项目名称: 基于图像质量的不确定振动主动控制与模糊滤波器设计

项目编号: No.51275085

项目类型: 面上项目

立项/批准年度: 2013

项目学科: 机械、仪表工业

项目作者: 王永富

作者单位: 东北大学

项目金额: 80万元

中文摘要: 振动是一种复杂的、非线性的、具有不确定性的自然现象。振动在大多情况下是有害的,振动能产生附加动载荷从而降低系统性能,如何减小或消除振动对先进装备行业显得尤为重要。最近,振动主动控制技术正受到人们重视并被广泛应用于航空航天、仪器仪表、机械工程等领域。实际工程中,由于系统存在非线性动态、未建模动态、参数不确定性以及外部干扰等不确定因数,使得传统主动控制方法已不能满足精确控制要求。本项目为消除PET医疗装备中的不确定振动从而提高该设备的成像质量,在项目中提出了一种新的策略。也就是,基于图像质量的不确定振动主动控制与模糊滤波器设计。主要内容包括:1)PET设备中的不确定振动定性与定量分析;2)基于图像质量的不确定振动主动控制研究;3)不确定振动产生的图像噪声进一步后处理。通过本项目的实施,逐步建立起基于图像质量为目标的不确定振动主动控制及模糊滤波的理论体系,并将研究得出的理论应用于工程实际中。

中文关键词: 不确定振动;图像质量;主动控制;模糊滤波器;自适应

英文摘要: Vibration is a complex and nonlinear physical phenomenon with some uncertainties. Vibration is almost ubiquitous in real life. Sometimes vibration can be beneficial to us under special circumstances. Such as, vibration is utilized in nuclear magnetic resonance. However, generally, vibration generates additional dynamic loads to degrade the system performances. Thus, to improve the mechanical systems performance, it is necessary to reduce or eliminate vibration. Hence, it is meaningful to analysis the mechanism of vibration and offer effective control schemes for obtaining satisfactory performances. Recently, some active control schemes have been widely applied for precision instrumentation, aerospace, transportation systems and mechanical engineering. In practical vibration systems, traditional active control can't meet the demand of high precision control due to the existing of the nonlinear dynamics, unmodeled dynamics, parameter uncertainties and external disturbances. To eliminate the vibrations caused by some uncertainties and improve the image quality in PET medical device, this project proposes a new strategy, i.e, active control and fuzzy filter of uncertain vibration based on image quality. Main contents include: 1)Qualitative and quantitative analysis of uncertain vibration in PET device ;2)Active con

英文关键词: Uncertain vibration;Image quality;Active control;Fuzzy filter;Adaptive

成为VIP会员查看完整内容
0

相关内容

专知会员服务
32+阅读 · 2021年9月14日
逆优化: 理论与应用
专知会员服务
36+阅读 · 2021年9月13日
专知会员服务
27+阅读 · 2021年9月6日
专知会员服务
97+阅读 · 2021年6月23日
专知会员服务
24+阅读 · 2021年6月9日
专知会员服务
44+阅读 · 2021年5月24日
专知会员服务
60+阅读 · 2021年3月9日
专知会员服务
34+阅读 · 2020年11月26日
最新《医学图像深度语义分割》综述论文
专知会员服务
94+阅读 · 2020年6月7日
光学遥感图像目标检测算法综述
专知
8+阅读 · 2021年3月23日
图像修复研究进展综述
专知
18+阅读 · 2021年3月9日
交通评价指标概略
智能交通技术
15+阅读 · 2019年7月21日
目标跟踪算法分类
算法与数据结构
20+阅读 · 2018年9月28日
【质量检测】机器视觉表面缺陷检测综述
产业智能官
30+阅读 · 2018年9月24日
【工业智能】风机齿轮箱故障诊断 — 基于振动信号
一种轻量级在线多目标车辆跟踪方法
极市平台
13+阅读 · 2018年8月18日
红外弱小目标处理研究获进展
中科院之声
17+阅读 · 2017年11月19日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Arxiv
0+阅读 · 2022年4月19日
Building Odia Shallow Parser
Arxiv
0+阅读 · 2022年4月19日
Arxiv
2+阅读 · 2022年4月19日
Arxiv
10+阅读 · 2020年6月12日
Image Segmentation Using Deep Learning: A Survey
Arxiv
44+阅读 · 2020年1月15日
A Comprehensive Survey on Graph Neural Networks
Arxiv
13+阅读 · 2019年3月10日
Arxiv
24+阅读 · 2018年10月24日
小贴士
相关VIP内容
专知会员服务
32+阅读 · 2021年9月14日
逆优化: 理论与应用
专知会员服务
36+阅读 · 2021年9月13日
专知会员服务
27+阅读 · 2021年9月6日
专知会员服务
97+阅读 · 2021年6月23日
专知会员服务
24+阅读 · 2021年6月9日
专知会员服务
44+阅读 · 2021年5月24日
专知会员服务
60+阅读 · 2021年3月9日
专知会员服务
34+阅读 · 2020年11月26日
最新《医学图像深度语义分割》综述论文
专知会员服务
94+阅读 · 2020年6月7日
相关资讯
光学遥感图像目标检测算法综述
专知
8+阅读 · 2021年3月23日
图像修复研究进展综述
专知
18+阅读 · 2021年3月9日
交通评价指标概略
智能交通技术
15+阅读 · 2019年7月21日
目标跟踪算法分类
算法与数据结构
20+阅读 · 2018年9月28日
【质量检测】机器视觉表面缺陷检测综述
产业智能官
30+阅读 · 2018年9月24日
【工业智能】风机齿轮箱故障诊断 — 基于振动信号
一种轻量级在线多目标车辆跟踪方法
极市平台
13+阅读 · 2018年8月18日
红外弱小目标处理研究获进展
中科院之声
17+阅读 · 2017年11月19日
相关基金
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
相关论文
Arxiv
0+阅读 · 2022年4月19日
Building Odia Shallow Parser
Arxiv
0+阅读 · 2022年4月19日
Arxiv
2+阅读 · 2022年4月19日
Arxiv
10+阅读 · 2020年6月12日
Image Segmentation Using Deep Learning: A Survey
Arxiv
44+阅读 · 2020年1月15日
A Comprehensive Survey on Graph Neural Networks
Arxiv
13+阅读 · 2019年3月10日
Arxiv
24+阅读 · 2018年10月24日
微信扫码咨询专知VIP会员