基于Android平台的测树系统研究与实现

基于Android系统,探索利用手机摄像头这一非专业装备来测量立木树高和胸径的方法。采用三角函数法和图像分析法对立木的树高、胸径测量方法进行研究,构建树高、胸径测量模型,开发了基于Android的测树系统,实现了设备预设、目标距离计算、立木树高以及胸径计算等功能。经实验验证,使用所开发的测树系统对立木树高、胸径进行测量,测量结果的相对误差均在5%以内,可以应用于实际立木树高、胸径的测量。     

考虑数据不确定性的非均匀挖掘算法

针对高维大数据不确定性的非均匀挖掘问题,提出一种基于不确定频繁模式树的模糊逻辑非均匀数据挖掘算法.首先,在考虑数据不确定性的前提下建立高维数据的区域连接演算(RCC)模型,并基于数据集合组元定义分析不确定数据集合的模糊距离;然后,采用不确定模式树对数据的非均匀特性进行均匀泛化处理,并给出了具体的实现步骤.仿真结果表明:文中方法有效地提升不确定非均匀数据集合在不同支持度情况下的挖掘效率.     

基于决策树分类的个性化农产品移动信息服务系统

针对农产品移动信息服务的需求,结合分类算法和个性化推荐算法,提出了一种基于分类的推荐算法.利用决策树分类方法对农产品进行分类,获得分类后的数据,采用协同过滤算法分析分类数据,查找兴趣相似的用户,将感兴趣的农产品信息推荐给正在使用系统的用户.实验结果表明:与传统的推荐方法及相比,该系统向用户推荐了兴趣度更高的农产品移动信息.     

电动汽车锂离子电池管理系统的关键技术

 锂离子电池具有能量密度高、功率密度高、寿命长、环保等特点,已经在电动汽车中获得应用。但电动汽车锂离子电池组的容量大、串并联节数多、安全工作区域有限,需要电池管理系统对其进行有效控制与管理,以充分保证电池的安全性、耐久性和动力性。电池管理系统由各种传感器、执行器、控制器等构成,其关键技术包括:传感器的精度及传感器之间的同步技术、电池单体及电池组的状态(荷电状态、健康状态、功能状态、能量状态、安全状态等)估计技术、电池组一致性辨识与均衡技术、安全充电和故障诊断技术。为了研发先进的电池管理系统,首先要对锂离子电池性能进行测试研究,确定影响其性能的主要因素及变化规律;然后采用基于机理、半经验或经验的建模方法建立电池系统模型,设计基于模型的电池系统状态估计及性能优化管理算法,并进行系统集成和应用开发,以保证在电池安全可靠运行的前提下发挥出最佳的动力性能。     

基于故障树方法的并联机器人失效分析

 用故障树方法,分析了并联机器人失效问题,给出了典型并联机器人的失效级别、失效形式、失效原因和失效后果。采用故障树分析法建立并联机器人故障树,基于概率层面,给出了可能失效的相关定性、定量分析,得出了并联机器人失效的薄弱环节和一般规律,可确保并联机器人在应用中具有高可靠性。     

雷击引发的变压器故障分析

某电厂一次雷击事故,造成两台变压器间隙击穿,其中一台变压器出现故障并出现变压器差动保护快速动作。通过检查现场信息以及分析故障前后的波形相关数据,得出匝间故障是造成本次差动保护动作的原因。通过对故障过程以及保护动作原因进行分析,本文提出了一些建议,对该类问题的分析与解决提供一定的参考。     

航空发动机滑油系统动态故障分析

 为解决航空发动机滑油系统安全性分析中容错与余度备份系统的故障建模与分析,提出了基于动态逻辑门和模块化思想的动态故障树分析方法。针对滑油系统某典型的故障状态,开展动态故障树建模,与传统的静态故障树建模方法进行比较。分析结果表明,使用静态故障树建模得到的滑油系统故障发生频率远远偏离系统真实的故障发生频次(误差将近20 倍);动态故障树建模可以准确描述系统故障的时序关系,且在保证分析效率的前提下精确评估滑油系统的故障发生概率。动态故障树建模方法在航空发动机系统尤其是民用航空发动机系统安全性评估中具有非常广泛的应用前景。     

使用 MiVnt图像分析系统进行树木 年轮细胞特征研究的尝试

以芦芽山白杄(Picea meyeri)的树轮样本作为对象,尝试使用MiVnt图像分析系统观测树轮细胞特征.建立了包含树轮宽度、细胞数目、细胞大小、最大细胞大小、最小细胞大小、早材细胞数目、晚材细胞数目在内的7个树轮年表.结果表明,树轮宽度、细胞数目和早材细胞数目年表具有较高的气候信息质量.晚材细胞数目年表与其余年表之间具有负相关关系,表明细胞特征可以体现与树轮宽度不同的气候信息.除晚材细胞数目年表外,其余年表均与生长季气温呈负相关,与降水呈正相关,体现了土壤干旱对树木生长的限制.晚材细胞数目年表与生长季末期的降水显著负相关,体现了生长季末期气候条件对形成层细胞的影响.本文是研究树木生长与气候因子关系的有益补充.     

基于决策树方法的遥感影像分类

以齐齐哈尔市辖区为研究区域,利用分类回归树（Classification and Regression Tree,CART）算法从训练样本数据集中挖掘分类规则,集成遥感影像的光谱特征、纹理特征和地学辅助数据建立研究区的决策树模型.用实测的GPS样本点对分类结果进行精度验证,并与最大似然监督分类方法（Maximum Likelihood Classification,MLC）进行对比.结果表明,基于CART的决策树分类结果的总精度和Kappa系数分别为82.24％和0.77,分类精度较MLC监督分类方法有明显提高,有较好的分类效果.