基于Kraken简正波模型的吊放声纳最佳探测深度研究

分析了浅海中典型的声速剖面类型及发生概率,选取了三种发生概率较高的声速剖面,采用Kraken简正波模型,分别分析了它们对声纳作用距离的影响,并进行了仿真,得到了这三种声速剖面下声纳最佳探测深度,可实现航空吊放声纳下放深度的科学决策.     

基于偏微分方程的户外图像去雾方法

户外图像的雾化往往导致色彩降质和对比度降低,有效的去除图像中天气效果对提高视觉系统的可靠性和鲁棒性具有重要意义。根据大气散射物理模型以及有雾图像的色彩与对比度降质同场景点的景深成指数关系的先验知识,分别建立了户外图像全局去雾和局部去雾的能量最优化模型,推导了相应的求解偏微分方程。利用用户提供的简单附加信息,实现了仅从单幅图像恢复清晰图像的去雾算法。实验结果表明：去雾图像的色彩清晰度和对比度有较大改善,具有很好的应用前景。     

基于图像的直接视觉伺服控制器设计与仿真

对于手眼机器人视觉伺服,考虑机器人的运动学及动力学特性,在物体的深度未知及机器人的基坐标系与物体的坐标系之间的相似变换矩阵未定标的情况下,设计了直接视觉伺服控制器,利用自适应算法对深度及上述相似变换矩阵的参数进行在线估计,实现了基于图像误差的定位控制,在系统的工作空间范围内,闭环系统是渐近可稳定的。该方法不需要物体的几何模型及深度的精确值,仿真结果验证了其有效性。     

一种基于深度学习算法的电网故障诊断方法

电网故障原因复杂,开关和保护的误动、拒动以及信道的信号干扰均会给传统的浅层智能模型带来困难,所以需要从更深入的层面表征电网故障,并对其进行故障诊断。针对这一问题,本文提出一种基于深度学习算法的电网故障诊断方法,该算法利用由Convolution层、Pooling层、Flatten层及MLP层构成的深度网络结构,对电网故障信息进行学习并获得对应的诊断模型。试验表明PGFD-DL算法具有更高的稳定性与精度。     

矿井旋转编码器深度指示器研究

由于传统深度指示器(圆盘式与牌坊式)存在示值精确度低、功能单一、可靠性差等问题,本文提出对新型深度指示器的探究。通过与光电式深度指示器的类型对比,得出旋转编码器在深度指示器中的优势所在,并将该旋转编码器应用于矿井中的深度指示器。通过软硬件设计及实验,证明了该方法的可行性。旋转编码器深度指示器精确度高,具有测量与监控功能,实时监控矿井提升机的位置。通过对提升机位置的精准测量来实时地监测提升容器在井筒中的位置,实现提升机在上提与下放过程中的限位与过卷保护以及对提升机加减速的控制,防止安全隐患的发生,为提升机的安全运行以及设备利用率和安全可靠性的提高奠定基础。     

探讨影响岩心钻探钻进效率的因素

本文主要探讨钻孔深度、起下钻速度、钻头寿命、机械钻速、起钻间隔、打捞岩心速度以及回次长度等因素对岩心钻探钻进效率的影响,旨在通过对这些因素的探讨和分析为提高钻进效率提出一些建议。     

铁碳内电解法深度处理焦化废水的研究

采用铁碳内电解方法对焦化废水进行了深度处理研究,考察了pH值、反应时间、铸铁屑和颗粒活性炭的投加量对反应效果的影响,并通过L（934）正交试验,确定了最佳反应条件。     

橡胶树miRNA探查

橡胶是一种重要的工业原料,橡胶树的种植是热带地区尤其是海南省重要的农业产业之一。miRNA在生物的生长发育及抵御病虫害方面发挥了重要作用,而已公布橡胶树的miRNA仅有32种。通过胶乳miRNA测序的方法对橡胶树miRNA进行系统的探查,共发现已知miRNA 170种,预测新的miRNA 250种,对这些miRNA靶基因进行预测及GO功能富集分析发现,其GO条目主要集中在碳水化合物的合成代谢方面,这提示我们miRNA在胶乳的合成代谢过程中发挥了一定的作用。实验结果将为后续miRNA的进一步研究应用奠定基础。     

基于CWD和残差收缩网络的调制方式识别方法

针对低信噪比时莱斯信道下特征提取准确性难以保证、识别准确率偏低等问题, 提出一种基于Choi-Williams分布(Choi-Williams distribution, CWD)和深度残差收缩网络(deep residual shrinkage network, DRSN)的通信辐射源信号调制方式识别方法。利用CWD将时域复信号转换为二维时频矩阵, 对深度残差网络添加软阈值化得到DRSN, 将时频矩阵样本用于对DRSN的训练, 最终构建不同信噪比下的调制方式识别网络。仿真实验表明, 基于RadioML2016.10a数据集, 利用部分先验信息的情况下, 该分类识别方法具有较高的识别准确率和噪声鲁棒性。在0 dB时, 对11类信号的总体识别准确率达到了89.95%;在2 dB以上时, 总体识别准确率均超过91%, 优于其他深度学习识别方法。     

遥感图像配准中的群智汇聚方法

遥感图像配准是遥感图像处理的一个重要的环节,在智能化遥感信息处理领域具有重要的研究意义和应用价值.本文主要对群智能在遥感图像配准中的应用进行了综述,并对进化算法和深度学习在遥感图像中的应用进行了介绍.首先介绍了遥感图像配准中常用的原理和优点.然后,对群智能算法在遥感图像配准中的应用进行了详细的介绍和总结,紧接着对进化算法在遥感图像配准中的应用进行详细介绍,其次对深度学习在遥感图像配准中的应用进行归纳,并且就遥感图像配准目前存在的难点以及深度学习在解决这些难点时所存在的优势进行了详细的讨论.最后,针对遥感图像配准中存在的关键问题进行了讨论与展望.