基于边缘强度的指纹图像二值化方法

提出了一种合理有效的指纹图像二值化方法,先利用Kirsch算子得到指纹图像的方向场,然后对指纹图像进行方向中值滤波,最后通过图像的边缘强度设计局部自适应阈值对指纹图像进行分割,从而得到二值化图像。在自适应阈值的计算上,文中还提出了一种如何选择最佳图像分块大小的方法。实验结果表明,该方法不但处理效果好,而且运算速度快,满足了处理要求。     

不同变换域下LMS算法收敛性能分析

现代舰船由于电子系统集中,空间狭窄,存在严重的电磁干扰问题.解决此问题的有效途径是自适应干扰抵消,其核心则是自适应滤波算法.在提出自适应干扰抵消模型的基础上,就目前改进LMS自适应滤波算法的域变换算法进行了研究.叙述了LMS算法,对比分析研究了其在时域和一般变换域下的收敛性能.结合Walsh域与小波域的变换实例进行了计算机模拟仿真,结果表明,通过域变换后的自适应滤波算法的收敛性能明显得到改善.最后提出了未来自适应滤波算法发展方向.     

基于云模型的改进粒子群PMSM参数辨识算法

针对永磁同步电机传统参数辨识方法存在的缺陷,提出了一种基于云模型的改进粒子群参数辨识算法.该算法首先采用高频电压注入法建立高频电压方程,通过滤波处理获取高低频信号构建四阶满秩实时电机辨识模型;将云模型理论与粒子群算法相结合,采用正态云发生器对粒子进化变异操作建模,实现了自适应动态调节粒子的搜索范围,有效克服早熟收敛,保证了辨识参数为全局最优解.实验表明该辨识方法寻优能力强,搜索精度高,稳定性好,具有良好的动态性能.     

基于混沌时间序列的道路断面短时交通流预测模型

为了提高道路断面短时交通流预测的精确性,本文对道路断面的短时交通流数据进行混沌时间序列分析,并对多维交通流时间序列数据进行了相空间重构,建立基于混沌时间序列分析的道路断面短时交通流预测模型,利用粒子群优化算法优化模型的参数选择．最后应用本文的方法对城市快速路采集的断面交通流数据进行分析,对道路断面短时交通流建立预测模型并验证其有效性．     

基于半数值方法的脐带缆拉弯能力曲线分析研究

水下生产系统脐带缆连接于水上主控站与海底管汇控制执行器之间,在安装和在位运行时脐带缆的受力情况复杂,其中工作内压下拉伸与弯曲组合形式的荷载是脐带缆承受的最显著工况之一,因此分析缆体截面拉-弯性能曲线有着重要的工程指导意义。文章首先采用理论公式对脐带缆内部关键构件钢管进行拉伸和弯曲荷载下受力分析并得到应力应变响应;同时构建脐带缆二维精细数值模型,考虑构件之间的相互作用与摩擦,分析径向外压与工作内压共同作用下缆体截面应力分布情况。通过提取钢管上热点应力并与理论结果相结合得到相应的拉—弯能力曲线。其结果同传统理论方法比较更加保守可信,可确保脐带缆在安装和在位工作时的安全运行。同时,为海洋工程管缆结构抗荷载能力设计提供一条可行途径。     

一种新的碰撞耗散能快速估算方法及其在船—平台碰撞事故中的应用研究

海洋平台在作业过程中存在遭受船舶碰撞的潜在危险,一旦事故发生将可能导致结构严重损伤从而影响平台的作业安全,因此在平台结构设计阶段需要考虑其抗撞性能.文章以海洋供应船撞击半潜式钻井平台为研究对象,基于碰撞外部动力学理论和DNV规范计算方法,计及平台艏摇运动响应的影响,提出了一种新的耗散能估算方法-DNV`R解析法.以非线性有限元船-平台碰撞数值仿真结果为参考,将该解析法与规范法、Zhang解析法及Liu解析法计算结果进行对比,研究得出:文中所提出的DNV`R解析法弥补了规范法较为保守且仅适用于对心碰撞场景的不足,计算过程简单、便捷,且计算精度与Zhang解析法和Liu解析法基本接近,能够满足船-平台碰撞耗散能快速估算的精度要求.     

基于粒子群算法的水下多元线阵阵形有源校正方法

针对存在阵元位置误差的水下多元线阵,提出一种基于粒子群优化算法的远场有源阵形校正方法.该方法选用2个辅助源分时工作方式,利用无条件最大似然方位估计算法构建目标函数,并通过粒子群算法对阵元位置进行寻优.利用该方法对均匀线阵进行性能仿真实验.结果表明:该方法稳健性好、校正精度高,具有一定的应用前景.     

基于CFD的船舶货舱通风数值模拟

以某集装箱船的货舱通风系统为研究对象,根据船舶舱室的通风系统的特点,采用合理的数值模拟方法,并利用拉格朗日粒子示踪的方法描述舱室中的气体流动状况.在此基础上,分析比较3种不同的通风设计方案,通过对比分析研究送风管上开孔朝向和数目对通风效果的影响,确定对通风最有利的方案.模拟结果表明,应用CFD技术进行通风系统分析,可以很好地从流场的分布特性以及空气粒子的运动追踪等方面来评估设计方案的优劣,为通风系统的设计、优化提供有力的工具.     

被动多传感器改进交互多模型粒子滤波算法

将改进的粒子滤波算法即基于均匀重采样的粒子滤波(AUPF)与交互式多模型算法(IMM)相结合,提出交互式多模型均匀重采样粒子滤波算法(IMM-AUPF),并将其应用于被动多传感器的机动目标跟踪中。均匀重采样粒子滤波在标准粒子滤波的基础上通过改进重采样过程,在解决粒子退化问题的同时,增加了粒子的多样性,提高了滤波性能。在多模型中应用均匀重采样粒子滤波,提高被动多传感器系统的机动目标跟踪精度。将该方法与交互式多模型粒子滤波算法(IMM-PF)进行仿真对比,结果表明该方法具有更好的跟踪性能。