用于视频图像帧间运动补偿的深度卷积神经网络

为探索深度学习理论在视频图像帧间运动补偿问题中的应用,提出一种用于视频图像帧间运动补偿的深度卷积神经网络。该网络由卷积模块和反卷积模块构成,可以处理不同分辨率输入图像并具备保持较完整图像细节的能力。利用具有时序一致性的视频图像序列构造训练样本,采用随机梯度下降法对设计的深度卷积神经网络进行训练。视觉效果和数值评估实验表明,训练得到的网络较传统方法能更有效地进行视频图像帧间运动补偿。     

基于紧支径向基函数的固体域耦合数据传递方法

针对热-电场耦合仿真计算中非匹配网格之间的数据插值问题,提出了一种基于紧支径向基函数点插值的数据传递方法。推导了数据传递矩阵,根据所提出的数据传递方法编制了非匹配网格之间数据传递计算程序,以若干组非匹配网格之间的温度插值为例对本文所提方法进行了验证,并分析了不同参数对计算时间及精度的影响,结果表明,本文算法效率较高,计算误差较小,适用于以热-电场耦合为代表的固体域耦合非匹配网格间的数据传递计算。     

用紧支径向基函数传递固体域耦合数据的方法

针对热-电场耦合仿真计算中非匹配网格之间的数据插值问题,提出了一种基于紧支径向基函数点插值的数据传递方法。推导了数据传递矩阵,根据所提出的数据传递方法编制了非匹配网格之间数据传递计算程序,以若干组非匹配网格之间的温度插值为例进行了验证,并分析了不同参数对计算时间及精度的影响,结果表明,算法效率较高,计算误差较小,适用于以热-电场耦合为代表的固体域耦合非匹配网格间的数据传递计算。     

一种改进的MCM算法

平均曲率运动模型(MCM)是基于偏微分方程的图像处理模型的一种,具有明确的几何意义.提出了模型中退化扩散项的精确计算方法,并采用了两种新的方向估计方法.实验证明了新方法所得的结果优于原方法.     

高超声速飞行器倾侧转弯耦合控制策略

针对高超声速飞行器倾侧转弯过程中俯仰、偏航和滚动通道间的强烈耦合,提出一种耦合控制策略。针对高超声速飞行器快时变、非线性和强不确定性的控制问题,基于解析形式的非线性最优预测控制方法,采用分层设计思想设计了飞行器姿态控制系统,可较好满足高超声速飞行器的快速性要求;在分析了倾侧转弯飞行控制过程的主要影响因素及其影响规律的基础上,提出一种"降低攻角—快速滚转—拉起攻角"的耦合控制策略。对该控制策略对于高超声速飞行器的适用性进行了仿真分析,结果表明:所提耦合控制策略有效降低了偏航通道的控制需求,降低了倾侧转弯控制过程的失控风险,提高了控制系统的可靠性。     

基于单应轨迹的视频实时稳像算法

针对视频稳像中实时任务的需求特点,提出一种基于单应轨迹的视频稳像算法。估计序列图像帧间的单应变换,并将该变换作用于图像窗口的4个角点,从而对每帧图像产生4个短的单应轨迹以代表视频短时间内的运动。利用关联卡尔曼滤波器以一种连续方式对不同帧的单应轨迹进行平滑。对图像合成采用包括性和相似约束以提高结果视频的可观性质量。该算法以在线方式工作,消除了缓存输入图像帧导致的延迟,具备不依赖于复杂的3D重建和长距离特征跟踪的优点,并有效避免了单应模型表达视频运动模型的误差积累问题。实验表明该算法能够有效对包含2D和较复杂3D场景的视频进行稳像,并且能够达到实时处理速度。     

双转子活塞发动机差速驱动组件的动态静力学建模与分析*

针对双转子活塞发动机的工作特点,分析了其差速驱动组件的机构特性,定义了动力学参数,进而采用矢量力学方法对差速驱动组件的动态静力学进行数学建模。运用Matlab对所建理论模型进行数值计算,得出了主要部件的受力特征。为了验证所建数学模型的合理性,基于多体动力学仿真理论,在Recur Dyn环境下建立了双转子活塞发动机的虚拟样机模型,仿真结果与理论计算结果相比较,相应的约束反力的数值变化规律基本一致,都呈现4个周期的变化过程,冲击位置也基本相同,表明建立的动力学理论模型基本符合实际情况,是可信的,可以用作双转子活塞发动机改进设计的理论基础。     

基于减背景技术的运动目标检测方法研究

首先利用统计的方法得到背景模型,并实时地对背景模型更新,以适应光线变化和场景本身的变化;减背景操作后,用形态学方法和检测连通域面积进行后处理,消除噪声和背景扰动带来的影响;最后在HSV色度空间下检测阴影,得到准确的运动目标。     

球齿轮行星传动结构型式与驱动机构分析

介绍了一种由渐开线球齿轮传动组成的新型空间运动行星轮系及其驱动机构,并对该机构进行了详细的结构分析和运动分析。新机构由系杆框架和一对球齿轮组成,输出轴能实现全方位的空间摆动。设计了一种空间驱动机构,用来实现系杆框架定点球面运动的姿态控制,对驱动机构的可动性进行了分析,建立了轮系输出轴的姿态角与控制电机之间的运动学模型,实现了输出轴偏转角的精确控制。     

扩张状态观测器的机动目标跟踪算法

跟踪算法是自动跟踪火控系统的关键.提出了一种新的基于模板匹配的跟踪算法,可应用于实时的跟踪系统.该算法由扩张状态观测器(ESO)和序贯相似性(SSDA)匹配算法组成.首先使用扩张状态观测器,可以预测出目标在下一帧图像中的位置,再使用SSDA算法,在预测位置的邻域内进行搜索从而获得目标的准确位置.基于扩张状态观测器的模板匹配算法减少了搜索位置,提高了算法的效率,同时也克服了传统卡尔曼滤波用于目标预测时需要目标模型已知且滤波时间长的缺点.仿真实验证明该算法可以满足实时性要求.