大一的时候很担心自己的论文。

摘要

本文详细介绍了多变量预测控制算法及其在环境试验设备控制中的应用。由于环境试验设备的温湿度控制系统具有较大的时滞,并且系统之间存在严重的耦合现象,常规的PID控制无法达到满意的控制效果。针对该系统,本文采用多变量预测控制算法对其进行控制和仿真。

预测控制算法是基于系统输入输出描述的控制算法,其三个基本原理是预测模型、滚动优化和反馈校正。它选择单位阶跃响应作为它的“预测模型”。该算法不仅可以简化建模过程,而且通过选择合适的设计参数,可以获得较好的控制效果和解耦效果。

本文简要介绍了环境试验设备,并对控制中存在的问题进行了说明。然后详细推导了多变量预测控制算法,包括多变量自平衡系统预测控制算法和多变量非自平衡系统预测控制算法;然后给出了系统的建模过程和相应的系统模型。在此基础上,采用多变量预测控制算法对环境试验设备进行了控制和仿真,并对仿真结果进行了比较。

仿真结果表明,对于与环境试验设备温湿度控制系统具有相似特性的多变量系统,多变量预测控制算法能取得比常规PID控制更令人满意的结果。

关键词:多变量系统;预测控制;环境测试设备

中文摘要* * * 100-300字,关键词3-7字。

中文摘要和关键词占一页。

所有英语都是Times New Roman字体。

三号抽象字体,粗体,中间一行,上下一行。

文本采用4号小字体,间距固定为20磅。

本文详细介绍了多变量预测控制算法及其在环境试验装置控制中的应用。环境试验装置的温湿度控制系统具有大时滞、强耦合的特点。因此常规PID控制效果不理想。在这种情况下,对基于多变量预测控制算法的环境试验装置的温湿度控制进行了仿真。

预测控制算法是一种基于系统输入输出描述的控制算法。它的三个基本原理是预测模型、滚动优化和反馈校正。选择单位阶跃响应作为预测模型,简化了建模过程。此外,通过选择合适的参数,可以获得良好的控制和解耦效果。

本文简要介绍了环境试验装置,指出了存在的问题。然后详细介绍了多变量预测控制算法,包括多变量自动平衡系统预测控制算法和多变量自动不平衡系统预测控制算法。其次,提出了系统建模过程和相应的系统模型。此外,多变量预测控制算法被应用于环境测试设备的温度和湿度控制系统。最后,对仿真结果进行了比较。

仿真结果表明,多变量预测控制算法可用于环境试验装置的温湿度控制系统等多变量系统,其控制效果比常规PID控制更令人满意。

关键词:多变量系统;预测控制;环境测试设备

英文摘要和关键词应为中文摘要和关键词的翻译。

英文摘要和关键词占一页。

目录示例,由word自动生成。

目录

第一章线程理论1

1.1简介1

1.2数字图像技术的应用和发展

1.3问题3

1.4论文各章节的排列4

第二章数字图像处理方法与研究5页

2.1灰度直方图5

2.1.1定义5

2.1.2直方图的属性和用途5

2.2几何变换

2.2.1空间转换8

2.2.2灰度插值

2.2.3几何运算的应用10

2.3空间滤波增强10

2.3.1空间滤波原理10

2.3.2拉普拉斯算子11

2.3.3中值滤波12

2.4图像分割处理13

2.4.1直方图阈值二值分割14

2.4.2直方图的最佳阈值分割14

2.4.3地区增长16

第三章图像处理软件设计18

3.1选择图像处理软件开发工具18

结构3.1.1 BMP图像格式18

3.1.2选择软件开发工具19

3.2 ean-13代码20简介

3.2.1 EAN-13条形码20的结构

3.2.2条形码21的编码方式

3.1系统界面设计22

第四章条码图像测试24

4.1条码图像处理的主要方法24

4.2条形码图像测试结果25

第五章总结与展望28

参考文献29

当先验概率相等时,也就是说,当

(2.33)

只是两者的平均值。

从上面的分析可以看出,只要sum已知,sum正常,就很容易计算出它的最佳阈值t。

实际密度函数的参数通常用拟合的方法来估计。例如最小均方误差拟合估计,以说明参数并最小化拟合的均方误差。例如,假设理想分布的密度为正态,实际图像的直方图为0,以离散的方式拟合误差为0。

(2.34)

其中n是直方图的横坐标。通常这种拟合很难找到密度函数的几个参数,只能用计算机求数值解,但如果是正态分布,只需要两个参数:均值和标准差。

2.4.3区域增长

区域生长是一种典型的连续区域分割技术,是人工智能领域中计算机视觉研究中一种非常重要的图像分割方法。其主要思想是在预先选择的种子点周围聚集满足某种相似性判断的像素来形成一个区域。在具体的处理中,它是从把一幅图像分割成许多小区域开始的,这些小区域一般是小邻域甚至是单个像素。然后,通过在区域中定义适当的隶属度规则来检查周围的像素,满足上述隶属度规则的像素被合并,否则被丢弃,经过几次迭代后最终可以形成待分割的区域。这里所说的“内部隶属度规则”可以根据图像的灰度特征、纹理特征、颜色特征等多种因素来决定。从这段话可以看出,区域增长成功的关键在于选择合适的内部成员规则(增长标准)。

对于基于图像灰度特征的生长准则,可以用下面的过程来描述其区域生长过程,如图2.6所示。

图二。6地区增长流程图

第三章图像处理软件设计

3.1图像处理软件开发工具的选择

3.1.1 BMP图像格式的结构

存储数字图像有多种格式,如BMP、GIF、JPEG、TIFF等。BMP是数字图像处理中最常用的,本课题采集的图片也是以BMP格式存储的。要处理这种格式的图片,首先要了解它的文件结构。

(1)BMP文件格式简介

BMP(位图文件)图形文件是Windows采用的一种图形文件格式。所有运行在Windows环境下的图像处理软件都支持BMP图像文件格式。Windows系统中的所有图像绘制操作都是基于BMP的。在Windows 3.0之前,BMP位图文件格式与显示设备相关,因此这种BMP图像文件格式被称为DDB(设备相关位图(DDB)文件格式。Windows 3.0之后的BMP图像文件与显示设备无关,所以这种BMP图像文件格式被称为DIB(设备无关位图)格式,目的是为了使Windows能够在任何类型的显示设备上显示存储的图像。bmp位图文件的默认文件扩展名是BMP或BMP(有时也需要。DIB或者。RLE为分机)。

(2)BMP文件的组成

BMP文件由位图文件头、位图信息头、颜色表和图形数据组成。其形式如表3.1所示。

表3。1 BMP位图结构

位图文件的合成结构名符号

位图文件头

位图信息标题位图信息标题bmih

颜色表RGB四色[]

图形数据字节位[]

3.1.2软件开发工具的选择

(1)Win32 API

微软Win32 API(Application Programming Interface)是Windows的一个应用编程接口,包括窗口信息、窗口管理函数、图形设备接口函数、系统服务函数、应用程序资源等。Win32 API是微软32位Windows操作系统和所有32位Windows应用程序的基础

这些程序都运行在Win32 API上,它们的功能由系统的动态链接库提供。

(2)Visual C++

Visual C++是微软公司出品的可视化编程产品,面向对象开发,与Windows API紧密结合,技术资源丰富,辅助工具强大。自诞生以来,Visual C++一直是Windows环境中最重要的应用程序开发系统之一。Visual C++不仅是C++语言的集成开发环境,而且与Win32有着密切的联系。因此,使用Visual C++可以开发各种应用程序,从底层软件到直接面向用户的顶层软件。Visual C++是一个界面友好、易于程序员操作的可视化编程环境。

Visual C++可以充分利用MFC的优势。MFC中有很多基本的库类,特别是MFC中的一些,可以用来编写各种Windows应用程序,节省大量重复性的工作时间,缩短应用程序的开发周期。使用MFC的基础类库,在开发应用时会事半功倍。

Visual C++具有以下特点:

简单性:Visual C++提供了MFC类库、ATL模板类、AppWizard、ClassWizard等一系列向导工具,帮助用户快速构建自己的应用程序,大大简化了应用程序的设计。使用这些技术,开发人员可以用很少的代码或不用代码来开发Windows应用程序。

灵活性:Visual C++提供的开发环境使开发人员可以根据自己的需要设计应用程序的界面和功能。而且Visual C++提供了丰富的类库和方法,使得开发者可以根据自己的应用特点进行选择。

扩展性:Visual C++提供OLE技术和ActiveX技术,可以增强应用程序的能力。利用OLE技术和ActiveX技术,开发人员可以使用Visual C++提供的各种组件和控件以及第三方开发人员提供的组件来创建自己的程序,从而实现应用程序的组件化。使用该技术可以使应用程序具有良好的可扩展性。

(3)MFC

MFC(微软基础类)是微软用C++语言开发的一组基础类。

Ku。直接用Win32 API编程比较复杂,而且Win32 API不是面向对象的。MFC封装了Win32 API的大部分内容,并提供了一个应用程序框架来简化和标准化Windows程序的设计。MFC是Visual C++的重要组成部分,以最理想的方式与之集成。主要包括以下几个部分:Win32 API的封装、应用框架、OLE支持、数据库支持、通用类等。

3.2 ean-13代码简介

人们日常见到的印在商品包装上的条形码,自20世纪70年代初问世以来,已在工业、商业、国防、交通、金融、医疗卫生、邮电通信、办公自动化等领域得到普及和广泛应用。根据不同的分类方法和不同的编码规则,条码可以分为很多种。现在世界上使用的条形码多达250种。本章以EAN条码EAN-13标准版为例,说明基于数字图像处理技术的EAN条码图像识别软件开发方法。

EAN码是ean international在全球推广应用的商品条码。它是一种定长的纯数字条码,字符集为数字0 ~ 9。它由前缀码、制造商识别码、商品项目码和校验码组成。前缀码是国际EAN组织用来标识成员组织的代码,我国为690 ~ 695;供应商识别码是EAN成员组织根据EAN前缀码分配给供应商的代码;商品项目代码由制造商编码;校验码用于校验前面12或7位代码的正确性。

3.2.1 EAN-13条形码结构

EAN-13码按“模块组合法”编码。其符号结构由八部分组成:左空白区、起始符号、左数据符号、中间分隔符、右数据符号、校验符号、终止符和右空白区,如表3.2所示。尺寸:37.29mm×26.26mm;条形码:31.35mm;引发器/分离器/终止器:24.50毫米;放大系数范围为0.80-2.00;间隔为0.05。

表3。2 EAN-13代码结构

左边的

空格开始字符的左侧

数据符号中间

分离器的右侧

数据符号检验终止符

正面

空白区

9.

3个模块

42个模块

5个模块

35个模块

7个模块

3个模块

9个模块

组件

EAN-13码代表的码由13位数字组成,其结构如下:

结构1:

x 13x 12x 11x 10x 9 x 8 x 7 x 6 x 5 x 4 x 3 x 1

其中:X13 ~ X11为代表国家或地区代码的前缀码;X10 ~ X7是厂家代码;X6 ~ x2是商品的代码;X1是校验码。

结构2:

x 13x 12x 11x 10x 9 x 8 x 7 x 6 x 5 x 4 x 3 x 1

其中:X13 ~ X11为代表国家或地区代码的前缀码;X10 ~ X6为厂家代码;X5 ~ x2为商品代码;X1是校验码。

在中国,当x 13x 12x 11为690和691时,代码结构与结构1相同;当x 13x 12x 11为692时。

当其代码结构与结构2相同时。

EAN条形码的编码规则见表3.3:

发起者:101;中间分隔符:01010;终结者:101。

A、B、C中的“0”和“1”分别代表一个模块宽度的“空”和“条”。

表3。EAN条形码的3个编码规则

数据符号的左侧

数据符号的右侧

数据符号

公元前

0 0001101 0100111 1110010

1 0011001 0110011 1100110

2 0010011 0011011 1101100

3 011101 0100001 1000010

4 0100011 0011101 1011100

5 0110001 0111001 1001110

6 0101111 000101 1010000

7 0111011 0010001 1000100

8 0110111 0001001 1001000

9 0001011 0010111 1110100

3.2.2条形码的编码方法

条码的编码方式是指条码中空白条的编码规则和二进制逻辑表示的设置。众所周知,计算机设备只能读取二进制数据(数据只有“0”和“1”两种逻辑表示)。条码符号作为为计算机信息处理提供的光电扫描信息的图形符号,也应满足计算机二进制的要求。条形码的编码方法是通过设计条形码中的条和空格的排列组合来表示不同的二进制数据。一般来说,条形码有两种:模块组合和宽度调整。

模块组合法是指条码符号,其中的条和空格由标准宽度的模块组成。标准宽度条表示二进制“1”,标准空模块表示二进制“0”。条码模块的标准宽度为0.33mm,一个字符由两个条和两个空格组成,每个条或空格由1 ~ 4个标准宽度模块组成。

宽度调整方法参考条形码,其中条的宽度和宽度不同,用宽单位表示二进制“1”,用窄单位表示二进制“0”,宽度和宽度单位的比值一般控制在2-3之间。

3.1系统接口设计

本文中图像处理软件的基本功能包括读取图像、保存图像和处理图像。图3.1显示了该图像处理软件的界面。

图3。1软件主界面

软件设计流程图如图3.2所示。

图3。2程序设计流程图

第四章条码图像测试

4.1条码图像处理的主要方法

(1)256色位图转换为灰度图像。

灰度处理在点处理中的应用为实现数字图像的阈值变换提供了前提条件。要将256色位图转换为灰度图像,必须首先计算每种颜色对应的灰度值。灰度和RGB颜色的对应关系如下:

y = 0.299 r+0.587g+0.114B(4.1)

这样,根据上面的公式,我们可以很容易地将256色调色板转换成灰色调色板。因为灰度图像的调色板一般是按照灰度递增的顺序排列的,所以我们还必须调整图像的每个像素值(也就是调色板颜色的索引值)。在实际编程中,我们只需要定义一个映射表bMap[256](长度为256的一维数组,存储256色调色板中每种颜色对应的灰度值),用bMap[p]替换每个像素值p(即原来256色调色板中的颜色索引值)。

(2)灰度的阈值变换

利用点运算中的阈值变换理论将灰度图像转化为二值图像,为图像分析做准备。灰度阈值变换可以将灰度图像转换成黑白二值图像。其操作是由用户指定一个阈值。如果图像中某个像素的灰度值小于阈值,则将该像素的灰度值设置为0,否则将灰度值设置为255。

(3)中值滤波

采用变换域方法中的空间滤波方法对图像进行去噪。中值滤波是一种非线性信号。

处理方法和相应的滤波器也是非线性滤波器。中值滤波一般采用奇数点数的滑动窗口,用窗口内各点灰度值的中值代替指定点(通常是窗口中心点)的灰度值。对于奇数元素,中值是指按大小排序后的中间值,对于偶数元素,中值是指排序后中间两个元素的灰度值的平均值。

(4)垂直投影

利用图像分析中的垂直投影法重构二值图像,为条码识别提供了前提条件。垂直投影是用投影的方法对黑白二值图像进行变换。变换图像中黑线的高度代表列中黑点的数量。

(5)几何运算

几何操作可以改变图像中对象之间的空间关系。几何运算的一个重要应用是消除相机造成的数字图像的几何失真。当需要从数字图像获得定量的空间测量数据时,几何校正被证明是非常重要的。此外,一些成像系统使用非矩形像素坐标。用普通显示设备观察这些图像时,必须先将其拉直,即转换成直角像素坐标。

4.2条形码图像测试结果

该软件的处理对象是EAN-13码的256色BMP位图。利用数字图像处理技术中的灰度处理、阈值分割、空间滤波、区域生长和投影等方法对含噪条码图像进行处理,结果如下:

图4。1原条码图图4。2灰度窗口变换

图4。3原始条形码直方图图4。4灰度窗口变换直方图

图4。5灰度直方图规范界面图4。6灰度直方图规格直方图

图4。7中值滤波界面

图4。8地区增长图4。9阈值区域消除

图4。10垂直投影

从以上处理结果可以看出,原始条码图像经过灰度变换、中值滤波、二值化、小区域阈值消除后,转化为投影图像,下一步能否通过图像模式识别读出条码,还需要进一步研究。

第五章总结与展望

数字图像处理技术起源于20世纪20年代。当时由于技术手段的限制,图像处理技术发展缓慢。直到第三代计算机的出现,数字图像处理才得到迅速发展和广泛应用。今天,几乎没有与数字图像处理无关的技术领域。

本文主要研究数字图像处理的相关知识,然后通过Visual C++实现图像处理算法。对文中提到的所有算法进行处理并得出结论。所做的工作如下:

(1)点处理法中的灰度处理为实现数字图像的阈值变换提供了前提条件。

(2)利用变换域方法中的空间滤波方法对图像进行去噪。

(3)利用点运算中的阈值变换理论,将灰度图像转化为二值图像,为图像分析做准备。

(4)利用图像分析中的垂直投影法实现二值图像的重建,为条码识别提供了前提条件。

论文的最后一章给出了各种算法的结果。结果表明,通过数字图像处理,可以将有噪声的条形码处理成无噪声的条形码。

数字图像处理技术的应用领域是多方面的,不仅可以用于本文所述的图像处理,还可以用于模式识别和机器视觉。近年来,在形态学和拓扑学基础上发展起来的图像处理方法给图像处理领域带来了新的局面,相信未来图像处理的应用会更加广泛。

参考

阮邱琦。数字图像处理[M]。北京:电子工业出版社,2001。

黄、、。数字图像处理与压缩编码技术[M].成都:科技大学出版社,2000。

容观傲。计算机图像处理。北京:清华大学出版社,2000。

胡·。数据结构-算法设计指南[M]。北京:清华大学出版社,1999。

黄伟同。面向对象与可视化编程[M]。北京:清华大学出版社,2001。

夏·。数字图像处理[M]。南京:东南大学出版社,1999。

费真元。条形码技术与应用[M]。上海:上海科技文献出版社,1992。

李金哲。条形码自动识别技术[M].北京:国防工业出版社,1991。

何斌。数字图像处理[M].北京:人民邮电出版社,2001。

【10】李长江。C++用户手册[M]。北京:电子工业出版社,1995。

张春林秦熙。Visual C++ 6.0。实用编程技术[M]。北京:中国水利水电出版社,1999。

[12]胡数据结构-算法设计指南[M]。北京:清华大学出版社,1999。

[13]肯尼斯·R·卡斯尔曼,朱志刚等.数字图像处理[M].北京:电子工业出版社,1998。

戴维斯·查普曼Visual C++6.0 [M]。北京:清华大学出版社,1999。

理查德·c·莱内克尔。Visual C++5 PowerToolkit [M]。北京:机械工业出版社,1999。