改进卡尔曼滤波的IRFPA非均匀性校正算法

提出一种改进的卡尔曼滤波的IRFPA非均匀性校正算法,该算法使用求逆引理对传统迭代公式进行求逆变换,使用误差协方差逆阵形式实现迭代过程,使算法计算复杂度由nk×nk阶矩阵求逆降低至nk维对角矩阵求逆,简化了传统卡尔曼滤波算法的递推过程,提高了实时性能．通过对实际采集的红外图像序列进行仿真实验,结果表明：该算法在继承传统校正算法校正精度的同时,兼顾提高了算法校正速度,运行效率可以提高至2倍．     

求解二维波动方程初边值问题的显隐混合校正并行算法

提出了一种基于区域分解法的显隐混合校正并行算法．通过对二维波动方程的数值试验，发现该算法具有无条件稳定性，其数值计算结果与整个区域上采用隐格式的计算结果相当，计算精度明显好于Kuznetson算法和改进的Kuznetson算法，计算时间也比Kuznetson算法和改进的Kuznetson算法的时间少，且小于隐格式计算时间的一半．     

基于动态圆的鱼眼图像校正算法研究

针对鱼眼图像传统经度坐标校正效果不明显的缺点,提出了一种改进的鱼眼图像二维校正算法。通过对每一条畸变的经线,不断求取其所在圆的圆心和半径,重新计算经线上点的坐标,有效地校正桶形畸变。该算法不用进行鱼眼镜头的标定以及参数的估计,也不用寻找三维空间点信息,以及在各种坐标系之间进行转换。经实验表明,改进算法校正后的平均垂直偏离角度为传统校正算法的1/3,同时具有耗时少的优点,满足实时性的要求,有较强的实用价值。     

基于自适应免疫算法和预测-校正内点法的无功优化

针对电力系统无功优化问题,将自适应免疫算法（adaptive immtme algorithm,AIA）和预测-校正内点法相结合,提出了一种新的混合优化算法．先利用AIA进行大范围全局寻优,找到候选最优点,把它作为内点法的初始可行点,再通过预测-校正内点法在初始可行点的邻域内进行局部的确定性搜索,提高解的精度和速度;在此基础上,根据对偶间隙的变化过程,提出了对中心参数及相应障碍参数的改进选择方法,有效地避免了数值振荡,使计算精度及收敛速度均得到明显改善．将上述方法用于IEEE14节点系统,计算时间为2．0s,优化后网损下降2．27％;而用于IEEE118节点系统,计算时间为322s,优化后网损下降14．29％．这表明本文所提出的算法在计算速度和精度上较其他方法均有明显改进．     

虹膜纹理归一化的圆心偏差校正算法

从眼生理学和图像采集两个角度，分析了造成虹膜内外圆心偏差的原因，并有针对性地提出了第一、第二圆心偏差校正模型．分别采用以上校正算法和传统算法对400幅虹膜图像进行处理，通过对校正结果的分析，发现与传统的虹膜纹理归一化算法相比，该校正算法可有效地排除内外圆偏差的干扰，使虹膜识别的准确性获得显著提高．实验证明，该虹膜纹理归一化校正算法是有效的．     

(73,37,13)QR码的一种新型代数硬判决译码算法

为了将inverse-free berlekamp-massey(IFBM)算法用于平方剩余(quadratic residue,QR)码的译码,必须对未知校正子进行计算以获得连续校正子。现有算法所得数据无法从理论上保证对于所有可纠的错误图案,均能解得与该错误图案相对应的未知校正子,因此由该算法所得的数据需借助于仿真验证,非常耗时。鉴于此,提出一种改进算法,所得数据从理论上可保证对于所有可纠的错误图案,均能得到与之相应的未知校正子。基于该改进算法,提出了(73,37,13)QR码的代数硬判决译码算法,并对所有可纠的错误图案(共185 859 898个)进行穷举仿真测试,结果验证了译码算法的正确性。     

测井放磁图接箍主峰倾斜校正算法

测井放磁图在扫描输入时产生的倾斜会对CCL曲线接箍主峰深度提取产生很大的影响。提出了一种测井放磁图接箍主峰倾斜校正算法。该算法通过先进行CLR深度预处理,再利用改进的Hough变换,克服了传统Hough变换计算量偏大、速度慢的弱点;而且实现了大范围、高精度的放磁图接箍主峰倾斜校正,具有较强的实用价值。     

地图数据校正算法及其在GIS中的应用与实现

地图数据校正是ＧＩＳ的重要组成部分,它直接关系到ＧＩＳ的精度及其决策的正确性和有效性．本文根据ＧＩＳ中常见的误差类型,提出一套以线性、非线性及三角网分块校正算法为主线的数据校正解决方案,并对它们在ＧＩＳ中的适用层次及应用特点进行了论述,同时探讨了地图校正算法在计算机实现中的一些问题．     

基于置信度和自学习校正的热轧轧制节奏计算

针对目前国内大多数热连轧厂传统在线轧制节奏计算模型控制精度偏低的问题,在宝钢宁波钢铁热连轧厂对传统轧制节奏计算模型进行了分析与研究,提出一种基于置信度和自学习校正的热连轧轧制节奏计算模型改进算法.经过现场大量实测数据验证,采用新算法的轧制节奏计算模型的预报精度较传统模型算法有了大幅度的提高,偏差在±5s范围内的频率达到97.94%,大致成正态分布.新算法在预报带钢在线运行时间上优于传统模型算法.     

一种基于两点线性校正的改进算法

针对传统的两点校正法准确度不高的缺点,提出一种二点多段线性校正的改进算法。这种算法对增益系数和偏移系数重新进行推导,弥补了两点多段校正法中由于校正因子推导带来结果值偏大的不足,并对算法进行了仿真。     

FLNG工艺区爆燃冲击强度数值分析及后果评价

CFD数值方法是目前海上浮式设施爆燃冲击研究中得到广泛运用的方法.文中以某FLNG工艺区发生爆燃事件为研究背景,基于通用CFD软件CFX对蒸气云爆炸进行数值分析,提出了基于能量释放方程模拟分析的冲击波安全评价方法,并对能量和能量释放时间两个变量对爆燃冲击强度的敏感性进行研究.该冲击波后果评价方法通过在爆心位置设立以能量大小和能量释放时间为变量的step函数,选定k-ε模型,模拟爆炸冲击获得超压数据,并结合超压伤害准则和TNO爆炸源能量和气云体积的转换关系对冲击波伤害后果进行评价.研究表明:基于CFD的能量释放方程能够很好的模拟爆炸冲击波并获得表征冲击强度的超压数据.方程中变量因素对冲击强度影响显著,特别是爆炸近场区域.提出的安全分析方法可以有效地对爆炸冲击后果进行评价.     

天然气管道站场泄漏扩散三维动态研究

针对天然气管道站场中天然气的泄漏扩散对安全生产造成的问题,开展了天然气管道站场中天然气泄漏扩散规律研究.采用专业软件模拟的方法,使用FLACS进行模拟,设置边界条件进行求解,研究不同风速、不同风向及不同泄漏速率对天然气泄漏扩散的影响,并结合天然气行业相关标准对天然气管道站场内可燃性气体位置进行优化.研究结果表明,泄漏速...     

基于混合算法的点云配准方法研究

为解决ICP( Iterative Closest Point) 算法对初始点云位置要求高且易陷入局部最优的问题,提出一种新的配准方法。首先遵从优势互补基本思想,结合将人工萤火虫算法和粒子群算法生成自适应人工萤火虫-粒子群算法( AAGPSO: Adaptive Artificial Glowworm-Particle Swarm Optimization) ,以使算法的收敛速度变快,解的精度得到提高; 其次优化迭代最近点算法( ICP) ,将已改进的AAGPSO 算法引入ICP 配准算法中进行点云配准,解决ICP 算法因点云的初始位置相差较大而陷入局部最优问题,加快整体的配准效率。通过实验对比原始ICP 配准方法和改进的配准方法并对其进行误差分析,结果验证了AAGPSO 算法在传统ICP 算法的基础上提高了配准精度,并且加快了算法收敛速度,改进的配准方法具有明显优越性。     

改进蚁群算法的云计算资源调度模型

针对当前云计算系统资源调度算法的资源利用率低、浪费严重等缺陷,提出一种基于改进蚁群算法的云计算资源调度优化模型,以获得更理想的云计算资源调度方案.首先对云计算资源调度的工作原理进行分析,建立云计算资源调度优化目标函数;然后利用蚁群优化算法模拟蚁群找到一条从起点到目的地的路径,即云计算资源调度目标函数的最优解,并结合目标函数对蚁群算法进行相应地改进;最后采用MATLAB2014R编程实现云计算资源调度优化模型.实验结果表明,该模型在短时间内可找到云计算资源调度的最优解,使资源利用率得到了改善.     

基于遗传-蚁群算法的云计算任务调度优化

为了找到最佳的云计算任务调度方案, 缩短云计算任务完成时间, 通过综合考虑遗传算法和蚁群算法的优势, 提出一种遗传 蚁群算法的云计算任务调度优化算法. 首先采用遗传算法快速搜索到云计算任务调度的可行方案, 然后采用可行方案初始化蚁群算法的信息素分布, 解决初始信息素匮乏的难题, 加快算法收敛速度和搜索能力, 提高云计算任务求解效率. 在CloudSim平台的实验结果表明, 相对于遗传算法, 遗传 蚁群算法更适合于大规模云计算任务问题的求解, 可缩短任务完成时间, 获得更高的用户满意度.     

基于正态分布变换的多位姿手掌部三维静脉识别

研究基于三维点云匹配的多位姿手部静脉识别.考虑手部静脉点云的特点,结合双目视觉原理,建立了一种结合三维特征阵列和静脉点云的扩展数据库,提出了一种基于三维特征阵列的静脉点云粗配准算法.在双目静脉图像中提取稳定特征并重建为三维特征,根据三维特征匹配结果初步消除静脉点云位姿差异.并采用改进的正态分布变换算法完成静脉点云匹配.实验表明,本文算法能够有效提高多位姿下的静脉点云识别率,即使手部位姿变化范围较大时,系统的识别率仍超过90%.      

QoS约束的云工作流调度算法

将云计算和工作流两者结合起来,并根据用户关心的QoS中执行时间和执行费用问题,针对工作流调度策略在云环境下调度实例密集型工作流时效率不高的问题优化资源调度策略,给出云工作流调度模型,提出一种基于QoS约束的云工作流调度算法MSCWQ(modifiedschedulingalgorithmforcloudworkflowbasedonQoS).该算法利用DAG(directedacyclicgraph)进行建模,优化资源策略,保证在最晚结束时间内使整个工作流实例的执行费用尽可能小.实验结果表明,在调度实例密集型云工作流时,该算法能有效提升科学工作流的执行效率,并能减少资源的使用费用.     

可控复合脉冲爆燃压裂动态加载模型

针对单级火药爆燃速度单一、延迟点燃连接装置稳定性欠佳的问题,提出高低燃速火药串联装配、中心管同步点燃新型工艺,进而基于不同爆燃速度火药的燃速方程,借助火药结构几何模型、质量守恒方程、能量守恒方程和气体状态方程建立多级脉冲组合火药爆燃加载模型,据此定量计算不同比例组合火药爆燃加载压力与时间的动态变化。结果表明:组装火药可有效协同高低燃速火药爆燃加载优势,既可用少量高燃速火药迅速产生高压破裂储层,又不会产生过大峰值压力破坏套管,同时又能利用大剂量低燃速火药长时有效延伸裂缝;在确保迅速破裂储层基础上,尽量减少高速火药量、增加低速火药量,以便建立施工安全和措施效果的有效平衡,同时可在套管安全的前提下扩大整体装药量,提高措施效果。     

Virtual Machine-Based Task Scheduling Algorithm in a Cloud Computing Environment

Virtualization technology has been widely used to virtualize single server into multiple servers, which not only creates an operating environment for a virtual machine-based cloud computing platform but also potentially improves its efficiency. Currently, most task scheduling-based algorithms used in cloud computing environments are slow to convergence or easily fall into a local optimum. This paper introduces a Greedy Particle Swarm Optimization(GPSO) based algorithm to solve the task scheduling problem. It uses a greedy algorithm to quickly solve the initial particle value of a particle swarm optimization algorithm derived from a virtual machine-based cloud platform. The archived experimental results show that the algorithm exhibits better performance such as a faster convergence rate, stronger local and global search capabilities, and a more balanced workload on each virtual machine. Therefore, the GPSO algorithm demonstrates improved virtual machine efficiency and resource utilization compared with the traditional particle swarm optimization algorithm.     

基于QoS云计算任务调度优化

由于云计算技术快速发展,为了满足日益多样化的云计算用户服务质量(QoS需求)以及提高云计算资源调度的效率,提出基于改进蚁群算法的云计算资源调度优化算法,包括建立云计算资源模型和用户QoS需求模型.为了得到更准确的结论,针对传统蚁群算法过快收敛造成的局部最优解现象,在传统的蚁群算法的基础上加入随机选择机制,时间、成本和结果有效可用性适应度因子进行了优化改良,以求得全局最优解.通过仿真实验将传统的蚁群算法、Mi n-Mi n调度算法和改进的蚁群优化算法进行比较,实验表明,改进的蚁群优化算法在调度效率、节约成本、减少任务执行时间和任务得到结果质量方面有明显的优势.