf optimizer,GWO)算法,给出一种改进的基于增益可调扩张状态观测器与改进型趋近率滑模控制联合改进的自抗扰控制策略。首先在传统自抗扰控制基础上引入滑模控制,有效减小了峰值问题,提高了系统鲁棒性。其次,在滑模控制的基础上通过改进趋近率,提高了滑模趋近速度,同时引入了GWO算法调整滑模控制初始参数,减小了抖振问题。对自抗扰算法、滑模自抗扰算法与GWO算法改进的滑模自抗扰算法分别进行对比研究,与传统自抗扰算法控制相比,基于GWO算法改进的滑模自抗扰算法控制下的永磁同步电机在驱动卷绕系统调速后,电机转速达到稳定的时间由180 ms缩短至40 ms,瞬时平均转矩增量由105 mN·m减小到70 mN·m,减小了约33.33%。实验结果表明:基于GWO算法优化下的滑模自抗扰算法控制,能提高永磁同步电机的调速性能,有效降低永磁同步电机控制过程中的转速、转矩波动,提高管纱质量,降低成纱断头率。

用于自动驾驶的双注意力机制语义分割方法

在自动驾驶场景中存在着光照、天气、路面状况等复杂多变的因素,这些因素会导致现有的语义分割方法在小目标物体的分割效果上存在注意力缺失的问题。为了解决这一问题,文中提出一种优化双注意力机制的方法,该方法的主要思想是通过引入位置和通道注意力机制生成权重,从而增强特征的表征能力。首先,位置注意力机制通过学习每个像素点在空间上的重要性,生成与位置相关的权重。其次,通道注意力机制通过学习每个通道在特征表示中的重要性,生成与通道相关的权重,将得到的位置注意力和通道注意力权重与输入特征进行逐元素相乘,以增强特征的表征能力。最后,将2个注意力模块的输出特征进行融合。实验结果表明,改进后的网络模型明显提升了语义分割精度,且在Cityscapes数据集上的平均交并比(mean intersection over union, mIou)达到了80.4%,相较于全卷积神经网络(fully convolutional networks, FCN)方法提升了10.4%。

基于改进U-Net的太阳能电池图像缺陷检测方法

针对现有方法对太阳能电池图像缺陷分割上的不足,提出了一种对太阳能电池图像进行缺陷分割的改进型U-Net。首先引入密集连接结构,用来缓解梯度消失问题,使缺陷提取更加充分;同时在每个卷积层后面添加批量归一化层和ReLU激活层,防止缺陷细节特征丢失;接着引入双注意力机制增强目标特征,抑制无关特征,进而提升模型的整体缺陷检测精度。最后利用两种不同的网络与本文方法进行缺陷检测对比。实验结果表明,本文网络可以获得更细节的特征信息,进一步提高了对太阳能电池图像的分割精度。

基于小波深度残差网络的图像超分辨率重建

针对传统的神经网络在图像超分辨率重建过程中大多仅使用图像的空间域信息,生成的图像容易丢失重要细节,提出一种基于小波变换和深度残差网络相结合(WRSR)的方法。首先将图像进行二维离散小波变换后作为深度残差网络的输入,然后结合局部残差学习和全局残差学习改进残差网络,减少了梯度消失现象,提高了信息传递效率,最后利用多尺度卷积核提取丰富的特征纹理信息,经小波逆变换得到重建的图像。实验结果表明,该方法的重建效果相较于对比的算法获得了更好的主观视觉感受和客观评价指标。

基于改进粒子群优化算法的六自由度机器人轨迹优化算法

为了提高六自由度机械臂运行效率,在传统B样条轨迹规划方法的基础上,结合改进的粒子群优化算法,利用变化的学习因子改善了传统粒子群算法容易陷入局部最优的缺点,能快速准确得到最优解。在仿真实验中使用不同的轨迹规划方法使机械臂通过既定的路径点,实验结果可以看出,结合改进的粒子群优化算法可以将运行总时间缩短7.3507s,并且机械臂在运行时平稳无振动,保持良好的运动性能。通过实验可以看出,该方法具有可实行性,且在满足运动学约束的前提下,运行时间更短,流畅性更好。

基于改进神经网络的降低锭子转速波动控制算法

针对细纱在电锭细纱机上卷绕过程中易出现断头的问题,在不升级电锭细纱机设备的前提下,提出一种改进的神经网络在线实时整定锭子转速PID控制算法。对于神经网络的缺陷,引入粒子群优化(particle swarm optimization,PSO)算法,使电锭细纱机锭子运行过程中转速和转矩波动更小,更好地应对某处纱线张力波动较大的扰动响应。通过搭建实验平台,验证了锭子无刷直流电机优化后的算法相较于经典PID算法,转速波动降低了2.08%,转矩波动降低了8.3%,从而减少了细纱卷绕过程中断头的产生。该方法可应用在细纱产量和质量的优化领域。

高精度时钟同步系统的研究与实现策略

通过对各种时钟同步算法以及解决方案的研究,提出一种应用于时钟同步系统的时钟同步策略：利用IEEE 1588v2所描述的时钟同步算法,结合GPS同步的本地时间基准,并利用ARM9Kernel和FPGA实现一种速度快、精度高的时钟同步策略。论文除对IEEE 1588v2和GPS重新规划了使用方式外,还对系统软硬件设计做了简要说明。通过对主、从站同步误差的测量,本策略同步误差能控制在200ns以内。同步精度略低于纯硬件实现的同步策略,但远远高于纯软件的同步精度。经实验验证,本设计能够满足大部分分布式工业控制系统要求。

遗传算法优化模糊PID控制器在智能液压伺服控制系统中的应用

为了使大型轴流压缩机能够稳定工作,设计并实现了一个高效的专用智能液压伺服控制系统。该系统采用双核处理器协同工作,位置变送器的位置信号作为反馈信号,液压伺服油缸作为执行元件。系统通过遗传算法优化模糊PID控制器,采用闭环负反馈结构实现对液压伺服油缸位置的稳定控制。克服以往在不同的应用场合下,都需通过专家经验整定PID参数的缺点。仿真及系统测试结果表明,该系统具有良好的稳态性能和动态品质,自适应鲁棒性强等优点。

基于改进Retinex-Net的低照度图像增强算法

为解决Retinex-Net在低照度图像增强处理中噪声较大、特征提取不足的问题,提出了一种新的网络结构。首先,将Retinex-Net网络作为基础模型对输入图像进行分解,在卷积层中引入残差收缩网络以去除分解过程中产生的噪声;然后,为了在增强亮度的同时更多保留图像的细节特性并抑制噪声,将增强网络分为3个小型子网络分别进行处理;最后,将调整后的图像进行融合,得到增强后的图像。实验表明:与SIRE、LIME、GLADNet、Retinex-Net算法相比,提出的算法处理的图像峰值信噪比平均提升了3.48 dB,均方误差平均提升了0.0827,结构相似性平均提升了0.146,相对亮度顺序平均提升了271.6。

基于动态模糊解耦补偿器的空调控制策略研究

探讨基于动态模糊解耦补偿器的纺织厂空调控制策略。针对纺织厂空调控制系统的调节难度较大这一现状,设计一个纺织厂空调控制系统,以STM32为主处理器,提出了一种基于模糊解耦补偿器的动态调节算法。实践表明:采用该系统在动态模糊解耦控制方式下,车间温度调节误差可达到±0.5℃,相对湿度调节误差可达到±1%,节电13.8%。认为:该系统具有动态性能优良、控制精度高、节能效果显著等特点,能满足纺织空调控制要求。

改进BP算法优化的纺织空调智能PIDNN控制

针对纺织厂多输入多输出空调系统采用一般PID控制方法,控制精度不高,难以实现温湿度的理想控制和满足生产工艺要求的问题,提出了一种优化改进BP算法与PID神经元网络相结合的空调温湿度控制方法。分别对一般PID控制方法,未改进BP算法与PIDNN结合的控制方法,以及优化改进的BP算法结合PIDNN控制方法进行了测试对比。结果表明:优化改进的BP算法与PIDNN相结合后,解耦效果更理想,鲁棒性更强,响应速度更快,控制效果更好。认为:优化改进的BP算法结合PIDNN控制方法能实现温湿度间的理想解耦,提高系统控制精度,有效缩短控制时间,可满足纺织厂生产工艺对温湿度的要求,使纺织空调系统智能化程度提高。

基于对比度增强与最大熵的工件表面图像分割算法

针对工业相机采集到的工件表面图像缺陷细节不突出、噪声过大等导致最大熵分割法分割不精确的问题,提出一种将多尺度top-hat和形态学开闭重构相结合,并用最大熵法进行分割的工件表面图像分割算法。首先,将工件图像经多尺度top-hat变换得到对比度增强后的图像;其次,将增强后的图像经过形态学开闭重构得到工件图像背景模型;然后将增强后的图像与重构后的图像融合,最后作最大熵分割。实验表明,该算法不仅能准确分割出工件表面的缺陷,并且使细节部分更加突出,同时抑制图像中的大量噪声。

局部遮荫下基于IP&O-SSA的MPPT控制研究

为了解决传统最大功率点跟踪(maximum power point tracking,MPPT)控制算法在局部遮荫环境中易陷入局部最优的问题,以及智能优化算法寻优速度慢的问题,提出了一种基于自适应扰动观察(IP&O)和改进麻雀搜索算法(sparrow search algorithm,SSA)的复合IP&O-SSA。该算法对SSA加入了Tent序列初始化,对预警者加入了Levy飞行策略,再对P&O进行了自适应和滤波处理。该算法采用双层控制结构,先通过改进后的SSA进行全局搜索到最大功率点附近,再通过改进后的IP&O进行小步平缓搜索到跟踪最大功率点。通过在Simulink仿真标准环境、局部遮荫、环境突变3种情形,仿真结果表明:在标准环境下,该算法最先跟踪到最大功率点,收敛时间比改进前的扰动观察(P&O)和SSA缩短了3 ms、16 ms,跟踪效率高达99.99%;局部遮荫条件下,只有P&O会陷入局部最优,无法有效跟踪到系统的最大功率点,相较于改进前的SSA,该文算法的平均收敛时间缩短了8 ms,同时跟踪效率高达99.68%,提升了0.09%。验证了该算法适用于日常大部分应用情景,为提升光伏阵列的发电效率提供了理论控制算法基础,为之后的光伏阵列并网减少了不必要的功率损耗。

基于PSO的GPC-PID的细纱机锭速控制算法

针对细纱机在卷绕过程中由于纱线张力波动较大而导致的断头问题,提出了粒子群优化(particle swarm optimization,PSO)算法优化控制GPC-PID的锭子转速。首先,引入广义预测控制PID(GPC-PID)算法来控制锭子转速,并实时对PID进行参数整定,从而实时控制细纱机锭速。然后,引入PSO算法来提高GPC-PID的预测精度。最后,通过仿真实验,将常规的GPC-PID控制与PSO算法优化的GPC-PID控制进行比较。结果表明,锭子无刷直流电机在经PSO算法优化后的GPC-PID算法控制下,系统的快速性和稳定性都有一定提高,锭子的转速和转矩得到有效控制,纱线张力波动较小,降低了细纱卷绕过程中的断头率,证明了粒子群优化GPC-PID控制算法的优越性。