一种适用于开采沉陷的InSAR最大可检测形变梯度函数模型

由于时空失相干、大气延迟等因素的影响,InSAR技术的检测能力受限,无法保证任意矿区监测结果的有效性。若检测能力未知,使用InSAR技术将极易造成人力、物力资源的浪费。为有效判断InSAR技术是否适用于矿区地表形变区域探测,提出了一种适用于开采沉陷的InSAR最大可检测形变梯度(Maximum Detectable Deformation Gradient,MDDG)函数模型。首先通过分析地质采矿因素对开采沉陷的影响,选取矿区开采深厚比和下沉系数两个参数作为模型参数;然后基于不同分辨率、不同波长和不同入射角的SAR影像数据,采用数值模拟和回归分析方法,建立了水平煤层开采条件下的InSAR最大可检测形变梯度函数模型。为验证模型的可靠性,采用陕西大柳塔矿区2012年11月21日—2013年4月2日的13景TerraSAR卫星数据进行模型验证试验。研究表明:InSAR在该矿区的最大可检测梯度为0.008 56,相邻控制点间能够检测的形变量不超过0.171 2 m,采用地表观测站GPS数据作为参考形变值验证了上述结论;与现有模型对比,该模型检测精度更高,细化检测性能更为突出,且无需提前获取SAR影像,可为促进InSAR技术应用于矿区开采沉陷监测提供参考。     

轴流压气机叶型的类/形函数表示方法及气动优化

利用分析函数表示叶型中弧线与厚度分布,结合准三维流动求解器以及序列二次规划算法对高负荷级的动叶和静叶进行了以减小落后角和气动损失为目标的气动优化。初始叶型为NACA 65叶型,中弧线采用广义抛物线表示,只用最大拱度和最大拱度位置控制;厚度分布采用一阶类/形函数表示,只用一个比例因子KR控制。叶型几何只用3个参数变量,实现对初始叶型的表达。优化后动叶和静叶设计点损失分别下降19%和7.4%,工作范围均有增加,静压比提高,优化叶型的气动分布符合可控扩散叶型的设计思想。     

两轮自平衡车的吸引区域估算方法

在很多情况下,精确求解系统的吸引区域是非常困难的。以两轮自平衡车为例,利用二次Lyapunov函数的坐标变换方法来扩大吸引区域估算值。通过与吸引区域估算结果的对比,证明该坐标变换方法的有效性和计算的简便性。最后运用开源的Python程序仿真验证了在吸引区域范围内的初始条件,均可通过PID线性控制器使车体平衡稳定。     

基于改进灰狼优化算法的自动化立体仓库作业能量优化调度

针对带有截止时间约束的自动化立体仓库出入库作业调度问题,以调度过程中堆垛机能量消耗为优化目标建立数学模型,并引入相应的惩罚函数。对于入库货物,同时考虑定位存储和随机存储两种入库策略,采用一种最近邻货位选择策略对随机存储货物进行合理货位分配。采用一种改进灰狼优化算法对问题进行求解,算法通过引入融合Lévy飞行的混合个体更新策略和多种群重组策略来增强算法的搜索能力。通过仿真实验验证了改进灰狼优化算法在求解自动化立体仓库出入库作业能量优化调度问题的有效性。     

基于深度学习的番茄叶部病害识别模型

番茄叶病种类多、成因复杂,其预防和识别难度较大。传统基于机器学习的方法多靠人工识别,需要一定的专家经验,且具有主观性强、识别准确率不高等缺点。为实现番茄叶病特征的自动提取,并提高识别准确率,提出一种基于深度学习的番茄叶病识别模型。该模型基于卷积神经网络对番茄叶部病害特征进行自动提取,获得高维特征后,采用PCA降维算法去除冗余特征;从增大类间距离并减小类内距离的角度改进了softmax分类器,提高了识别准确率。将该模型在CrowdAI提供的数据集上进行了仿真验证,结果表明,该模型能够对番茄叶部常见10种病害进行自动提取特征和识别,综合识别准确率达到95%以上。     

均匀T网格样条曲面的局部细分算法

为解决T样条曲面造型中控制点插入的规范与半规范问题,提出基于均匀T网格样条曲面的局部细分算法。首先根据T样条曲面定义,将B样条曲面转换成均匀T网格样条曲面,然后在均匀T网格样条曲面中进行局部均匀控制点插入。为满足曲面局部特征细分要求,采用递进控制点插入形式:拥有局部特征的网格先进行全行(或全列)均匀控制点插入,之后进行局部列(局部行)均匀控制点插入,在此基础上,可以再次进行均匀控制点插入,以达到对网格的嵌套细分。该算法对初始网格控制点的混合函数进行矩阵转换,得到最终T网格上控制点的混合函数,实现最终曲面构造。与T样条曲面的局部细分相比,该方法简化了任意控制点插入的复杂度,与B样条曲面的局部细分相比,该方法减少了多余控制点。