五分类血液分析仪的智能光学系统设计

目前国内血液分析仪的白细胞五分类大多以硬件方式实现,且存在硬件结构复杂,制作成本高和过度依赖某些精密部件等问题。为简化五分类仪器的系统结构,提出了一种用于白细胞五分类的智能光学系统,该系统以全光学技术作为白细胞检测方式,采用VC6.0作为软件开发平台,建立了RBF神经网络的白细胞五分类识别算法模型,整个细胞识别和分类过程完全由软件实现,从而降低硬件复杂程度,减小了外界干扰因素的影响。实验结果：样机对LYM、MON、NEU、EOS、BAS的测试相对偏差分别为1.43%、4.41%、3.92%、2.94%、11.1%,满足了国家标准中的性能要求,故仪器整体的分类结果比较理想。结论：本文提出的智能光学系统具有性能稳定可靠、抗干扰能力强的特点。     

纯电动汽车磷酸铁锂电池组的建模及优化

鉴于传统神经网络和支持向量机机理复杂、计算量大的缺陷,很难实时跟踪磷酸铁锂电池组复杂快速的内部反应,影响电池荷电状态的估算精度,提出应用一种简单、有效的极限学习机对一额定容量为100Ah、额定电压为72V的纯电动汽车磷酸铁锂电池组建模,并分别与BP神经网络、RBF神经网络、支持向量机进行对比。随后,以学习时间和泛化性能为优化目标,应用粒子群方法寻找最佳隐层节点个数。结果表明,基于极限学习机的磷酸铁锂电池组模型的学习时间、泛化性能优于BP神经网络、RBF神经网络、支持向量机;隐层节点优化后,模型的学习时间和泛化性能达到最优。     

基于超声波和云测试的油井液面测试系统研究

针对目前油井液面深度测试系统测量范围小、误差大、稳定性低的缺点,提出了基于声波法测动液面原理,利用时间序列分析技术、新息自适应卡尔曼滤波技术来实时检测回波信号,进而实现对油井液面深度的高精度测量和噪声处理;选用FPGA和云测试技术成功实现了油井液面深度测量系统的远程化和网络化。基于云测试的油井液面远程监测系统目前已在油田生产现场通过测试,测试结果表明,系统稳定,算法实时、高效,动液面深度测量误差小,测量精度高,能满足实际工程应用。     

二冷配水优化建模与混合自适应PSO算法求解

针对连铸二冷区生产环境复杂且存在着大量水雾干扰的情况,建立了连铸水量优化模型并提出了一种混合的自适应粒子群算法来求解连铸二冷水优化问题。依据冶金过程中的工艺要求建立了二冷水量优化模型,并在经典的PSO算法基础上提出了适合该问题求解了混合自适应PSO算法。由于连铸过程存在着偏微分方程约束,传统的优化方法容易陷入局部最优解,不能达到很好的动态优化效果。研究了粒子群算法,基于种群的多样性,不断的自适应的更新粒子群算法中参数,将禁忌搜索的方法和传统的粒子群算法结合,增强了算法的局部搜索能力和全局寻找全局最优的能力。将该算法应用到连铸二冷水动态优化中,实验结果表面该算法能够快速有效的求解该优化问题。该方法用于连铸二冷水优化是可行的、有效的。     

基于GA-BP的移动通信设备故障诊断

针对通信设备故障发生随机性强,影响因素多,对应的故障诊断有高度非线性和不确定性的特点,采用BP神经网络算法,优化的GA-BP神经网络算法和POS-BP神经网络算法分别搭建基站设备故障诊断模型,提取设备故障历史数据进行MATLAB仿真,准确预测设备故障类型,帮助提高代维公司调度管理的智能化水平,提高基站设备运维的执行效率。仿真结果表明：本文的BP,GA-BP和POS-BP神经网络算法都能够实现设备故障类别的预测,且GA-BP神经网络算法相比BP和POS-BP神经网络算法对通信设备故障诊断有更好的适应性。     

基于FPGA的激光测速仪信号处理方案设计与实现

为满足高动态环境下的激光多普勒测速仪信号处理需要,提出了一种基于现场可编程门阵列(FPGA)的激光测速仪信号处理方案。在FPGA内部完成全部信号处理的内容,利用快速傅里叶变换(FFT)算法得到信号的频谱,利用能量重心法对离散频谱进行校正,开发采样频率自适应算法,兼顾测量准确度与测量范围的要求,最后将结果通过通用串行总线上传个人计算机显示。程序采用流水线方式设计,提高信号处理速度。经过实验验证,数据更新率达到2.4~24kHz,数据延迟时间为123~1230μs,测量准确度优于8×10-4,测量稳定度优于2.5×10-7。     

基于梯度聚类离散思想的磁流变抛光自适应轨迹

针对磁流变抛光过程中抛光轨迹会引入迭代误差的问题,设计了步长和行距随光学表面梯度自适应变化的光栅线抛光轨迹。首先根据光学元件的表面误差分布,利用标准五点法获得面形各点的梯度值,再基于聚类离散思想将所有面形点根据梯度值大小进行了归类,从而得到轨迹步长和行距随面形误差变化的自适应轨迹。在自研的磁流变加工机床上进行了实验研究,将一块直径50mm的微晶玻璃,从峰谷值为65nm、均方根值为12nm收敛到峰谷值为21nm、均方根值为2.5nm,并且在加工后的表面功率谱密度曲线上没有出现明显的尖峰误差。实验结果表明,这种自适应轨迹能有效抑制中高频误差。     

移动机器人目标识别算法

针对移动机器人在目标识别过程中对视觉图像特征点提取慢,匹配不准确等特点,提出了一种基于SIFT算法的改进目标识别算法。通过采用组合匹配策略,将特征关键点间的距离和内积同时进行考察,根据其自身值的大小,决定对匹配相似度的贡献。组合策略的引入有效地解决了机器人在目标识别中对相同特征图像不能匹配和不同特征图像能够匹配的问题。为克服目标匹配时实性差的弱点,以关键点为根据构建K维树结构,采用最近邻点搜索,快速找出正确匹配的特征点。为实现移动机器人目标识别过程中的自主性,在特征点匹配过程中引入自适应阈值进行判断。实验表明,该方法对移动机器人目标识别准确率有较大提升,能够满足移动机器人在目标识别和跟踪过程中对视频图像处理的实时性和准确性的要求。     

适用于波前处理器的自适应光学系统非共光路像差补偿方法

提出了一种适合硬件形式波前处理器的非共光路像差校正方法.讨论了非共光路像差的产生原因和运用相位差异技术检测非共光路像差的方法.根据波前处理器的工作流程,推导了将非共光路像差折算到波前探测器参考点偏移量的算法,编写了实现算法的主控计算机软件模块.在望远镜光路中以光源为目标开展实验,用本文算法校正后,目标能量集中度提高了17.6%,证明了该方法的可行性.     

基于自适应权重的函数型数据聚类方法研究

基于有限维离散数据的传统聚类分析并不能直接用于函数型数据的分类挖掘。本文针对函数型数据的稀疏性和无穷维特殊性展开讨论,在综合剖析现有函数型聚类方法优势与不足的基础上,依据聚类指标的信息量差异重构加权主成分距离为函数相似性测度,提出了一种函数型数据的自适应权重聚类分析。相对同类函数型聚类算法,新方法的核心优势在于:(1)自适应赋权的距离函数体现了聚类指标分类效率的差异,并且有充分的理论基础保证其必要性和客观合理性;(2)基于有限维离散数据的聚类实现了无限维连续函数的聚类,能够显著降低计算成本。实证检验表明,新方法的分类正确率明显提高,能够有效解决传统聚类算法极端情形下的失效问题,有着复杂函数型数据分类问题下的灵活性和普遍适用性。