基于计算机视觉的人体运动目标检测

基于计算机视觉的人体运动目标检测是计算机视觉领域中倍受关注的前沿课题。本文采用小波变换的方法,有效地处理了普通CCD摄像机所采集的人体运动图像的模糊,同时,去除了阴影对图像处理的负面影响,较好地提取出基于标志点的人体运动图像的边缘,为人体步态分析系统的研发提出了一个切实可行的方法。     

基于解耦子波和优化神经网络的大坝变形预测

针对提高神经网络对大坝变形的预测能力,在对Murtagh提出的、小波与神经网络相结合的、用于复杂时间序列预测的“三阶段”策略进行改进的基础上,发展了一个解耦子波和优化神经网络优势联合的预测模型。首先,利用冗余Haar小波变换的拟小波包特性提出了基于能量谱主峰重构的动力解耦空间构建技术,并将其替代“三阶段”策略中的第1阶段,从而为神经网络的应用创建了良好的平台;再者,利用最优脑外科医生进行网络结构修剪,建立了神经网络自身优化的“优化–时新窗”技术,并将其替代“三阶段”策略中的第2阶段,从而优化了神经网络的内部环境。改进后的模型增强了对复杂动力系统的适应和处理能力。在大坝变形预测应用中,多个评价指标说明,该模型的性能比“三阶段”策略有显著提高。     

考虑二阶效应高层建筑结构地震反应分析

高层建筑结构计算分析中,若结构的轴向力较大而侧向刚度较小时,P-Δ效应不可忽视;针对高层建筑结构的二阶分析,建立了考虑P-Δ二阶效应的结构动力学基本方程;并采用小波包分解,将地震输入能量分解到不同频段上,分析了不同频段范围内结构的反应以及能量的分布。并采用文中的方法对一结构进行了分析,揭示了结构地震反应能量在时频域上的分布特性。     

LPG储灌厂改为天然气储配站的探讨

结合石家庄市LPG储灌厂改为天然气门站及储配站的工程,从原LPG储灌厂的地理位置、改造后现有设施的可利用性、改造后是否影响城市LPG供应、球罐改造利用的可行性及可操作性等方面论述了LPG储灌厂改造为天然气门站及储配站的可行性,阐述了改造方案.     

混凝土声学参数与应力相关性的试验研究

对不同材料组分的12组48个混凝土试件进行不同荷载条件下的超声波测试，研究了混凝土应力与声速、首波振幅、最大振幅等声学参数的相关性。同时，利用傅罩叶变换和小波变换对测试信号进行处理，分析了主频、主频幅值、谱面积以及加权波谱参数等与应力的相关关系，得到了混凝十声学参数同应力的相关性。研究表明：主频与应力不敏感；声速与应力有一定的敏感性，稳定性较好；声幅能反映混凝土内部应力的变化，但稳定性较差：加权谱面积同应力有较好的敏感件和稳定性。是超声脉冲能量的综合反映。     

小波变换在结构损伤检测中的应用

小波变换具有良好的时频局部化性质,特别适合于分析和处理突变信号。在获得结构的动力学响应的基础上,应用小波变换对结构响应信号进行小波分解。根据各种响应信号对损伤的灵敏度,选择损伤特征,通过捕捉结构出现损伤的时刻,实现对结构时间监控。     

大型同步电机启动的节能改造方案

对同步电机启动、加速、励磁模式切换等工作过程中变频器的应用进行了论述，介绍了电网改造的经济方案，提出了变频器在使用时的注意事项，达到既要节能又要省费用的电网改造效果。     

岩石超声波信号的小波时频分析

岩石超声波信号是一种非平稳信号.由于传统的短时Fourier变换(STFT)使用的窗函数固定,分辨率单一,其分析结果只能大致反映信号能量随时间的变化.小波变换(WT)以小波基为变换基础,具有多分辨率特点,其分析结果较详细地反映了质点震动强度随时间的衰减起伏变化.分析认为小波变换是一种更优越的处理岩石声学信号的时频方法.     

基于小波变换的结构损伤识别与试验分析

钢筋混凝土结构在中等以上地震作用下将产生损伤,结构动力特性随之变化。通过对结构微幅振动信号的Fourier分析,可以判断结构是否产生损伤,但是不能确定损伤位置。本文将结构振动信号置于不同频段进行时-频分析,利用小波变换的多分辨率特点对结构损伤进行在线检测,确定损伤位置。通过钢筋混凝土框架的振动台试验,将模型地震反应信号按不同频段分解,提取各频段的损伤信号特征。对于试件模型而言,如果某处出现开裂,即产生损伤,表现在响应信号上为一瞬态分量,通过信号小波变换的尺度函数可以判断结构某层是否损伤。该方法克服了Fourier变换不能反映结构振动信号局部特性的缺点,试验表明本文所采用的方法是可行的。     

岩石声发射信号能量的小波包分析

信号处理是研究岩石声发射技术的关键。岩石声发射信号具有瞬态性和多样性的特点,属于典型的非平稳信号,传统的快速傅立叶变换不适于处理这类信号。本文根据岩石声发射信号的特点,引入小波包分析方法对岩石声发射信号的能量分布特征进行了研究。首先,简略介绍了小波变换与小波包分析的特点;其次,对声发射信号进行了小波包分解和重构,计算出不同频带声发射信号能量,得到了信号在不同频带上的能量分布图;最后,总结了声发射信号的频带能量的分布特征。