简介:在丝绸等织物生产过程中,经常会出现织物产生非正常花纹的缺陷。目前对织物缺陷的检测主要是通过人工肉眼判别,该方法花费时间长、人工成本高,会给企业带来较大的经济负担。本文通过使用BP和SAE两种神经网络对织物进行缺陷检测,并判断是何种缺陷:首先介绍了使用BP神经网络对大量样本训练并保存,得到最佳权值,从而实现对于图像的缺陷检测和分类;训练样本通过SAE深度神经网络训练得到重构图像,再不断微调参数,获得最佳的权重数值,运用滤波器过滤噪声,最终得到结果。通过大量的实验,结果表明两种方法对织物缺陷检测均具有非常良好的效果,充分证明了深度神经网络在工业生产织物过程中运用的可行性。
简介:使用Chebyshev-Gauss(CG)伪谱法研究带动量轮和推力器的欠驱动航天器姿态最优控制问题.基于欧拉姿态角和动量矩定理导出两类航天器姿态运动模型,采用Clenshaw-Curtis积分近似得到性能指标函数中的积分项,应用重心拉格朗日插值逼近状态变量和控制变量,将连续最优控制问题离散为具有代数约束的非线性规划(NLP)问题,通过序列二次规划(SQP)算法求解.数值仿真结果表明,对两类欠驱动航天器的姿态机动最优控制均能达到设计控制要求,得到的姿态最优曲线与验证得到的曲线几乎完全重叠.