基于双目视觉的三维重建技术研究

随着计算机运算速度的提高以及图像采集设备的更新换代,人们越来越不满足于传统三维测量方式,非接触式测量技术蓬勃发展,成为国内外学者研究的热点,双目三维重建是研究重点之一。本文首先介绍了基于双目视觉的三维重建技术,然后在MATLAB和OpenCV实验平台上,采用经典立体匹配算法即AD-Census算法对花瓶进行三维重建。     

基于改进K-means算法的工件表面缺陷分割算法研究

工件表面缺陷的存在影响工件产品的质量以及工件的安全使用,传统的工件表面缺陷检测由人工完成,工作量大且易受到检测人员主观因素的影响,很难保证检测的效率与精度.本文提出了一种基于改进的K-means算法的工件表面缺陷分割算法,将自适应人类学习优化算法应用到K-means聚类算法中,使自适应人类学习优化算法初始化K-means聚类算法的聚类中心,最后将改进的K-means聚类算法结合形态学进行工件表面缺陷的检测.实验表明,该算法能够较理想的分割出工件表面的缺陷,具有分割精度高、实用价值较好的特性.     

考虑订单可得时间和客户时间窗的电商末端配送路径问题

针对考虑订单可得时间和客户时间窗的电商末端配送路径问题，考虑配送特点（订单可得时间）、客户的时间需求（时间窗）和客户分布分散等特点，以最小化配送总里程为目标，构建了基础数学模型，并通过分析问题特征对模型改进，从而构建了改进数学模型。在此基础上，提出两种有效不等式，并设计了基于分离两种有效不等式的改进分支切割精确算法对模型进行求解。最后，通过测试多组算例，不仅对两种数学模型进行了比较，而且分析了不等式对算法性能的影响；通过与CPLEX默认的分支切割算法对比，验证了改进的分支切割算法的优越性。结果表明：对小规模的实际算例，采用改进的分支切割算法可以在极短的时间内得到最优解，具有很好的实用效果；对规模较大的算例，采用改进的分支切割算法得到的最优解可以对智能算法性能进行评价。     

分布式声传感器井中背景噪声统计特性分析

分布式声传感器技术(DAS: Distributed Acoustic Sensor)是一种新近提出的高精度勘探数据采集方法,受制于复杂背景噪声的影响,DAS记录处理水平有待进一步提高.针对上述问题,采用基于替代序列的时间序列平稳性检验方法和Lilliefors检验法对DAS记录中复杂背景噪声的平稳性和高斯性进行研究.用以分析的实际地震数据是按照勘探工业要求采集的井中DAS记录.研究结果表明,DAS背景噪声是非平稳、非高斯随机过程且噪声特性随记录时长发生变化.相关研究成果实现了针对DAS背景噪声特性的可靠认知,对提高DAS记录处理水平具有重要参考价值.     

基于地形遮蔽的自旋弹测高雷达回波建模与仿真

为解决导弹自旋运动模型复杂、建模计算量大的问题, 建立了一种新的导弹自旋运动模型。在该运动模型的基础上, 考虑了地形起伏对弹载测高雷达回波遮挡的影响, 利用仿真地形, 采用地形遮蔽算法, 建立地形遮挡下的雷达回波模型, 仿真得到不同高度下的雷达回波图和频谱图。通过对回波的分析、得到在高度为10 km, 雷达斜照射角度超过65.3°时, 地形起伏对于雷达回波有显著遮蔽影响雷达回波发生频谱搬移等若干结论。该结论与实际情况一致, 验证了模型的准确性, 为后续弹载测高雷达回波模拟提供一定的理论支撑。     

基于k-medoids聚类算法的低压台区线损异常识别方法

针对低压台区线损异常情况的判断问题,以电力公司用电信息采集系统采集的日线损率数据为基础,提出了一种基于k-medoids聚类算法的低压台区线损异常识别方法,并以某地区819个台区为例进行算法可靠性的验证.首先应用局部异常因子LOF算法对低压台区异常日线损率数据进行判断、筛选和剔除;其次应用k-medoids聚类算法对日线损率数据进行聚类分析,得到低压台区日线损率数据的聚类中心点和欧氏距离,从而实现低压台区线损异常情况的判断;最后通过819个低压台区的实际数据验证算法的合理性.结果表明,算法能够对低压台区线损的异常情况做出准确的判断.     

行业特色型高校专业设置与区域企业人才需求的双边匹配研究

为帮助行业特色型高校做好专业优化调整工作,提出了基于0-1背包策略改进离散粒子群算法的专业设置与企业人才需求双边匹配优化模型.为验证方法的可行性,选取矿冶特色鲜明的行业特色型高校——南方某高校为例进行分析.研究表明:该校专业设置和人才需求匹配度排名前5位的专业分别为采矿工程、化学工程与工艺、电气工程及其自动化、材料化学和安全工程;匹配度排名后3位的专业分别为生物工程、人工智能和城乡规划;同一个专业能够与产业链上不同类型的企业匹配;有交叉学科背景的专业匹配度相对较高.为推进行业特色型高校高质量发展,在专业设置上应综合考虑区域优势产业链横向与纵向的人才需求特点,以区域、行业、职业发展变化为专业发展导向,着力打造对区域最具贡献度的专业.     

自动驾驶汽车车底边框的优化算法

为了对通过YOLO框架所提取出的汽车底边框进行优化,首先对于道路上的每一辆汽车底部部分像素块建立改进后的高斯混合模型,通过该模型来刻画道路灰度值以及车底阴影灰度值的正态分布规律,然后通过对每辆检测到的汽车进行自上而下的扫描算法以确定汽车边框的实际高度,最后通过进行路测实验来说明算法的可行性与准确性.     

基于多阶段退化建模的谐波减速器实时可靠性评估与寿命预测

谐波减速器是工业机器人的关键核心部件,其可靠性的实时评估和剩余寿命预测对于提升工业机器人的工作性能和健康监管具有重要意义.作为一种复杂的高精度机械部件,其退化过程表现出明显的多阶段性特点.因此,针对谐波减速器的退化特性,提出基于Gamma过程的多阶段退化模型对谐波减速器性能退化过程进行精确描述.首先,根据谐波减速器退化趋势的变化,进行多阶段退化过程的划分;然后采用历史性能指标数据,基于最大皮尔逊相关系数准则估计模型先验分布的超参数,建立基于Gamma过程的多阶段退化模型.在此基础上,针对在役设备的实际运行特点和工程现场中性能指标数据获取困难的问题,提出采用振动特征来建立高斯过程回归模型,对性能指标值进行精准预测以实现对退化模型后验分布参数的实时更新.最后在此基础上对谐波减速器进行实时可靠性评估和剩余寿命预测.通过对谐波减速器可靠性实验数据的分析表明,所提出的方法能够实现可靠性的实时评估,并且与单一阶段退化模型相比,该方法对剩余寿命的预测精度更高.