基于频闪微视觉的MEMS微运动测试系统研究

MEMS广泛应用于智能手机、3D打印等领域,MEMS动态性能测试对故障定位,优化MEMS设计、加工工艺,降低封装成本具有重要意义。分析了MEMS微运动测试系统方案和原理,以图像处理为核心,通过计算机显微系统,引入频闪同步控制技术,构建了一套频闪微视觉MEMS动态测试系统,并以MEMS谐振器为例,激励正弦振动信号,驱动谐振器作正弦振动,对频闪微系统采集的图像序列进行观察和分析。Matlab计算仿真结果表明:该方法有效估计了谐振器的运动特性,具有较高的应用价值。

块离散余弦变换与灰色聚类相结合的表面瑕疵识别

针对工件或产品表面局部细微瑕疵不易识别、不利于在线检测问题,提出了一种块离散余弦变换(Block-Discrete Cosine Transform,BDCT)与灰色聚类相结合的表面瑕疵识别方法。该方法首先将图像分解成等尺寸的非重叠图像块,利用BDCT算法进行图像变换,提取待测图像的能量谱特性;然后将能量特性作为质量特征进行T2统计分析,初步查明待测图像表面瑕疵形状和性质;最后采用灰色聚类方法处理表面疑似瑕疵,进一步确定瑕疵具体位置和形状。为验证算法的有效性,设计了LED灯镜头表面瑕疵识别的检测方案和试验步骤,试验结果表明:本文所提出的算法相较经典的Otsu算法和分水岭算法在表面瑕疵正确识别率、速度等方面具有明显优势,可用于表面瑕疵的在线检测和识别。

基于BP神经网络的煤炭量消耗预测模型研究

针对目前煤炭量消耗预测方法的不足,提出了一种基于BP神经网络的煤炭量消耗预测模型。首先,分析了神经网络的结构和算法。然后,对影响煤炭量消耗的因素进行总结,根据《中国统计年鉴》数据,提炼出7个煤炭量消耗影响因素作为BP神经网络的输入,构建了结构为7-10-1-1形式的双隐层BP神经网络煤炭量消耗预测模型。实例研究表明,该模型回归系数接近1,训练误差和测试误差较低,能准确预测中国煤炭量等能源的消耗。