基于超静定方程的橡胶材料本构模型参数识别

由于橡胶材料具有非线性和大变形特性,使得描述橡胶力学特性的本构模型参数的确定比较烦琐和困难。为了提高橡胶本构模型参数识别的准确性,基于超静定方程求解原理推导出一种新的识别方法。以某橡胶衬套为例,识别的参数应用于有限元分析,对比试验数据,结果表明该识别方法可以准确识别橡胶材料参数,并且精度相对于最小二乘法有了明显改善,显示了超静定识别法的有效性和可靠性。     

多基线近景摄影测量连续像对相对定向

根据近景摄影测量多基线、大倾角摄影的情况,推导了多基线近景摄影测量连续像对相对定向的公式,提出了以基线分量以及方向余弦为参数的解算方法,从而克服了非线性的共面条件方程式在解算时对摄影位置及姿态的限制.对摄影测量手册中相对定向方法进行了介绍.利用非量测数码相机对实验场地所拍摄的数据进行两种相对定向方法解算,获得了精度较高的结果,验证了两种算法的正确性及稳定性.     

桥梁结构基于高维模型拟合响应面的参数识别

为提高响应面法在桥梁结构参数识别中的计算精度,提出了基于高维模型拟合响应面的参数识别方法.即采用HDMR响应面法拟合结构响应面,并基于该响应面进行结构参数的识别.研究了HDMR响应面的基本构造方法,阐述了在响应面基础上通过有约束最小二乘优化实现参数识别的一般过程.以一座连续梁及一座独塔斜拉桥为算例进行分析,探讨了该方法在结构参数识别中的计算精度及效率.结果表明,相比传统响应面法,该方法在计算精度上具有显著优势.同时也验证了该方法在大型桥梁结构参数识别中的可靠性和适用性.     

基于数据驱动的应变模态参数随机子空间识别法

基于以应变和应变率为状态变量的系统随机状态空间模型,比拟基于数据驱动的位移模态参数随机子空间识别方法,建立基于数据驱动的应变模态参数随机子空间识别方法,用于环境激励下的结构应变模态参数识别,并通过数值算例和实例对识别方法进行验证。数值算例计算结果表明:应变模态参数随机子空间识别法可在各种噪声情况下较好地识别出结构的曲率模态振型,而且识别的曲率模态振型对局部损伤很敏感,具有较强的抗噪能力;实测算例识别的应变模态振型也与理论振型较吻合,从而进一步验证本研究识别方法的实用性。     

基于小数据集的改进LeNet图像分类模型研究

将传统卷积神经网络应用于小数据集上,LeNet模型准确率低并且收敛速度慢,VggNet等模型存在过拟合问题.针对小数据集提出一种改进LeNet模型,该模型在LeNet基础上使用ReLU函数替换sigmoid来提高收敛速度,加入1*1卷积增加模型深度并利用其改变维度的特点来提高识别准确率,通过分解卷积和提出改进Dropout方法减少过拟合.结果表明:改进LeNet模型分类自制小龙虾数据集,比LeNet收敛速度快6000步并且准确率提高约15%,比VggNet和ResNet过拟合程度明显减少;将改进LeNet模型推广应用于开源数据集MNIST和Fashion-MNIST上,改进模型也有良好的表现.     

一种基于天体运动学的星敏感器精度测量方法

星敏感器是目前应用在航天飞行器中精度最高的姿态测量器件,因此其精度的标定显得尤为重要。该文提出了一种基于天体运动学规律的星敏感器精度测量方法,利用地球自转的精密性,将星敏感器与地球固连,对天顶邻域拍摄星图。同时将存储在星敏感器内的导航星表由J2000.0坐标系在考虑恒星自行、岁差、章动及地球自转影响后变换到地固坐标系,经过星点提取、星图识别和姿态解算,得到星敏感器俯仰、偏航和滚转三轴在地固坐标系中的变化,根据统计规律得出星敏感器的指向精度和滚转精度。该测量方法方便易实施,可以避免传统测试方法操作复杂、需要精密转台和星模拟器的困扰,测量精度满足星敏感器要求,具有准确性和真实性。     

一种新的羽毛球拍挥拍轨迹识别方法

为了更加精确地识别羽毛球拍的运动轨迹,提出一种多传感器融合的挥拍轨迹识别方法(TRM,trajectory recognition method).使用放置在球拍拍柄底部的智能设备进行数据采集,该设备由加速度计、陀螺仪和磁力计的多传感器组成.首先,使用加速度计和磁力计对陀螺仪进行修正,改进基于卡尔曼滤波器的四元数姿态解算精度并得到姿态角.其次,使用旋转矩阵去除加速度的重力分量,再对加速度数据进行频域数值积分得到速度和位移,采用最小二乘拟合多项式剔除数值积分过程中产生的累积误差.最后,结合姿态角、速度和位移,识别出挥拍轨迹.实验结果表明,提出的TRM具有良好的有效性.与传统时域积分轨迹识别方法相比,TRM的挥拍轨迹识别率更高.TRM可以更准确地进行羽毛球拍运动轨迹识别.     

基于稳健回归的激光视觉异常值识别

针对激光视觉系统在棒材轮廓测量过程中出现的异常值,提出一种基于稳健局部加权回归与3σ准则的异常值识别法。该方法利用稳健局部加权回归进行数据平滑,通过计算被测数据与平滑数据的残差值,依据3σ准则识别出轮廓异常值。利用该方法对激光视觉测量过程中出现的轮廓孤立异常值进行了判别,并与移动均值识别法进行了对比。实验讨论了不同窗宽下,该方法的异常值识别效果,以其识别多孤立异常值的能力。随后对异常值处理前、后的轮廓数据进行了拟合,并对拟合效果和拟合精度进行了对比分析,分析结果表明,异常值处理后的拟合椭圆更为准确,拟合精度大幅提高。实验证明基于稳健局部加权回归的异常值识别法能有效识别轮廓数据中的异常值,与现有异常值识别法相比,是一种高效、稳健的异常值识别算法,对提高激光轮廓测量精度,实现轮廓尺寸的准确测量具有重要意义。     

基于K-medoids聚类分析的多相流相态辨识方法研究

为提高体积法测量多相流参数的准确性,提出了一种基于K-medoids聚类分析的多相流相态辨识方法研究.分析K-medoids算法,研究多相流相态特征,建立可除掉脏数据影响的K-medoids多相流相态识别模型,有效提高多相流各组分分相流量测量的准确性,并进行了实验验证.实验结果表明,该多相流相态识别模型能克服脏数据,有效提高多相流各组分分相流量测量的准确性,可提高多相流测量精度0.054 m3/d.采用该模型可准确识别多相流相态,提高多相流参数测量的准确性,从而为测井提供可靠的流速和相持率数据.     

基于改进Fisher判别的起步工况驾驶风格研究

以实验采集的起步工况驾驶数据为基础,利用PCA分析筛选出驾驶员在起步工况下的风格特征参数,采用GMM聚类算法对起步工况下的驾驶数据进行分析.以驾驶风格聚类分析结果为基础建立了基于Fisher判别的驾驶风格识别方法模型,运用经典和改进Fisher判别对驾驶风格数据的测试集进行识别.结果表明,改进Fisher判别的识别正确率可达85%以上,证明了改进Fisher判别在处理驾驶风格会影响车辆的多种性能表现时有效,具有较高的准确性.