一种新的基于多信息测度融合的边缘检测方法

针对高强度噪声图像, 提出了一种新的基于信息测度概念和Dempster Shafer(DS)证据理论的边缘检测算法. 利用邻域一致性、方向性和结构性3种信息测度定量描述边缘特征; 引入检测不确定性, 根据各信息测度响应分布设计基本可信度分配函数, 并利用DS合成规则加以融合; 融合后根据组合决策规则将像素分类成边缘与非边缘. 实验通过检测结果以及Pratt品质因数的分析比较, 表明该算法能够有效地区分边缘点和噪声点. 在低噪声情况下, 检测性能与传统检测方法相近; 而对于高强度噪声图像, 该方法具有较强的噪声免疫力.     

基于正交补空间的人脸识别

为了实现人脸识别免于特征提取,提出了一种基于正交补脸(OC-faces)的人脸识别方法.该方法基于空间正交分解理论,对不同类的原始训练样本进行Gram-Schmidt正交化,以正交化后的基张成各个不同的子空间,将测试样本分解为子空间投影及子空间正交补两部分.正交补的范数体现了测试样本到各类子空间的距离,并以此作为分类的依据.在Yale库和AT&T库上的实验结果表明,与主成分分析(PCA)、线性判别分析(LDA)两种经典识别手段相比,该方法有更好的识别效果.     

有机磷农药乙酰甲胺磷的太赫兹光谱研究

为了获得有机磷农药乙酰甲胺磷在远红外波段的光学特性, 采用太赫兹时域光谱技术(THz TDS), 测量了室温下乙酰甲胺磷在0.2~2.2 THz的高分辨率吸收谱和折射率谱. 结果表明,在室温和氮气环境下,特征吸收峰位于1.58和2.10 THz处, 平均折射率为1.45. 同时运用密度泛函理论(DFT)计算了乙酰甲胺磷分子结构及其在太赫兹波段的振动频率, 并根据计算结果对实验数据进行了解析, 计算结果与实验数据吻合较好. 研究结果表明, 实验光谱的特征吸收峰是由分子的集体振动及扭转形成, 不同的吸收峰位对应分子不同的振转模式.     

大规模环境下基于激光雷达的机器人SLAM算法

为解决大规模环境下机器人的同时定位和地图构建(SLAM)问题,提出一种基于Rao Blackwellised粒子滤波器的SLAM算法. 通过选取稳定且易于区别的特征点,发展了一种基于全局约束的数据关联方法,有效地减少了误匹配的概率;采用改进的粒子分布预测函数,提高了粒子滤波器的性能.实验结果表明,该算法具有较低的计算复杂度,精度也比较高,能够有效地解决大规模环境下的机器人SLAM问题.     

连续相位调制的定时-频偏联合估计方法

针对连续相位调制信号的同步问题,研究了一种定时-频偏联合估计算法.算法分3步实现：(1）对接收基带信号差分并平方,得到四阶非线性变换值;（2）求其二阶统计量;（3）基于该统计量联合估计定时偏差和载波频偏.通过改变载波频偏值及参与二阶统计量计算的符号数,对定时同步及频偏估计性能进行研究.在加性高斯白噪声信道及Rice慢衰落信道下分别进行仿真.加性高斯白噪声信道仿真表明,算法在载波频偏达到15%符号率条件下仍有出色同步性能,当参与估计的符号数等于64时,定时偏差和频偏均方误差分别达到10－6及10－5以下;低信噪比不影响算法定时恢复性能.Rice慢衰落信道仿真表明,算法具有一定的抗衰落能力,适当改变Rice信道模型参数能提升其性能.算法采用非数据辅助方式及前馈结构,同步捕获快速,实现简单,适合于突发通信.     

结构化P2P网络上语义发布/订阅事件路由算法

为解决结构化P2P网络上语义发布/订阅系统上基于内容的高性能语义事件路由问题,提出一种基于集结点的语义事件路由算法（rendezvous-based semantic event routing, RSER）,该算法根据订阅和事件的域标识、属性个数以及属性名映射订阅和事件到集结点,在支持语义路由的同时,避免了分布式哈希表 (distributed hash table, DHT)映射精确性与语义数据模型复杂性之间的矛盾;通过属性个数限制事件发布目的地,减少事件发布流量;采用P2P的内在路由机制和聚合优化措施分发事件,充分利用P2P网络容错性的同时,降低事件路由流量.实验结果表明,在大规模的发布/订阅下,RSER算法在性能上优于基于逆向路径转发的路由算法,并在路由效率、网络资源消耗、订阅维护效率和扩展性等方面取得了良好的平衡效果     

海底热液长期原位探测器流控系统的设计与实现

为了实现深海热液长期原位探测,设计了3套能实现深海热液传感器在线自校正与自维护功能的流控系统.在实验的基础上,针对系统结构、功耗以及流量特性3个主要方面,对3种流控系统进行了比较,最终选择采用二位二通阀配合泵工作的系统作为探测器的流控系统.针对流控系统不能在高压下工作的缺陷,借助于甲基硅油介质,采用压力补偿的方式设计了流控系统的压力补偿装置,并实验验证了在40 MPa的压力下,所设计的流控系统仍能正常工作,证实了该流控系统合理且实用,从而为深海热液长期原位探测的实现提供了技术支撑.     

一种单轮的动态组密钥协商机制

针对动态组密钥协商协议中,轮数大多为2轮,且效率不高的问题,利用ID-based密钥体系下的“免交互两方静态共享秘密”技术,构建了一种单轮信息交互的基于成员认证的组密钥协商协议,并将协议推广到组成员动态变化的情况.它使得密钥协商阶段所需的广播交互消息数目较2轮的协议减少一半,因而通讯效率得以提高.该协议的密钥协商过程是安全的,并且具备“前向”和“后向”安全属性,它能适用于不要求“完美前向安全”的安全组通信应用.     

高深宽比SU-8微结构的简易加工技术

为了提高微驱动器的性能,提出了一种在氧化铟锡(ITO)玻璃上加工高深宽比SU-8微结构的方法.在导电玻璃的ITO层上涂覆一薄层AZ-4620正光胶,用常规的接触式曝光法,将光刻掩模上的二维图形转移到AZ-4620光胶层上,显影后利用ITO玻璃的导电性,在AZ-4620光胶曝光处电沉积镍,原掩膜图形可保真地转移到ITO玻璃表面的镍镀层上,使紫外光透过ITO玻璃基底进行反面曝光,从而保证了光刻掩模与SU-8光胶层间的完全接触,消除了厚光胶层表面不平在曝光时的散射和基片材料的反射影响,成功制备了深宽比为16、侧壁垂直度为89.5°的微结构.本方法使用设备简单,加工成本低.     

制造/再制造模式下的产品精度建模研究

分析了制造/再制造模式下的产品精度信息特点, 将公差项目分成互参考公差和自参考公差2大类, 以TTRS为理论基础, 在产品模型中增加了公差信息描述; 研究了功能失效与精度散失的关系, 分析了再制造零件精度模型的建立过程, 提出了制造/再制造模式下产品精度建模过程; 采用该建模方法对发动机活塞和汽缸内壁组成的圆柱副进行了实例研究,给出了该圆柱副的产品公差模型, 并将仿真分析获取的圆柱副精度散失信息添加到产品公差模型中,形成制造/再制造模式下的发动机汽缸运动副产品精度模型; 该建模方法能够为产品制造/再制造提供所需的各种信息, 并能方便地在CAX系统中实现.     

基于应变能均化指标和云模型的结构损伤识别

为了解决测量噪声等引起的损伤识别不确定问题,提出了基于应变能均化指标和云模型相结合的识别方法。分析了结构的模态应变能以及两种损伤指标,并考虑到模态应变能耗散率指标和等效指标之间的互补性质,通过均化方法建立了模态应变能均化指标;给出了云模型的基本理论,分析了云模型的数字特征、云处理算法以及确定度计算方法;结合随机测量噪声等引起的不确定性问题,建立了基于应变能均化指标和云模型的损伤识别方法。数值计算结果表明,应变能均化指标的识别结果略优于应变能耗散率指标和应变能等效指标,当考虑随机测量噪声时,云模型与应变能均化指标相结合的方法可以较好地进行含噪数据的损伤识别。     

基于自适应BP神经网络的桥梁结构荷载识别

在传统的BP神经网络中引入学习速率自适应调整算法，通过多次数值模拟计算确定学习速率和动量系数等网络 关键参数的取值；分析了学习速率、动量系数等网络参数对网络收敛速度和输出精度的影响；探讨了训练样本容量与网 络识别效果的关系.分别使用挠度、挠度曲率、应变和应变曲率作为输入参数对桁架桥梁荷载进行识别.结果显示以挠度 曲率或应变曲率为输入参数的网络识别效果明显优于以挠度或应变为输入参数的网络，以应变为输入的网络识别效果优 于挠度的情况；学习速率自适应调整算法有效避免了网络训练过程中误差曲线振荡现象的产生，提高了网络的学习效率 ，网络关键参数的最优取值改善了网络的收敛速度和输出精度     

空间单层网壳结构损伤杆件位置识别试验

为解决空间钢结构震后常发生杆件损伤的位置识别问题,设计一个单层网壳结构试验模型,切断单个杆件模拟实际结构的杆件损伤,对该损伤杆件进行位置识别研究.首先,根据空间钢结构自由度多,模态密集等特点,基于小波包能量分析法处理频率密集信号的优势,应用单层钢网壳结构损伤前后两个监测阶段的加速度响应数据,建立抗噪性能和灵敏性较好的损伤杆件位置识别指标向量.再应用有限元软件ANSYS建立17组不同位置杆件损伤的数值分析模型,分别获得17组有限元模型损伤前后的加速度响应数据,通过小波包分析处理后将其损伤指标向量作为损伤识别样本库,再将具有单个杆件损伤试验结构的加速度响应数据处理后得到的损伤识别指标向量与损伤样本库中各杆件损伤位置的指标向量进行聚类分析,识别出实际结构杆件有可能的损伤位置.该方法能够快速识别出实际结构中损伤杆件可能损伤的区域位置,试验结果也验证了方法的可行性和有效性,为后续工程应用研究提供了理论和试验支持.     

基于数字孪生和深度学习的结构损伤识别

土木工程实际结构损伤状态的时间跨度通常只占总生命周期的一小部分。为解决传统基于数据驱动的结构损伤识别方法缺乏足够多的损伤训练数据的问题,提出结合数字孪生和深度学习的结构损伤识别方法,并应用于实际工程。该方法利用数值仿真模型和在线监测数据构建结构的数字孪生,以获得不同损伤工况下结构动力响应的“大数据”;为了摆脱对外激励信息的依赖,应用经验模态分解法和传递率函数对得到的数据进行预处理;将预处理后的固有模态传递率函数数据作为深度学习的输入进行训练,实现结构的损伤识别。为验证方法的有效性,对实际结构未经训练的监测数据进行分析,结果表明,该方法泛化能力良好,能够有效识别结构损伤状况。通过数字孪生技术解决了传统方法数据匮乏的问题,不需要任何地震信息,利用固有模态传递率函数数据训练的深度神经网络仍能保持较高的损伤识别准确率,二者结合可以使工程结构健康监测更为主动、可靠、高效。     

基于神经网络对属于维纳模型之非线性系统的结构辨识

基于神经网络理论 ,给出了一种采用三层前馈神经网络辨识属于维纳模型之非线性系统的方法 ,并给出了模拟算例 ,结果表明这种方法是正确和有效的     

桥梁结构损伤识别理论的研究进展

从三个方面：（1）基于模型修正理论的结构损伤识别;（2）损伤指数法;（3）人工神经网络法等,对近年来国内外基于振动分析和结构动力学参数的结构损伤识别理论进行了比较系统地总结和评述,介绍了结构损伤识别领域研究的现状,给出了基于动力学参数和振动分析的结构损伤识别的模式,并分析了存在的困难以及需要进一步研究的问题．     

基于BP神经网络的水分检测数据处理

由于电容式粮食水分检测中影响检测的因素较多,检测精度很难取得令人满意的测量效果。介绍了采用BP网络进行水分检测数据处理方法,给出了一组具体的试验数据及处理结果。结果表明通过BP网络的数据处理,粮食水分的检测精度得到了改善。     

神经网络在结构损伤识别中的应用研究简

针对人工神经网络具有自主学习、记忆及模式匹配能力,提出建立一个三层BP人工神经网络,并将其应用于结构的损伤识别研究.     

用神经网络方法识别结构损伤的研究

首先提供了结构损伤前后固有频率的变化包含了损伤位置的程度信息，研究了利用动态响应和神经网络技术进行结构参数识别的方法，并确定了结构损伤的位置与程度，建立了一个BP网络结构损识别模型，计算结果表明，该BP网络能准确实现结构损伤判别与定位，说明该方法有效，可靠。     

基于不完全测量的结构损伤识别研究

自适应序贯非线性最小二乘法是一种新型的损伤识别方法.为了减少结构中传感器的数量,将有限元模型缩聚理论与自适应序贯非线性最小二乘法相结合,用于结构的损伤识别——基于缩聚模型的自适应序贯非线性最小二乘法.为了验证该方法的有效性,对一悬臂梁结构进行了试验研究,研究中考虑了白噪声、正弦、和EL-Centro地震波三种激励下的六种工况.研究结果表明,基于缩聚模型的自适应序贯非线性最小二乘法是一种有效的结构损伤识别方法,根据该方法,只需要使用少量的传感器即可准确地识别出结构中损伤的发生时刻、损伤的程度和位置.