基于LCSPSO-BTSVM的焊缝表面缺陷检测

针对焊缝表面缺陷PSO优化BTSVM的两个参数容易陷入局部最优、伪随机多样性低和计算精度低的问题,提出一种LCSPSO优化BTSVM参数的方法。首先,改进PSO算法,引入莱维飞行策略、Circle混沌映射与单纯形反射操作确保两个参数取得全局最优解,提高分类准确率;其次,提取预处理焊缝表面缺陷图像的特征;最后,设计合理的分类器利用改进的方法对焊缝表面缺陷进行分类检测并与其他算法作对比。试验结果表明,LCSPSO优于其他算法,分类精度比改进前提高了12.03%,平均分类准确率99.07%。

多关节机械臂神经网络超螺旋滑模控制

针对多关节机械臂控制系统因建模误差和干扰带来的轨迹跟踪抖振问题,提出了基于径向基神经网络超螺旋非奇异积分终端滑模控制方法。设计了非奇异积分终端滑模面,采用径向基神经网络结合自适应律逼近系统未知机械臂动力学模型,减小了未知干扰的影响;为避免机械臂滑模控制发生抖振,在切换控制项引入新型超螺旋算法;利用Lyapunov函数证明闭环系统稳定。仿真结果表明,所提出的方法可有效削弱抖振,提高控制系统的控制精度和鲁棒性。

多尺度特征融合与锚框自适应的目标检测算法

针对Faster R-CNN算法存在特征提取不充分、检测框定位不准确导致检测精度不高的问题,提出一种多尺度特征融合和锚框自适应相结合的目标检测算法。首先,通过双向融合方法充分提取相邻层级间的深层特征和浅层特征;然后,均衡化处理多尺度特征,使集成的特征能获得来自不同分辨率下等量的语义信息和细节信息,提高目标的识别能力;最后,在区域提议网络(RPN)中利用目标的特征信息,通过自适应预测锚框的位置和形状来生成锚框。基于VOC数据集对算法的实验结果表明:与基于ResNet50的Faster R-CNN算法相比,所提算法中的多尺度特征融合策略加强了算法对不同尺度目标的检测能力,自适应锚框机制能够提高定位精度并避免小目标的漏检,算法整体的检测结果具有较好表现,平均检测精度提升了3.20个百分点。