基于智能仓储的AGV道路识别系统

针对AGV在执行路径过程中出现位置错误或偏离道路的情况,课题组提出了一套利用激光雷达探测反光板的道路识别方案。介绍了基于智能仓储拓扑图的反光板布设方式;设计了基于数学几何知识的AGV动态识别位置信息的方案;设计了在不同地图属性条件下基于限幅或PID调节的道路修正的方案,防止AGV行进过程中偏离理想道路。应用结果表明:本设计具有较快的位置信息获取速度和错误位置信息处理能力;运行过程中能够较稳定地行走在规划路径中心位置,在阳光等干扰因素存在条件下依然可以保持优良的鲁棒性。该研究使用反光板能大幅提高激光雷达位置计算速度,在车身存在机械误差条件下,通过修正算法能够保证小车稳定行驶在道路的理想位置。     

音式阶的合理性模识别校对方法

音阶识别方法不能结合乐音的物理和音乐特性,造成乐音处理信号量杂乱无序。针对该问题,通过复音音高确定转录音符集合,引入频谱图、谱平滑性和调和性估计建立HMM模型。分析对比实验结果表明,HMM模型可以完成乐音物理与音乐特性结合,改善乐音处理信号量杂乱无序现象。     

风速时间序列混沌判定方法比较研究

混沌识别是对非线性时间序列进行混沌预测的前提。针对时间序列风速确定性与随机性相结合的复杂非线性特征,研究了不同的混沌识别方法,并对风速时间序列进行混沌特征识别。应用随机噪声、周期运动及经典混沌系统的时间序列对所选方法进行可靠性验证。对美国国家风能研究中心M2测风塔实测时间序列风速数据进行非线性混沌特征识别。结果表明:风速时间序列具有明显的混沌特征;各风速时间序列表现出不同程度的混沌特征;各混沌识别方法对风速时间序列混沌特征的表达形式不同,互为补充,相互验证。     

高泉背斜地层压力测井多参数综合解释与异常高压成因

目前国内外地层压力测井解释方法较多,但大多数方法基于欠压实沉积理论并局限于单一的地层岩性,尤其是针对盆地边缘山前深层构造,单一测井参数确定地层压力误差较大,且无法解释沉积压实机制以外的异常高压。为此,将多种异常高压机制相关的测井参数进行综合解释,建立适合山前复杂构造的地层压力测井多参数计算模型,评价准噶尔盆地南缘高泉背斜高探1井的地层压力剖面,其计算结果与钻井实测数据吻合,相对误差小于3.00%.同时,基于原始沉积加载—卸载过程力学原理,利用地层压力测井多参数分析判别出高泉背斜深层各层系异常高压的形成机制。     

青海省都兰县开荒地区地球化学特征及找矿预测

青海省都兰县开荒地区大地构造位置处于塔柴板块南缘，东昆仑造山带中段，雪峰山—布尔汗布达金、钴、铜成矿带内。为在开荒地区实现找矿突破，于研究区内开展了1∶50 000水系沉积物测量工作，以527件水系沉积物样品数据为基础，采用元素的变异系数、富集系数、浓集比率对Au、Ag、As、Sb、Cu、Pb、Zn、W、Mo 9种元素进行了数理统计分析，分析各元素在空间上的富集规律及其成矿潜力，并结合成矿地质条件对研究区进行了成矿预测。研究表明：Au在研究区内具有较大的成矿潜力，其他元素的成矿潜力较小；通过R型聚类分析及因子分析确立了研究区内与Au成矿有关的元素组合为Au-As-Sb-Pb；运用衬度异常方法在研究区内圈定了2处找矿靶区，KH1靶区与KH2靶区内的Au、As、Sb、Pb异常套合性较好，并且在KH1靶区内发现了白金沟金矿体。由于KH2靶区与KH1靶区内的各元素套合性及成矿地质条件极为相似，故认为KH2靶区也具有较好的找矿潜力。分析结果对于在研究区进一步开展找矿勘探工作及相关成矿预测研究有一定的参考价值。     

因素空间理论下基点分类算法研究

目前，基于因素空间理论的背景基提取算法计算过程复杂，初始化必须依赖各因素极值，基点数量提取冗余等原因，未能在应用中取得很好效果。为此，结合内点判别法和知识可继承、可扩展的思想，提出一种计算简单、初始化独立、基点数量小的改进的背景基提取算法。然后，利用改进的背景基提取算法构造出一种全新的数据分类算法-基点分类算法，基点分类算法以提取每一类样本的背景基为预测模型，再通过新定义的λ-背景基，优化预测模型。数值实验表明:基点分类算法原理简单、构造难度小、分类模型泛化能力强，预测能力准确率高，同时严格的模型限定区域又能为识别新类别提供新方法。     

第二代涡识别方法在混流泵内部流场中的适用性分析

流体机械内部涡的产生会严重影响流体机械的内流场及外性能,速度、压力等传统方式并不能全面揭示流场真实的流动情况,而涡识别方法可以表征混流泵内部涡结构,识别涡的大小、位置和演变规律。采用大涡模拟对混流泵内部流场进行高精度数值模拟,由此获得不同涡识别方法(涡量、螺旋度方法、λ2准则和Q准则)在混流泵内流场中识别出的涡结构。结果表明:与涡量准则法相比,采用第二代涡识别方法更能获得详细的混流泵内部的涡结构。其中,Q准则能剔除绝大部分的剪切层影响,较其他涡识别方法更好地捕捉混流泵内部的涡结构,显示的涡大小更加精确。通过Q准则的识别,提取了混流泵叶轮流道内规则的通道涡,此类型涡结构均匀分布在各个流道,叶片叶顶泄漏涡结构清晰,摆脱了壁面剪切层的干扰;导叶叶片靠近轮毂处同样获取了规则的通道涡,通道涡均匀的分布在各个流道内,叶片尾缘脱落涡摆脱了壁面剪切层的干扰,可以看到清晰的涡结构。Q准则在第二代涡识别方法中脱颖而出,更适用于混流泵内流场的涡识别,在涡结构以及涡大小的显示方面都具有优势,可用于旋转机械内流场的分析。