碳纤维增强复合材料布加固损伤预应力混凝土梁剥离性能试验分析

碳纤维增强复合材料(CFRP)布用于普通混凝土结构加固性能研究较为深入,而对于预应力混凝土结构加固性能的研究相对较少。为了研究CFRP布加固损伤预应力混凝土结构黏结性能对其受力性能的影响,通过对3根CFRP布加固不同损伤程度的高强预应力钢筋混凝土梁进行静载试验,研究损伤程度及预应力度对其黏结性能的影响。试验发现,试件破坏前CFRP布均发生剥离,达到破坏时,CFRP布完全剥离、拉断或受压区混凝土被压碎。通过CFRP布应变-荷载曲线及试件挠度-荷载曲线分析表明,试件的剥离荷载与其损伤程度呈反比,而与预应力度呈正比。     

基于支持向量回归的无参考模糊和噪声图像质量评价方法

基于支持向量回归(SVR)和图像奇异值分解,提出了一种新的无参考(NR,no-reference)模糊和噪声图像质量评价(IQA)方法。首先通过对待评价图像进行高斯低通滤波生成再模糊图像,然后分别对它们进行奇异值分解并计算奇异值的改变量,最后使用奇异值的改变量作为SVR的输入,训练预并测得到图像的质量评分。在3个公开的模糊和噪声数据库上的实验结果表明,新方法预测得分与主观得分有较好的一致性,获得了较好的评价指标;对于模糊失真类型和噪声失真类型,在LIVE2数据库上的性能评价指标斯皮尔曼等级相关系数(SROCC)分别达到0.961 3和0.965 9。     

光纤传感技术及其军事应用

着重介绍光纤传感技术和光纤传感网络系统技术的研制发展,并叙述了光纤传感技术在军事上的重要应用状况,最后简述了光纤传感技术的发展趋势.     

基于改进极限学习机的短期电力负荷预测方法

为了提高电力系统短期负荷预测精度,提出一种基于改进极限学习机(MELM)的短期电力负荷预测模型。引入基于结构风险最小化理论,并结合最小二乘向量机回归学习方法,以克服传统极限学习机(ELM) 在短期负荷预测中存在的过拟合问题。某地区用电负荷预测结果表明,改进模型的泛化性与预测精度均优于传统ELM和OS-ELM模型,可为短期电力负荷预测提供有效依据,具有一定的实用性。     

超宽工作电压DC/DC变换器设计

针对太阳能光伏发电系统输出电压较宽的情况,设计了一种超宽工作电压的DC/DC变换器。利用稳压管在开关关断时对电路进行电压钳位,解决了单管反激变换器在高电压输入时电力MOSFET电压应力过高的缺陷。通过合理设计电路并从电路副边引入电流作为MOSFET栅极驱动,可以保证开关管的饱和导通。在理论分析、仿真优化、反复调试的基础上,设计了一款15 W、1 000 V/200 V输入的样机。经过测试,此变换器可以长时间稳定工作且转换效率比较高。     

改进多尺度卷积神经网络的单幅图像去雾方法

针对当前已有的去雾方法容易造成天空区域存在光晕以及色彩失真的现象，提出了一种多尺度卷积结合大气散射模型的单幅图像去雾算法。将原始有雾图像与三个不同尺度的卷积核进行卷积，经过一系列特征学习后得到粗略的传播图，然后使用引导滤波器对其进行优化，得到精细化后的传播图。利用粗传播图和有雾图像计算出全局大气光。根据大气散射模型反推出无雾清晰图像。实验结果表明，该方法对天空区域的处理更加自然，在图像的纹理细节以及颜色失真上有较好的效果。     

永磁同步电机角度软锁相环估算方法研究

分析了永磁同步电机无传感器控制的研究现状,设计一种电机角度软锁相环估算方法。在两相静止坐标系下建立永磁同步电机数学模型,获得包含电机角度和转速信息。通过对反电动势信息的积分、高通滤波及归一化处理,获得仅包含电机角度正余弦信息。借角度观测器理论,设计了软锁相环并确定了其关键参数,最终获得永磁同步电机电角度及同步转速。仿真分析及试验结果表明,此永磁同步电机角度软锁相环能够准确获得电机角度和转速信息,基于此方法的矢量控制系统稳定且动态特性好。     

基于形态学开闭运算和梯度优化的分水岭算法的目标检测方法*

提出了一种基于形态学开闭运算和梯度优化的分水岭算法的目标检测方法。该方法首先利用形态学开闭运算对原始图像进行平滑处理,再对梯度图像进行阈值优化,去除过多的区域极小值,然后利用分水岭分割算法检测目标,最后利用目标的面积和空间关系等特征去除少量误提目标。实验表明,新方法可以取得很好的效果。     

基于视差图和复数轮廓波变换的无参考立体图像质量评价

现有的2D图像质量评价方法并不能很好地应用于立体图像质量评价中。为了有效评价不同失真立体图像的质量,提出了一种基于视差图和复数轮廓波变换的无参考图像质量评价方法。首先提取了能够反映3D信息的视差图,然后对左右失真图像和视差图进行复数轮廓波变换,计算能量和能量差特征,最后通过支持向量回归SVR模型训练学习,预测图像质量分数。实验结果表明,此方法优于当前文献报道的立体图像质量评价方法。     

一种改进的主动支持向量机算法及其应用

针对支持向量机中分类器易受样本孤立点影响的问题,提出一种改进的主动支持向量机算法,采用K—means算法获取少量“代表性”样本作为训练样本,通过训练该标识样本得到一个初始分类器,利用主动学习策略选择最佳未标记样本进行类别标记,并加入训练样本集重新训练分类器,重复该过程直到满足某些要求。运用Iris数据和遥感数据对其进行测试,实验结果表明,该算法是有效的。