室内环境下基于图像序列拓扑关系的移动机器人全局定位

针对室内环境结构相似的特点,提出一种基于图像序列拓扑关系的移动机器人全局定位算法.首先,提取图像的Gist描述子,并提出一种局部极值算法,将环境划分成若干组不同的图像序列.然后,使用ESN(echo state network)对每一组图像序列在时间上进行双序训练,提取鲁棒的图像序列特征,再利用空间上的双向匹配策略实现图像序列特征的匹配.最后,采用HMM(hidden Markov model)对图像序列间的拓扑关系进行建模,将移动机器人全局定位问题转化成有向无环图中最长路径求解问题,并通过实验对该图像序列划分和序列建模方法进行验证.与基于单帧图像匹配的算法、SeqSLAM算法以及Fast-SeqSLAM算法相比,该算法在室内走廊环境和办公环境中均可实现100%的定位.特别是在室内办公环境中,机器人仅需要运动0.80 m便可以对自身进行准确定位.实验结果表明,该算法具有较强的鲁棒性、较高的定位准确性和定位效率.     

动车组司机室空调蒸发器气动噪声数值仿真

为研究动车组司机室空调蒸发器的噪声响应，建立某型司机室分体式空调蒸发器的计算流体动力学模型，采用FLUENT中的大涡模拟（large eddy simulation, LES）计算瞬态气动流场。对瞬态流场数据进行傅里叶变换，得到空气流场的频域数据。基于流场频域数据，采用Virtual.Lab的边界元法计算蒸发器的气动噪声，采用声压法计算蒸发器的辐射声功率，并与测试结果进行对比分析。结果表明：蒸发器出口位置气动噪声最高，最大声压级高于56 dB；最大声功率级出现在125~400 Hz的低频段；声功率级随着频率的增加逐渐降低，但在5 000 Hz的高频辐射中声功率级仍然超过55 dB，这表明空调蒸发器气动噪声属于宽频噪声；计算结果与测试结果吻合良好，验证声压法计算空调蒸发器气动声功率可行。     

多次采样平均在长波红外高光谱成像系统中的应用

长波红外高光谱成像系统由于光谱细分导致探测器所接收的目标信号的能量较一般成像系统弱,因此系统噪声对成像效果影响较大。针对这一现象,本文在分析系统噪声成分的基础上,提出采用ADC多次采样平均的方法来降低其噪声,并从理论上推导了该方法的有效性。然后搭建了实验系统,分析计算不同积分时间下,利用多次采样平均技术得到的信号和噪声大小,并计算系统的信噪比和NETD。结果表明,多次(m次)采样平均对系统的信号值几乎无影响,但可以将系统噪声降低至原来的m~(-1/2)倍。因此,该方法可将系统的信噪比提高至原来的m~(1/2)倍,并能有效降低系统的NETD,提高系统灵敏度。该方法为改善长波红外高光谱成像系统成像效果提供了一种方案。