检索范围：
排序： 展示方式：
一种快速精确触觉碰撞检测中接触细节层次控制方法 Article
A Ram CHOI, Sung Min KIM, Mee Young SUNG
《信息与电子工程前沿（英文）》 2017年 第18卷 第8期 页码 1117-1130 doi: 10.1631/FITEE.1500498
刘志新,武永强,马伟杰
《中国工程科学》 2019年 第21卷 第3期 页码 103-107 doi: 10.15302/J-SSCAE-2019.03.022
汽车安全是影响公共交通安全的重要因素，而碰撞测试假人是支撑汽车安全的核心技术。本文通过分析国内外碰撞测试假人的发展趋势和关键技术，并结合我国技术现状，初步提出中国体征碰撞测试假人开发路径，进一步完善我国汽车安全标准体系。中国体征碰撞测试假人的开发将直接推动我国高端装备制造业发展与标准创新，对于我国建设创新型国家、增强国际竞争力具有十分重要的现实意义和长远的战略价值。
陈积懋
《中国工程科学》 2000年 第2卷 第4期 页码 64-69
论述了检测复合材料和胶接结构不连续（缺陷）的新型多模综合无损检测技术。该技术以声与超声检测技术为基础，包含五种不同检测模式，用以检测复合材料与胶接结构的失粘、脱粘、分层、疏松、夹芯压皱及其他缺陷。它适用于复合材料与构件的制造、维修和使用现场。它的检测可靠性高，重复精度好。文章还讨论了组成多膜声学综合胶接检测仪的五种不同检测模式的原理，并从我们和国内外同行的大量实践经验出发，说明了综合无损检测技术的巨大发展前景。
郭成超,许朋飞,钟燕辉
《中国工程科学》 2017年 第19卷 第6期 页码 72-79 doi: 10.15302/J-SSCAE-2017.06.011
基于改进粒子群算法优化的PID控制器在协同碰撞避免系统中的应用 Article
Xing-chen WU, Gui-he QIN, Ming-hui SUN, He YU, Qian-yi XU
《信息与电子工程前沿（英文）》 2017年 第18卷 第9期 页码 1385-1395 doi: 10.1631/FITEE.1601427
基于频域深度学习的混凝土桥面裂缝实时检测 Article
Qianyun Zhang,Kaveh Barri,Saeed K. Babanajad,Amir H. Alavi
《工程（英文）》 2021年 第7卷 第12期 页码 1786-1796 doi: 10.1016/j.eng.2020.07.026
本文提出了一种基于视觉的混凝土桥面裂缝检测方法，该检测方法将一维卷积神经网络（1D-CNN）与长短期记忆（LSTM）方法集成在图像频域。可以预见，1D-CNN-LSTM算法的快速运行使其在实时裂缝检测领域必将大有可为。
龚进,谭青,赵喻明,衡保利
《中国工程科学》 2011年 第13卷 第3期 页码 71-76
针对现有油缸检测系统检测手段和技术落后及检测精度低等缺点，提出把测试项目模块化后，将模块有机组织在液压缸运行过程中来完成油缸检测的控制策略运用PLC(programmable logic controller,可编程控制器)控制、CoDeSys组态软件和Visual Basic 6.0技术设计了一套油缸实时检测系统。试验结果表明，新的测试系统实现了实时检测、试验数据和曲线以及试验报告的输出和打印，提高了检测效率。
钟群鹏,武淮生,张峥,田永江
《中国工程科学》 1999年 第1卷 第1期 页码 43-48
基于最小化重构误差的生成对抗网络异常检测 Article
Huan-gang WANG, Xin LI, Tao ZHANG
《信息与电子工程前沿（英文）》 2018年 第19卷 第1期 页码 116-125 doi: 10.1631/FITEE.1700786
张红岩,张登攀
《中国工程科学》 2003年 第5卷 第4期 页码 61-64
郭志波,杨静宇,刘华军,严云洋
《中国工程科学》 2008年 第10卷 第7期 页码 125-131
提出一种基于沃尔什特征的增强型AdaBoost 人脸快速检测算法，不仅具有很快的训练速度，而且利 用较少的非人脸样本进行训练就可以达到较好的检测效果然后提出一种双阈值增强型AdaBoost 算法，其中双阈 值的快速搜索方法大大节约了训练时间，并且在训练Cascaded 检测器过程中，前层分类器的训练结果对后层 分类器的训练具有指导作用，加强了总体检测器的性能最后，使用该算法训练的检测器对MIT＋CMU 人脸测试库进行了测试，结果表明 该方法在训练速度、测试精度、检测时间等方面都优于相应的方法。
AED-Net——异常事件检测网络 Article
王田, 苗子琛, 陈禹昕, 周毅, 单光存, Hichem Snoussi
《工程（英文）》 2019年 第5卷 第5期 页码 930-939 doi: 10.1016/j.eng.2019.02.008
长期以来，在拥挤场景中检测异常事件都是一项具有挑战性的任务。为解决这一问题，本文提出了一种名叫异常事件检测网络（AED-Net）的自监督框架，它由主成分分析网络（PCANet）和核主成分分析（kPCA）组成。通过对明尼苏达大学公共监测人类活动数据集（UMN数据集）和加州大学圣地亚哥分校监测异常数据集（UCSD数据集）进行全局和局部异常事件进行检测发现，与其他最先进的方法相比，该方法具有更好的等误差率（EER
标题 作者 时间 类型 操作
京公网安备 11010502051620号
