1 西安科技大学 电气与控制工程学院, 西安 710054
2 西安科技大学 西安市煤炭火灾防治重点实验室, 西安 710054
利用可调谐二极管激光吸收光谱技术(TDLAS)实现气体高灵敏度, 高精度的非接触式检测。为避免二次谐波信号随环境中温度和压强的改变导致实测出现较大误差, 需对测得的气体浓度进行温压补偿。实验以2332nm波长作为CO的中心吸收波长, 以质量分数125×10-6, 1001×10-6, 1701×10-6的CO作为实验气体。提出了利用BP神经网络补偿模型, 并采用遗传算法(GA)与粒子群算法(PSO)优化BP, 修正受温压影响的标气浓度, 并进行了仿真测试对比。实验结果表明, 采用PSO优化BP补偿效果最好, 修正后的CO浓度平均相对误差约为1.55%, 有效提高了CO气体检测系统的精度。
在线检测 温压补偿 神经网络 TDLAS TDLAS on-line monitoring temperature and pressure compensation artificial neural network CO CO
西安科技大学电气与控制工程学院, 西安 710054
针对目前 SIFT算法在特征匹配过程中出现的搜索范围广、处理数据量大、速度慢的问题, 提出一种基于区域分块思想的新型 SIFT匹配法。首先将待匹配图像进行双边二分区域分块处理; 其次采用投票机制方式选取可信匹配子块, 缩小原始匹配区域空间; 随后结合 SIFT算法提取可信匹配子块的特征点, 并进行初步匹配; 最后结合双向 RANSAC算法去除伪匹配点对, 提高匹配的准确率。实验结果表明: 基于区域分块的改进 SIFT算法比标准 SIFT算法具有更强的实时性和鲁棒性, 在实际图像匹配中具有一定的应用价值。
区域分块 可信匹配子块 双向 RANSAC area blocking SIFT SIFT credible matching block BRANSAC
