在用工业管道焊接缺陷的识别和自身高度的测量

在用工业管道定期检验划分安全状况等级时,须确定焊接缺陷性质和自身高度,当采用射线检测和超声检测时,缺陷具有不同的特征和自身高度的测量方法。通过分析射线检测和超声波检测,夹渣、未焊透、未熔合缺陷的识别方法和自身高度的测量,总结出根据缺陷的产生部位、缺陷的性质、缺陷的方向选择无损检测方法,综合运用射线检测技术和超声检测技术。     

基于卡尔曼-高斯联合滤波的车辆位置跟踪

车辆位置的精确、可靠获取,一直是阻碍智能驾驶技术的难题.特别当车辆处于复杂道路环境中时,车辆卫星定位信号易受较大干扰,使车辆定位产生漂移现象.针对车辆定位的这种漂移现象,研究了针对车辆位置跟踪的卡尔曼-高斯联合滤波方法.对于车辆卫星定位受到的干扰不同,采用分层处理的滤波方法;针对卡尔曼滤波不能较好地滤除一些干扰较大的位置漂移点,通过设置与车速、航向角等相关的动态阈值,对卫星定位的车辆位置进行动态阈值判断;通过动态阈值识别出的车辆位置漂移数据,结合高斯过程回归,以车辆的历史数据作为学习样本,使用预测值和真实观测值构建补偿量,通过对卡尔曼观测方程加入动态观测补偿实现车辆位置优化;对于一般噪声产生的卫星定位波动,联合滤波也可以有效优化.实车实验表明,该方法可以有效识别出车辆定位的漂移点,车辆卫星定位在信号受较大干扰的情况下,车辆卫星定位的精度可以提高30%左右,最大误差由9 m降低到0.8 m左右.该联合滤波方法在使用低成本定位装置的情况下,有效提高车辆卫星定位的精度及可靠性.      

隧道爆破信号主分量特征提取与毫秒延期识别研究

为了准确揭示隧道爆破振动信号所包含的反映爆破特征参数的重要信息,通过EMD分解与交叉小波变换组合分析方法对实测爆破信号进行分析,得到各分量与原信号的相关性系数,从而准确判别出信号的主分量。再依据相关性系数对包含主分量在内的相关分量重组并进行Hilbert变换取模值,精确识别出隧道采用的各段别雷管的毫秒延期时间。结果表明： 组合方法确定的主分量及相关分量重组信号能够突出爆破信号的主要特征,对隧道爆破信号的分析效果好。     

适于TBM施工的HSP法实时预报技术设计与实现

为实现TBM施工隧道的实时地质预报,以TBM刀盘滚刀破岩震动作为震源的HSP法地质预报技术为基础,通过分析TBM施工工艺与机身结构特点,对HSP系统硬件和软件进行优化设计,使其小型化、自动化和智能化,并搭载于TBM上进行智能控制。在TBM掘进过程中,首先,通过隧道轮廓位置的检波器连续或高频次地采集地震反射波信号; 然后,经系统软件对数据的自动处理,实时获取掌子面前方地层反射特征参数图谱; 其次,通过智能识别技术完成对不良地质反射界面的有效拾取与判识; 最后,实现不良地质的探测。通过对适于TBM施工的HSP法实时预报技术进行优化设计,实时探查前方地层不良地质(体)位置、规模与性质,为TBM的高效施工起到一定的推助作用。     

基于海事卫星时延和频偏的远海飞行器跟踪方法

针对海上飞行器难以实现实时安全定位的问题,研究利用海事卫星时频数据对海上飞行器进行跟踪的方法,实现主动地跟踪远海飞行器的轨迹.介绍并分析现有自适应转弯模型的缺点以及交互式多模型算法(IMM)在测量数据为时延和频偏情况下存在的问题.在此基础上提出基于时延约束的自适应转弯模型,该模型通过引入时延数据建立转弯速率估计器,估计目标可能的位置和对应的转弯速率,进而估计出目标的速度矢量.简要地介绍了频偏的计算模型以及粒子滤波算法,给出了远海飞行器跟踪的算法流程图.使用Matlab进行了二维对比分析,并使用专业的仿真软件卫星工具包(STK)搭建远海飞行仿真环境,生成仿真的飞行参数、卫星时延以及频偏等数据用以验证模型的可行性.仿真结果表明:①在测量数据为时延和频偏的情况下,传统交互式多模型算法难以适用,容易出现滤波发散;而自适应转弯模型能够很好地估计目标的轨迹,且不需要人为设置转弯速率.②使用该模型可以较为完整地得到远海飞行器的轨迹,且平均经纬度误差在0.2°以下,最大经纬度误差约等于0.8°.      

S变换在水下目标识别中的应用

研究了基于S变换模时频矩阵相似度的水下目标识别方法。根据测试样本对应的S变换模时频矩阵与标准样本对应的S变换模时频矩阵之间的相似度最大原则对测试样本进行识别。该方法不需要辅助分类器而直接实现目标识别,计算简单快速。仿真实验表明,该方法的识别率较高,且受噪声影响小,适合于水下目标识别。     

基于智能图像视觉的船舱内部监控与识别

为了提高对舰船船舱内部监控管理能力,提出一种基于智能图像视觉的船舱内部监控识别方法。采用计算机视觉特征信息采集方法进行船舱内部图像原始信息采集,对采集的图像进行小波降噪处理,采用Harris角点检测方法进行船舱内部关键部位点的准确标定,结合图像子块连续遍历方法实现船舱内部异常像素特征搜索提取,实现船舱内部的智能视觉监控识别。仿真结果表明,采用该方法进行船舱内部监控,输出视觉图像的成像质量较好,对关键信息点的标定结果准确,对船舱内部异常像素的检索能力较强,具有较好的应用价值。     

基于DPCA和Kalman滤波的SAS运动误差估计

SAS系统的运动不稳定性是限制其发展的一个主要因素。等效相位中心(DPCA)自聚焦算法是基于原始回波数据的运动补偿方法。由于DPCA自聚焦算法在估计过程中是以前一个脉冲对应的阵列位置为基准,因此,随着脉冲次数的增加,估计残差将会逐渐积累,特别是当某次脉冲对应的估计残差较大时,DPCA自聚焦算法的估计精度就会受到严重的影响。本文将Kalman滤波算法和DPCA自聚焦算法融和,以最小均方误差为最佳准则,采用随机过程的矢量模型和递归算法,获得信号和噪声的最佳分离,提高了对SAS运动误差的估计精度。     

神经网络在舰船图像特征提取和分类中的应用

海上遥感图像对于舰船目标定位、海上救援、航运交通管理等有重要的作用,基于海上遥感图像的舰船目标特征提取及目标识别是一项热点研究。卷积神经网络是一种改进的人工智能算法,本文详细介绍了卷积神经网络技术的原理,基于卷积神经网络和滤波器实现了舰船遥感图像的特征提取和目标识别。     

基于领域知识的海上编队线型队形识别

编队队形是达成海上编队战术意图的重要手段,因此识别海上目标的编队队形是判断其作战意图的有效方法之一。本文从系统研究海上编队线型队形的领域特征入手,分析了海上编队线型队形的队列要素及计算方法,进而提出了海上编队线型队形的模板表示方法。在上述基础上,建立了识别队形所需要的坐标变换、队列方位等关键参数计算的数学模型,提出了基于队列方位的队列线聚类算法。最后设计了便于计算机编程实现的详细识别算法步骤,从而构建了基于领域特征的编队队形识别算法。