前馈神经网络在水厂混凝投药中的应用

为了解决自来水生产过程中混凝投药量难以控制的问题,提出了一种将神经网络前馈控制与反馈控制相结合的控制策略。神经网络前馈控制器采用三层结构的BP神经网络模型,输入层神经元分别是原水的流量、浊度、温度、pH值及浊度的设定值,输出层神经元为混凝投药量。反馈控制采用传统     

基于单目结构光的大物体三维测量关键方法的研究

在单目结构光的三维测量系统中,由于投影仪倾斜投影, 参考平面上的条纹周期展宽, 给测量带来误差,降低了测量精度。同时受大物体自身几何和形貌等因素的影响,以及相交轴测量系统的限制,其单幅面测量范围受限,很难一次测量大物体完整的三维形貌,而且在测量大物体时,摄像机镜头非线性畸变也影响测量精度。根据参考平面上光栅条纹的周期变化规律,提出了一种适用性好、方便快捷的条纹周期校正的理论模型, 在此基础上, 提出了基于条纹周期校正的四步相移法的理论模型,进而提出了基于条纹周期校正的时间相位展开法的理论模型。采用摄像机镜头非线性畸变校正模型,提高测量精度。在被测物表面粘贴标志点,获取其三维坐标,利用SVD分解和L-M优化算法求取转换矩阵,并在设定的全局坐标系下实现三维图像拼接,采用线性加权算法,对重叠区域进行图像融合。实验结果表明,X轴的拼接误差为0.14 mm,Y轴的拼接误差为0.16 mm,Z轴的拼接误差为0.19 mm,其拼接误差均在测量误差允许范围之内。