自适应卡尔曼滤波算法在压裂作业中的应用

针对采用传统卡尔曼滤波器对压裂作业中压力进行滤波时,难以获得准确数学模型和噪声统计特性而导致滤波效果较差的问题,提出了一种基于拟合优度确定系数的自适应卡尔曼滤波算法(R~2-AKF)。该算法将测量数据的预测值作为回归曲线拟合值,通过计算测量数据的预测值与实际采集值的拟合优度确定系数R~2来确定过程噪声协方差矩阵Q的修正系数α,得到具有过程噪声协方差调整的自适应卡尔曼滤波算法,通过压裂作业现场试验验证了其有效性。试验结果表明:自适应卡尔曼滤波算法能保证系统的滤波精度,具有较强的实时性,是一种简单、有效的实时滤波算法,具有一定的工程指导意义和推广价值。研究结果可以为压裂作业中压力数据采集和分析提供技术参考。     

运输机皮带撕裂原因分析及特征实验研究

带式运输机是重要的连续性运输设备，皮带撕裂是造成带式运输机运输失效的重要因素。详细分析了引起皮带撕裂的常见原因，并给出了合理的预防措施。针对皮带撕裂现象构建皮带撕裂实验平台，并通过皮带受力应变实验分析掌握了皮带撕裂的特征，为预防皮带撕裂的发生提供了一定的理论依据。     

基于ANSYS的非晶合金变压器铁心磁场的噪声研究

为了研究非晶合金变压器由于磁场分布而引起的噪声,应用ANSYS对非晶合金变压器铁心磁场进行三维有限元仿真。通过对不倒角和倒角两种模型进行对比分析,得到三维磁场分布的相关信息,并深入阐述了两种模型的差异。结果表明,倒角后模型的磁密分布得到了改善,有助于降低变压器的噪声,广泛运用于非晶合金变压器的生产中,磁场仿真结果与实际相符。仿真分析表明,有限元分析法有助于分析变压器铁心磁场噪声分布问题,从而给设计人员提供了更精确的设计依据。     

基于云概率密度分布估计的大坝监测数据分析

大坝运行监测易受自然环境和监测条件影响，存在时间和空间上的变异性，监测数据具有不确定性。以云理论的随机性和不确定性分析方法为基础，并与空间数据辐射思想相结合，建立了云滴概率密度分布估计模型，然后导出云概率密度分布函数，依据样本监测数据推求母体空间数据的分布特征，并设计了基于逆向云算法云变换的计算程序。分析陆浑水库1979~1999年测压管监测数据和位移变形数据的云概率密度分布特征和云数字特征，得出了20 a来大坝的数据分布特征和运行状态。监测数据分析结果表明，云概率密度分布估计不仅能有效合理地分析大坝的运行状态，而且能够依据云数字特征来判断监测状态和监测环境的异常变化。      

基于特征融合的中文简历解析方法研究

针对基于规则和统计的传统中文简历解析方法效率低、成本高、泛化能力差的缺点，提出一种基于特征融合的中文简历解析方法，即级联Word2Vec生成的词向量和用BLSTM（Bidirectional Long Short-Term Memory）建模字序列生成的词向量，然后再结合BLSTM和CRF（Conditional Random Fields）对中文简历进行解析（BLSTM-CRF）。为了提高中文简历解析的效率，级联包含字序列信息的词向量和用Word2Vec生成的词向量，融合成一个新的词向量表示；再由BLSTM强大的学习能力融合词的上下文信息，输出所有可能标签序列的分值给CRF层；再由CRF引入标签之间约束关系求解最优序列。利用梯度下降算法训练神经网络，使用预先训练的词向量和Dropout优化神经网络，最终完成对中文简历的解析工作。实验结果表明，所提的特征融合方法优于传统的简历解析方法。     

福建平和深坑饰面石材(沉凝灰岩)矿地质特征及成矿规律研究

福建平和深坑饰面石材矿赋存于早白垩世黄坑组上段中,沉凝灰岩矿体呈层状分布,其矿石颜色、装饰性能、物理力学性能及荒料率等各项指标满足开采技术要求;矿床主要控矿因素有地层、岩浆岩及变质作用。     

一种高动态双模抗干扰接收机设计方法

针对抗干扰多阵元前端低功耗制约抗干扰能力的问题,为了减小功耗的同时提升抗干扰能力,提出一种新颖的BDII/GPS双通道4阵元抗干扰接收前端,在低噪声放大器中实现了一种三端口的双通带电路,具有小于0.1 dB的插损以及30 dB以上的隔离度。采用了一种频率流程设计方法,结合仿真选取频率从而减小了机内的组合干扰,同时简化了中频滤波器的种类;采用了无源混频与中频放大的下变频方案,提高通道线性度(IIP3)的同时降低功耗、优化通道噪声系数(NF),研究了采样钟fclk远端相位噪声折叠的效应,设计了一种窄带相位噪声滤波器,提高了中频采样的信噪比。该接收机包含一种形式简单的电源及晶振切换电路。测试结果表明,接收机同时实现了42 dB固定增益,4.37 W低功耗,超过29 dBm的OIP3线性度以及优于80 dB的抗三干扰能力。     

基于颜色四通道及空间金字塔的鱼类图像检索

随着计算机视觉技术在海洋水产领域中的应用不断加深，鱼类图像检索在渔业资源调查、鱼类行为学分析等方面发挥了巨大的作用。通过研究发现，鱼类图像的背景信息会对鱼类图像检索造成极大干扰，而且鱼类图像中颜色、纹理、形状等特征由于空间位置信息的缺乏而使检索的准确率不高。为解决以上问题，提出了一种新的基于颜色四通道及空间金字塔的鱼类图像检索算法。首先，提取视觉显著性图将鱼类图像的前景和背景分开，从而减少图像背景对检索的干扰；其次，为了使图像特征包含一定的空间位置信息，利用空间金字塔的理论对图像进行分割，在此基础上，将图像转为HSVG四通道图并提取SURF特征；；最后，得到检索结果。为验证所提算法的有效性，在QUT_fish_data数据集和DLOU_fish_data数据集上对算法的查全率、查准率与经典的HSVG算法和显著性分块算法进行对比：在两个数据集上查准率分别比传统的HSVG算法最多分别提高12%和5%，查全率最多分别提高7%和22%；比传统的显著性分块算法查准率最多分别提高15%和5%，查全率最多分别提高36%和22%；从而证明所提算法是有效的，能有效提升鱼类图像的检索效果。