BP和RBF網(wǎng)絡(luò)結(jié)合的相位測量輪廓術(shù)系統(tǒng)標(biāo)定

提出一種新的基于彩色光柵投影的三維面形測量方法.將相移量為2π/3的rgb調(diào)制的正弦光柵復(fù)合成彩色光柵投影到被測物體表面,利用相移算法求解出相位,最終獲得物體的三維數(shù)據(jù).該方法只需一幅投影條紋圖就可以完成三維測量,同時給出了理論分析和計(jì)算機(jī)模擬.

提出一種新的光柵條紋投影輪廓測量術(shù)系統(tǒng)標(biāo)定模型,新模型不要求投影裝置和成像系統(tǒng)的光心連線與參考面平行、成像系統(tǒng)的光軸垂直于參考面及投影裝置和成像系統(tǒng)的光軸相交。基于該模型得出了新的相位高度映射關(guān)系,其待定系數(shù)與成像點(diǎn)的坐標(biāo)無關(guān)。實(shí)際測量中只需2個高度不同的標(biāo)準(zhǔn)塊便可以求得待定系數(shù)。對4個標(biāo)準(zhǔn)塊進(jìn)行高度測量,得到的最大相對誤差為0.6%。實(shí)驗(yàn)證明:該標(biāo)定方法簡單有效,提高了系統(tǒng)標(biāo)定的可操作性和測量精度。

在線結(jié)構(gòu)光360°三維輪廓測量方法中,采用多圖像傳感器系統(tǒng)可實(shí)現(xiàn)物體整體輪廓及局部形貌細(xì)節(jié)同時高精度測量。為了實(shí)現(xiàn)測量系統(tǒng)多傳感器同時標(biāo)定,提出一種線結(jié)構(gòu)光多傳感器三維輪廓測量系統(tǒng)的標(biāo)定方法。以直接線性變換法為系統(tǒng)標(biāo)定模型,設(shè)計(jì)含有多特征點(diǎn)的靶標(biāo)控制場來解算系統(tǒng)模型參數(shù),應(yīng)用二元全區(qū)間插值誤差校正方法對物方坐標(biāo)計(jì)算誤差進(jìn)行校正,實(shí)現(xiàn)對整個測量系統(tǒng)的標(biāo)定。并提出了一種基于二維離散傅里葉變換的多分辨率標(biāo)定靶標(biāo)特征點(diǎn)提取的新方法。論述了線結(jié)構(gòu)光四傳感器測量系統(tǒng)的標(biāo)定過程。實(shí)驗(yàn)結(jié)果表明這種標(biāo)定方法可實(shí)現(xiàn)多傳感器測量系統(tǒng)高精度同時標(biāo)定。

為了實(shí)現(xiàn)對復(fù)雜物體三維外形的快速測量目的,首先設(shè)計(jì)了一套基于結(jié)構(gòu)光的高速測量系統(tǒng),該系統(tǒng)主要由高速投影模塊和圖像采集模塊組成;然后采用一種基于絕對相位的編碼和解碼方法,實(shí)現(xiàn)絕對相位的測量,從而解決了復(fù)雜形體的三維測量過程中的二義性問題。最后,對所給系統(tǒng)進(jìn)行了三維測量的實(shí)驗(yàn)驗(yàn)證,證明該系統(tǒng)精度可達(dá)到0.11mm,實(shí)驗(yàn)結(jié)果表明系統(tǒng)的精度和速度適合高速三維測量。

對三維物體輪廓測量標(biāo)定技術(shù)中所遇到的卷相問題進(jìn)行了分析,提出了多標(biāo)定平面法和標(biāo)記圖像法來計(jì)算相位沿高度方向的卷相次數(shù),并通過實(shí)驗(yàn)驗(yàn)證了該方法的有效性

為提高風(fēng)電輸出功率預(yù)測精度，提出一種基于rbf—bp組合神經(jīng)網(wǎng)絡(luò)模型的短期風(fēng)電功率預(yù)測方法。在考慮尾流等因素影響的基礎(chǔ)上，對風(fēng)速進(jìn)行預(yù)處理。根據(jù)相關(guān)歷史數(shù)據(jù)，建立rbf—bp組合神經(jīng)網(wǎng)絡(luò)短期風(fēng)電功率預(yù)測模型，對風(fēng)電輸出功率進(jìn)行預(yù)測。仿真分析結(jié)果表明，該預(yù)測方法能有效提高風(fēng)電輸出功率預(yù)測精度。

本文提出一種基于圖像輪廓進(jìn)行相機(jī)自標(biāo)定并計(jì)算投影矩陣從而恢復(fù)物體三維模型的方法。首先使用鏡面反射從圖像中獲取物體的多角度成像并利用閾值和邊緣提取得到圖像的輪廓信息,再結(jié)合對極幾何對圖像輪廓的限制條件確定相機(jī)的投影參數(shù),最后使用可視外殼技術(shù)擬合出物體三維模型。

為了預(yù)測混凝土的抗壓強(qiáng)度,在分析bp、rbf神經(jīng)網(wǎng)絡(luò)原理的基礎(chǔ)上,提出用bp、rbf神經(jīng)網(wǎng)絡(luò)模擬混凝土抗壓強(qiáng)度與攪拌機(jī)各主要影響參數(shù)間關(guān)系的方法。根據(jù)攪拌機(jī)的實(shí)際工作狀況,分別建立了4維輸入向量、1維輸出向量的bp、rbf神經(jīng)網(wǎng)絡(luò)模型,通過19組試驗(yàn),驗(yàn)證了2種模型的可靠性。結(jié)果表明,實(shí)測結(jié)果與預(yù)測結(jié)果相接近,該2種神經(jīng)網(wǎng)絡(luò)模型能較準(zhǔn)確地快速預(yù)測混凝土抗壓強(qiáng)度。

傳統(tǒng)光柵投影輪廓系統(tǒng)需要嚴(yán)格的幾何尺寸約束,實(shí)際使用中難以構(gòu)造,而且采用參考平面作為被測物體的相位測量基準(zhǔn),限制了系統(tǒng)的測量和應(yīng)用范圍。針對這些問題,提出了采用輔助參考線代替?zhèn)鹘y(tǒng)光柵輪廓系統(tǒng)中參考面的系統(tǒng)模型,給出了利用參考線將相對相位校正為絕對相位的公式,利用空間映射及優(yōu)化求解算法實(shí)現(xiàn)了從絕對相位到被測物真實(shí)空間坐標(biāo)的映射。設(shè)計(jì)了圓線形靶標(biāo),只采用一個平面靶標(biāo)即可實(shí)現(xiàn)靶標(biāo)點(diǎn)空間坐標(biāo)、靶標(biāo)相位以及參考線位置的采集,簡化了標(biāo)定過程。最后進(jìn)行了測量實(shí)驗(yàn),使用兩幅圖像完成了石膏頭像三維數(shù)據(jù)的獲取,通過測量平面靶標(biāo)的平移和旋轉(zhuǎn)的間距,驗(yàn)證了方法的測量精度,靶標(biāo)平移間距的均方差為0.02mm,旋轉(zhuǎn)間距的均方差為0.03°。實(shí)驗(yàn)證明該測量方法速度快,系統(tǒng)搭建和標(biāo)定方法簡易,測量精度高,具有重要的應(yīng)用價值。

收集55個廈門市典型工程造價指標(biāo),利用spss軟件對數(shù)據(jù)進(jìn)行預(yù)處理,選取11個工程特征作為造價的主要影響因素,分別建立基于多層前饋(bp)和徑向基函數(shù)(rbf)神經(jīng)網(wǎng)絡(luò)的工程估價模型.從55個案例中隨機(jī)抽取10個作為預(yù)測樣本,剩下的45個作為訓(xùn)練樣本,進(jìn)行bp,rbf神經(jīng)網(wǎng)絡(luò)預(yù)測模型的訓(xùn)練和測試.結(jié)果表明:通過參數(shù)優(yōu)選的rbf神經(jīng)網(wǎng)絡(luò)工程造價預(yù)測模型,預(yù)測誤差在5%以內(nèi),網(wǎng)絡(luò)泛化能力更優(yōu)越,可用于實(shí)際工程造價的輔助估算.

分析了球磨機(jī)負(fù)荷測量的現(xiàn)狀,提出了基于并行rbf神經(jīng)網(wǎng)絡(luò)測量制粉系統(tǒng)球磨機(jī)磨筒內(nèi)負(fù)荷的軟測量方法,給出了相應(yīng)的系統(tǒng)結(jié)構(gòu)和算法?，F(xiàn)場實(shí)測數(shù)據(jù)計(jì)算實(shí)例顯示了該方法良好的測量性能

分析了對工程造價有重要影響的眾多因素,參考國內(nèi)外專家、學(xué)者的研究成果,確定了影響工程造價的18個主要因素,并基于rbf神經(jīng)網(wǎng)絡(luò)建立了工程造價決策模型。本文利用rbf神經(jīng)網(wǎng)絡(luò)快速、準(zhǔn)確的函數(shù)逼近能力,為工程造價決策提供了一種新的方法。

負(fù)荷預(yù)測是實(shí)現(xiàn)電力系統(tǒng)優(yōu)化運(yùn)行的基礎(chǔ),對于電力系統(tǒng)的安全性、可靠性和經(jīng)濟(jì)性都有著顯著的影響。rbf是一種三層前饋神經(jīng)網(wǎng)絡(luò),具有良好的函數(shù)逼近性能,已被廣泛應(yīng)用到電力負(fù)荷預(yù)測中,并取得良好的效果。本文主要整理并介紹當(dāng)前基于rfb神經(jīng)網(wǎng)的負(fù)荷預(yù)測方法,對存在的問題進(jìn)行了分析,并對未來的發(fā)展進(jìn)行了展望。

負(fù)荷預(yù)測是實(shí)現(xiàn)電力系統(tǒng)優(yōu)化運(yùn)行的基礎(chǔ)，對于電力系統(tǒng)的安全性、可靠性和經(jīng)濟(jì)性都有著顯著的影響。rbf是一種三層前饋神經(jīng)網(wǎng)絡(luò)，具有良好的函數(shù)逼近性能，已被廣泛應(yīng)用到電力負(fù)荷預(yù)測中，并取得良好的效果。本文主要整理并介紹當(dāng)前基于rfb神經(jīng)網(wǎng)的負(fù)荷預(yù)測方法，對存在的問題進(jìn)行了分析，并對未來的發(fā)展進(jìn)行了展望。

基于rbf神經(jīng)網(wǎng)絡(luò)的軟基沉降預(yù)測研究——將神經(jīng)網(wǎng)絡(luò)理論引入軟基沉降預(yù)測領(lǐng)域．借助自控領(lǐng)域信號處理的思想，應(yīng)用改進(jìn)后的徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的映射模式進(jìn)行軟基沉降的短期預(yù)測；軟基沉降的長期預(yù)測實(shí)質(zhì)上為基于神經(jīng)網(wǎng)絡(luò)的多維歐氏空間的曲面擬合問題，將地基壓...

針對建筑工程特點(diǎn),提出了基于rbf神經(jīng)網(wǎng)絡(luò)的建筑工程投標(biāo)報(bào)價方法,建立建筑工程投標(biāo)報(bào)價標(biāo)高率數(shù)學(xué)模型。應(yīng)用matlab計(jì)算軟件,以實(shí)例驗(yàn)證了該模型的正確性及實(shí)用性。

研究了一種線性周期編碼光柵的三維輪廓術(shù)，其中采用了兩個相位相反的線性周期變化的光柵光場和一個均勻光場，對被測物體進(jìn)行三次采樣。在獲得物輪廓的同時，又獲得了物體的表面紋理。當(dāng)背影光很暗時，經(jīng)過兩次采樣即可獲得物體的三維輪廓。通過理論分析，采用相位相反的線性周期光柵光場與相位相差１／２周期的線笥周期光柵光場相比，檢測粗度可以提高近１倍。

研究了一種線性周期編碼光柵的三維輪廓術(shù)，其中采用了兩個相位相反的線性周期變化的光柵光場和一個均勻光場，對被測物體進(jìn)行三次采樣。在獲得物體三維輪廓的同時，又獲得了物體的表面紋理。當(dāng)背景光很暗時，經(jīng)過兩次采樣即可獲得物體的三維輪廓。通過理論分析，采用相位相反的線性周期光柵光場與相位相差１／２周期的線性周期光柵光場相比，檢測精度可以提高近１倍。

地基沉降是一種危害很大的環(huán)境災(zāi)害。地基沉降的監(jiān)測數(shù)據(jù)經(jīng)常受降雨及工程施工等諸多外界因素的干擾,故而在沉降曲線中存在許多數(shù)據(jù)突變點(diǎn)。為此,提出基于小波分析與rbf神經(jīng)網(wǎng)絡(luò)相結(jié)合的新的地基沉降預(yù)測方法,首先采用小波分析對對原始監(jiān)測數(shù)據(jù)進(jìn)行數(shù)據(jù)去噪處理,進(jìn)而得到反映實(shí)際變化的地基沉降曲線,然后采用徑向基函數(shù)(rbf)神經(jīng)網(wǎng)絡(luò)方法對其進(jìn)行預(yù)測,為工程設(shè)計(jì)提供依據(jù)。最后結(jié)合工程實(shí)例分析,通過多種小波去噪與預(yù)測結(jié)果的對比研究,表明3次b樣條小波的去噪及預(yù)測效果最好,與實(shí)測值能較好地吻合,具有較好的工程應(yīng)用前景。

根據(jù)現(xiàn)代電梯工業(yè)發(fā)展的需要,提出了一個基于小波分析和rbf神經(jīng)網(wǎng)絡(luò)的電梯乘客識別系統(tǒng)；通過分析乘客的人臉圖像,實(shí)現(xiàn)對乘客的身份、表情和姿勢的識別,仿真結(jié)果表明,該系統(tǒng)對乘客的身份有較高的識別率。

基于rbf神經(jīng)網(wǎng)絡(luò)的砂土液化預(yù)測——通過分析砂土液化成因及其影響因素，建立了砂土液化預(yù)測rbf網(wǎng)絡(luò)模型，并與bp網(wǎng)絡(luò)預(yù)測模型進(jìn)行比較．測試結(jié)果表明，應(yīng)用rbf網(wǎng)絡(luò)模型對砂土液化進(jìn)行預(yù)測，預(yù)測效果好，識別精度高．

針對目前混凝土強(qiáng)度預(yù)測中存在的不確定性,難以自適應(yīng)性的確定神經(jīng)網(wǎng)絡(luò)隱含層,建立了基于高維云的rbf神經(jīng)網(wǎng)絡(luò)的混凝土預(yù)測模型。運(yùn)用matlab8.10進(jìn)行仿真實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明該模型綜合考慮了影響混凝土強(qiáng)度的各種因素,能夠?qū)崿F(xiàn)預(yù)測結(jié)果的隨機(jī)性和模糊性,具有更高的預(yù)測精度,更快的訓(xùn)練速度,可以廣泛應(yīng)用于生產(chǎn)現(xiàn)場實(shí)地的混凝土強(qiáng)度預(yù)測和質(zhì)量檢驗(yàn)。