摘要:磁流变抛光是一种去除效率稳定、无亚表面损伤的超精密加工工艺,然而,在抛光过程中,磁流变液的水分损失会改变抛光工具的特性,从而影响去除函数的稳定性。现有的水分控制策略受到磁流变液循环系统大时延、时变扰动的影响,导致水分含量存在周期性波动,使去除函数发生周期时变,进而影响加工质量与精度。本研究建立了磁流变液循环系统的传递函数模型,开展了系统特性分析,并据此设计了基于全格式动态线性化的无模型自适应控制算法,该算法能够实现非线性系统的参数自适应控制,有效抑制因时变扰动和时延引起的水分波动,为抛光过程中水分含量的稳定控制提供了一种简单有效、适用性强的控制策略。实验结果显示,采用FFDL-MFAC控制算法时,磁流变液水分波动的峰谷值(Peak-valley Value, PV)仅为0.06%,相较于使用PID减少了40%,误差绝对值的积分(Integral value of Absolute Error, IAE)减少了58.1%。有效提升了抛光过程中磁流变液水分含量的稳定性。
摘要:针对红外图像与可见光图像融合中细节丢失严重,红外图像的特征信息未能突出显示以及源图像的语义信息被忽视的问题,提出一种基于二次图像分解的红外图像与可见光图像融合网络(Secondary Image Decomposition For Infrared And Visible Image Fusion, SIDFuse)。利用编码器对源图像进行二次分解以提取不同尺度的特征信息,然后利用双元素注意力为不同尺度的特征信息分配权重、引入全局语义支路,再采用像素相加法作为融合策略,最后通过解码器重建融合图像。实验选择FLIR数据集用于训练,采用TNO和RoadScene两个数据集进行测试,并选取八种图像融合客观评价参数进行实验对比分析。由TNO数据集的图像融合实验表明,在信息熵、标准差、空间频率、视觉保真度、平均梯度、差异相关系数、多层级结构相似性、梯度融合性能评价指标上,SIDFuse比基于卷积网络中经典融合算法DenseFuse分别平均提高12.2%,9.0%,90.2%,13.9%,85.1%,16.8%,6.7%,30.7%,比最新的融合网络LRRNet分别平均提高2.5%,5.6%,31.5%,5.4%,25.2%,17.9%,7.5%,20.7%。可见本文所提算法融合的图像对比度较高,可以同时更有效保留可见光图像的细节纹理和红外图像的特征信息,在同类方法中占有明显优势。