强风作用下树木运动的可视化模拟

树枝摆动和树枝断裂是常见的自然现象之一,为了快速真实地模拟这种自然现象,提出了一套模型和方法.首先分析强风作用下树叶脱落和树枝断裂现象发生的机理条件以及树叶下落后和树枝发生断裂后的受力,建立了树叶下落以及断枝的运动模型;然后针对树叶脱落以及树枝断裂后下落过程中的碰撞问题,提出简单高效的碰撞检测算法;最后在此基础上设计了...     

基于视觉计算的胶带运输机跑偏监测

针对井下胶带运输机胶带跑偏的现象,提出了一种基于视觉计算的监测方法。首先对井下复杂环境下的视频图像进行图像滤波和边缘增强;然后采用Canny算子进行边缘检测,得到视频图像的边缘二值图像;其次根据胶带边缘直线特征采用Hough变换检测胶带的边缘,并设置感兴趣区域,这加快了图像的处理速度和可靠性;再次对胶带边缘直线的断裂现象,采用最小二乘拟合将断裂的直线段合并成一条完整的直线;最后根据拟合到的直线斜率值和直线与图像坐标系中x轴的交点值监测胶带的跑偏。     

基于CEEMD_GRU模型的矿井涌水量预测

为了提高矿井涌水量的预测精度,提出基于互补集合经验模态分解(complementary ensemble empirical mode decomposition,CEEMD)与门控循环单元(gated recurrent unit,GRU)相结合的矿井涌水量预测模型(CEEMD_GRU).首先,通过CEEMD算法将一维涌水量数据分解为多个本征模态函数(intrinsic mode function,IMF)分量和一个残差余量,本征模态函数分量反映涌水量数据在不同时间尺度的波动特征,残差余量反映数据长期变化的趋势特征;然后,针对各分量分别建立GRU神经网络模型,将对一维数据的研究转换为对其分解后多维子分量的研究,训练学习各分量的时序变化规律并进行预测;最后,将预测结果融合得到最终涌水量预测值.将CEEMD_GRU与反向传播(back propagation,BP)、支持向量机(support vector machine,SVM)、GRU神经网络进行了对比实验,结果表明,基于CEEMD_GRU的均方根误差平均降低了60.8％,该研究为进一步提高矿井涌水量预测精度提供了思路.     

计量站井式优选的研究

讨论了规则井网条件下油田集输系统计量站并式优选问题，提出了计量钻井式优选的理论和方法。该方法对于油气集输系统的优化设计有参考价值。     

用贝克法计算混输管路压降的程序

本文用曲线族法求出了贝克流型图中的流型分界线方程，编制了用贝克法计算混输管路压降的程序，并通过实例计算取得了较好的效果。     

激光快速成型中激光扫描路径的快速生成算法

在立体光固化（ＳＬ）快速成型中，零件是靠激光逐层扫描光敏树脂固化成型的，在由点到线、由线到面、由二维到三维的逐层累积过程中，扫描器要做大量的扫描，因而合理的扫描路径对提高成型效率无疑有重要意义；另外合理的扫描路径还能改善扫描器的工作状态，明显提高扫描器的使用寿命，本文提出了一种简捷有效的扫描路径生成算法，成功地于开发的快速成型机中。     

基于Monte-Carlo迭代求解策略的局部社区发现算法

针对现有的局部社区发现算法因采用贪心策略进行社区扩张而导致的过早收敛和查全率低的问题,提出一种基于Monte-Carlo迭代求解策略的局部社区发现算法。首先,在每轮迭代的社区扩张阶段,根据节点对社区紧密度增益的贡献比例为所有邻接候选节点赋予选择概率,并结合此概率,再随机选择一个节点加入社区。然后,为避免随机选择导致扩张方向偏离目标社区,根据社区质量变化情况判断本轮迭代中是否触发节点淘汰机制。若触发,计算各个已加入社区节点与社区内其他节点的相似度和,根据相似度和的倒数赋予淘汰概率,并结合此概率,再随机淘汰一个节点。最后,在给定数量的最近迭代轮次中,根据社区规模是否增加判断是否继续迭代。在三个真实的网络数据集上进行实验,相较于局部紧密度扩展（LTE）算法、Clauset算法、加权共同邻居节点（CNWNN）算法和模糊相似关系（FSR）算法,所提算法的局部社区发现结果的F-score值分别提升了32.75、17.31、20.66和25.51个百分点,且能够有效避免查询节点在社区中所处位置对局部社区发现结果的影响。     

基于协同表示的步态识别

将基于稀疏表示的分类算法应用于步态识别中,会遇到小样本及计算耗时的问题。针对这一问题,提出一种基于协同表示的步态识别方法。该方法首先通过背景重建、目标提取等处理获得人体侧影轮廓,根据步态轮廓的宽度变化统计步态周期,得到步态能量图GEI;其次,以GEI为基础对测试样本进行协同表示;最后,通过最小重构误差进行识别。实验结果表明,该方法具有较好的识别性能,并且识别时间明显降低。     

基于网格运动统计算法和最佳缝合线的密集重复结构图像快速拼接方法

针对常用的图像拼接算法对具有密集重复结构的图像会产生大量误匹配点从而出现明显鬼影且耗时较长的问题,将网格运动统计（GMS）算法与最佳缝合线算法相结合,提出了一种密集重复结构的图像快速拼接方法。首先,在图像的重叠区域提取大量粗匹配点;接着,采用GMS算法进行精匹配,然后在此基础上估计变换模型;最后,采用基于动态规划思想的最佳缝合线算法完成图像拼接。实验结果表明,将所提算法应用于两组具有密集重复结构的图像上,不仅可以有效消除鬼影,得到理想的拼接效果,而且显著减少了拼接时间;平均拼接速度分别是传统尺度不变特征变换（SIFT）和加速稳健特征（SURF）算法的7.4倍和3.2倍,分别是结合区域分块的SIFT算法和SURF算法的4.1倍和1.4倍。所提算法能够有效地消除密集重复结构拼接时的鬼影,同时缩短了拼接时间。     

针对合成孔径雷达图像的新型LOG 边缘检测算法

传统LOG 边缘检测算法对合成孔径雷达图像进行边缘检测时,对噪声敏感,同时也 易损坏部分低强度边缘。针对这一问题,提出了一种新型的LOG 边缘检测算法,首先采用双边滤 波和自适应中值滤波来代替传统LOG 算子中的高斯滤波,再计算平滑后图像的拉普拉斯,最后提 取运算后的零交叉点作为图像的边缘。仿真实验表明,本文方法在脉冲噪声环境下具有显著的去噪 效果,而且能较好地保护边缘,提高了检测精度,相对传统LOG 算法具有更好地检测效果。