砂岩级配料开采爆破块度预报与爆破参数优化研究

通过张河湾抽水蓄能电站上水库面板堆石坝级配料开采爆破试验对Kuz-Ram爆破块度预报经验模型进行修正,建立了适合张河湾蓄能电站级配料开采的爆破块度分布模型,通过对爆破块度级配与爆破参数的相关分析,提出了砂岩级配料开采的优化爆破参数.     

工业工程实验体系建设问题研究

结合工业工程学科的特点，分析了工业工程专业实验体系的内容，比较了模拟小型化工厂和利用虚拟技术来模拟工厂运作系统的综合性实验方式，并结合学校的实际情况，选择了后者作为实验室建设的方案并具体实施。     

基于小波域中SOT结构的SAR相干斑抑制

论述了在小波域中通过空间向树结构对合成孔径雷达(SAR)图像相干斑噪声的抑制。首先从SAR图像相干斑噪声产生的机理出发,论述了采用传统滤波方法去除SAR图像中相干斑噪声的局限性以及在小波变换域中如何通过空间向树结构对相干斑噪声进行有效的滤波;实验结果表明,此方法对SAR图像相干斑噪声有良好的抑制作用,同时还尽可能多保留目标的纹理细节。     

非分析方法研究水-甲醇二元系的汽液相平衡

在101.325kPa下,用新型泵式沸点仪测定了水-甲醇二元系在不同液相组成时的沸点,并用非分析法由tpx推算了与之平衡的汽相组成y.用最小二乘法分别求出了甲醇-水二元体系的液相活度系数W ilson、NRTL、M argu les和Van Laar模型参数,由这些模型参数推算的此二元系的泡点与实验值能很好的吻合.这些模型参数求得的结果,用面积检验法检验得到很好的热力学一致性.     

润滑油生物降解性评定技术及其基础油的降解性

为解决车用润滑油的污染问题,参照欧洲CEC标准创建了适于国情的润滑油生物降解性试验方法以及读方法采用的菌种．以读方法考察了润滑油基础油的降解性能和不同类基础油生物降解过程的变化规律．结果表明：合成酯的化学结构更容易转化成脂肪酸,故生物降解率高于矿物油和PAO(聚α-烯烃)；同一类型的基础油随油品黏度的增大,降解性能下降．这些研究为评价润滑油对环境的影响及开发可降解型润滑油创造了条件．     

基于图像分割的SAR图像匹配方法

针对单一背景的海岛合成孔径雷达（SAR）图像，提出一种基于图像分割的图像匹配方法．该方法采用静态小波对原实时图分解滤波，抑制噪声；利用最大类间方差阈值法分割图像，分割出特定目标；选择结构元素进行形态腐蚀和膨胀，去掉细小背景杂波干扰；对二值化的图像进行面积统计，搜索出面积最大的目标．在原实时图中，以最大面积目标的外切矩形裁剪图像作为新的实时图．实践证明，利用裁剪的新实时图进行匹配，可以有效去除背景对匹配的不利影响，弥补了传统方法匹配精度低、实时性差的缺点．     

基于模糊综合评判理论的瓦斯突出危险性预测

针对影响矿井瓦斯突出的地质条件、瓦斯压力、埋藏深度、煤的坚固系数等因素的不确定性、模糊性特点,为了准确预测未开采水平矿井瓦斯突出的趋势和危险性,利用模糊综合评判理论进行分析、研究,建立了一级模糊综合评判模型。并应用该模型对大兴矿7～2#煤层的瓦斯突出等级作出预测。验算结果表明,此方法具有较高的可靠性和实用性。     

Distribution-based CFAR detectors in SAR images

1. INTRODUCTION Many researches have been made on automatic target recognition (ATR) from SAR images in the past few years. Lincoln Laboratory has developed a complete, end-to-end ATR system[1-4]. The whole system inclu- des three stages: detection (or prescreening), discri- mination and classification. In the detection stage, a two-parameter CFAR (constant false alarm rate) detector is used as a prescreener to select candidate targets in an SAR image on the basis of local brightne…     

Research on Chaotic Time Series Prediction Based on K-entropy and RBF Neural Networks

In this paper, a method of direct multi-step prediction of chaotic time series is proposed, which is based on Kolmogorov entropy and radial basis functions neural networks. This is done first by reconstructing a phase space using chaotic time series, then using K-entropy as a quantitative parameter to obtain the maximum predictability time of chaotic time series, finally the predicted chaotic time series data can be acquired by using RBFNN. The application considered is Lorenz system. Simulation results for direct multi-step prediction method are compared with recurrence multi-step prediction method. The results indicate that the direct multi-step prediction is more accurate and rapid than the recurrence multi-step prediction within the maximum predictability time of chaotic time series. So, it is convenient to forecast and control with real time using the method of direct multi-step prediction.     

EKF在多变量混沌序列辨识中的应用

运用扩维技术以及扩展卡尔曼滤波算法的跟踪辨识特性同步实现对多变量混沌序列的精确预测和混沌系统主动态方程的参数辨识。利用典型混沌方程与所观测时间序列的吸引子特性比较，较准确地确定系统初始状态。对理想Roessler三个变量的时间序列和大连市气温降雨二变量时间序列进行仿真并与递推最小二乘法进行比较，结果表明该方法的有效性。