基于图像和回波数据的多接收元SAS运动补偿方法

多接收元合成孔径声纳(SAS)可以提高声纳的测绘率,侧摆和偏航是影响多接收元SAS成像质量的关键因素.在深入研究收发合置SAS的基于回波数据估计运动误差算法的基础上,提出了一种估计多接收元SAS运动误差的方法.该算法允许声纳以满足空间采样理论的最大速度运行,利用每个脉冲回波数据的成像估计偏航,然后利用相邻脉冲回波数据的相关性估计侧摆.提出了一种既减少计算量又精确估计时延的方法.仿真结果表明新算法有效地估计出了侧摆和偏航,提高了成像质量.     

基于构造物特征点的矢量数据化简算法

在进行公路矢量数据化简时,采用已有算法,一些构造物可能会在转换低比例尺时被不正确地化简掉,影响应用的正确性.提出了一种基于构造物特征点的二级矢量数据化简算法,根据空间位置提取高速公路中的构造物点,进行一级化简,构成构造物特征点,以每个特征点作为分割点,将整个曲线划分为若干子曲线,在每个子曲线中采用Douglas-Peucker算法进行二级化简,最后进行子曲线合并,并设计了一种多比例尺矢量数据组织的构建方法.实验表明该数据化简算法能够有效化简数据,并且保存完整的构造物特征点,选取的多级比例尺能够满足应用的需求.     

第一类Dirichlet边界下空间四阶时间多项变阶分数阶慢扩散方程初边值问题的差分方法

研究求解第一类Dirichlet边界条件下空间四阶时间多项变阶分数阶慢扩散方程的差分方法.首先,应用降阶法将原方程转换为等价的低阶方程组.然后在特殊点处考虑此方程组,并对所得方程两端同时作用平均值算子.通过巧妙定义平均值算子,对边界条件进行处理,使所得差分格式全局上达到收敛阶O(τ2+h4),其中τ和h分别是时间步长和...     

基于最小生成树和图像矩的陶瓷过滤器表面缺陷检测

针对人工检测陶瓷过滤器堵孔、裂缝缺陷效率低、误检率高的问题,提出一种基于最小生成树和图像矩的缺陷检测算法;对输入缺陷图像进行灰度化和去除噪声处理,利用阈值分割方法对图像进行二值化,根据陶瓷过滤器表面孔洞空间分布及面积变化,利用滑动窗口遍历图像,结合最小生成树与图像占空比检测堵孔缺陷;根据过滤器裂缝的灰度和形状特征,采用基于图像矩的等价椭圆的方法检测裂缝缺陷。结果表明,所提出的算法能够有效地检测出陶瓷过滤器堵孔、裂缝缺陷,自建数据集的检测准确率达到95%以上。     

基于MOPSO的石墨烯/磁性粒子混合填充多层吸波材料优化设计

本文研究了基于多目标粒子群算法(MOPSO)的石墨烯/磁性粒子混合填充多层吸波材料的优化设计.首先,基于电磁场理论推导了多层吸波材料的反射系数,并定义了兼顾宽频带、宽角度和极化无关特性的吸波性能以及磁性粒子填充量这两个相互矛盾的子目标的表达式.进而,以石墨烯纳米片(GNS)/片状羰基铁颗粒(FCI)混合填充吸波材料为例...     

基于聚类的多样本复发拷贝数变异检测算法

拷贝数变异是人类基因组中一种重要的结构变异类型.不同样本中相同区域出现的拷贝数变异称作复发拷贝数变异.研究表明,复发拷贝数变异与人类复杂疾病紧密关联.提出一种基于聚类思想的多样本复发拷贝数变异的检测算法,该算法首先提取两种与复发拷贝数变异密切相关的特征:即多样本中每个位点的拷贝数变异比率和拷贝数变异幅度均值,然后利用聚...     

基于熵权-TOPSIS的多能互补联供系统优化配置研究

基于农村居民用能需求,研究生物质能、太阳能及空气能互补的分布式供能系统的最优容量配置．选取环境、能耗与经济三方面评价指标最大值为多目标优化函数,内燃机、厌氧发酵罐、光伏系统和空气源热泵的容量为决策变量,采用改进的多目标遗传算法(NSGA-Ⅱ),利用熵权-优劣解距离(TOPSIS)法求解系统最佳容量配置．多目标优化结果表明,随着种群数和繁衍次数的增多,结果越具有优势;当环境、热力和经济权重取值相同时,最优配置方案下系统的综合性能指标由优化前48.4%增至优化后53.0%,二氧化碳减排率由103.25%增至108.43%,一次能源节约率由12.74%增至32.79%,费用年值节省率由29.34%减至17.89%.     

增材制造中填充方式研究综述

对增材制造(3D打印)模型数据处理中分层线框轮廓的填充方式进行综述．针对不同的适用场景,将常用的3D打印工艺按照填充方式分为按路径连续填充和按需式阵列填充,对这两类填充方式进行了分析和对比．按路径连续填充的路径规划方法主要包括平行线填充路径、轮廓偏置填充路径和混合填充路径,按需式阵列填充的算法主要包括扫描线填充算法、边界标志填充算法、种子填充算法和扫描线种子填充算法．同时针对前沿的3D打印中的填充方法,结合具体实例阐述了多自由度的空间填充方法、多方法集成的填充方法和非均质零件的填充方法,并指出了3D打印填充方法的改进方向．     

基于DQN的机场地服人员动态排班研究

针对在繁忙机场的地面服务人员动态排班问题,提出一种基于深度Q网络(DQN)的排班方法．首先以最大化任务执行率和最小化员工工作时间作为目标,建立了优化模型;然后根据目标提出了两种不同的排班方法,进而采用DQN算法,根据生成的航班动态数据,提取6个状态特征作为网络的输入,并拟定合适的奖励机制,使得训练后的模型能够动态地选择最好的分配方法,最终对模型进行求解．将该方法应用在连续7 d的实际排班中,实验结果表明：与人工排班结果相比,该方法平均每天的任务完成数增加了0.43个,员工的总工作时长减少了53 min,DQN的排班结果具有明显优势,提高了机场地面服务的工作效率．