基于最小偏移距初至切除线监控炮点偏移新方法

复杂地表往往使地震采集过程中控制炮点偏移的难度加大,面对地形复杂、近地表速度横向剧烈变化的黄土塬区,问题尤为突出。面对此类复杂探区,使用常规的线性动校方法监控炮点偏移无论是效果,还是效率都不太理想,找到一种有效的炮偏监控方法对于野外地震资料采集质量的提高至关重要。为此,本文介绍一种基于分选最小偏移距初至切除线来监控炮点偏移的方法,该方法对复杂地表结构效果尤为显著。使用该方法首先根据估算出的工区可能最大偏移量来抽取适当数量的近接收线和道记录,在处理系统交互状态下,对比抽取记录的实际炮点位置与基于最小偏移距初至切除线显示的理论炮点位置来确定偏移量的大小。实际应用效果表明,该方法可以精确地检测炮点沿偏(沿接收线方向的偏移)和垂偏(垂直接收线方向的偏移)距离,有效提高野外地震资料采集的质量。     

基于IEC 61850标准的水电厂监控系统信息建模

文中首先简单介绍了IEC 61850标准及其发展现状,分析了其在智能水电站的应用,随后阐述了IEC 61850标准建模技术及模型层次结构,并结合H9000监控系统接入白山电厂智能一体化平台的实际工程,着重介绍了基于IEC 61850标准构建H9000监控系统信息模型的建模技术和主要流程.最后,介绍了该信息模型接入白山电厂智能一体化平台的现场IEC 61850标准通信调试及运行情况.     

基于WAP技术的手机教务信息查询系统设计与实现

随着移动通信技术的迅速发展,WAP作为一种成熟、便捷的上网方式,成为了Internet有线网络的重要补充.以WAP技术为基础,利用Visual Studio提供的移动窗体开发组件,完成了基于WAP的手机教务信息查询系统的设计与实现.对开发过程中所遇到的多数据源问题、移动页面开发、设备的识别与页面呈现、无Cookie环境下Session Mode的处理、MIME类型注册等问题进行了重点阐述.     

ATmega128L微处理器用于消防应急电源控制器

应急电源是应用IGBT逆变技术,以CPU控制,采用高电子集成整体模块化结构的强弱电一体化系统。近年来,EPS蓄电池作为应急电源被广泛应用,尤其是用作消防应急电源。消防应急电源系统主要包括:系统控制器、充电器、逆变器、蓄电池组和互投装置等部分,系统控制器是消防应急电源的控制核心。本文将介绍一种用新型微处理器ATmega128L作为核心芯片的系统控制器的设计与实现。系统的主要功能与设计1.系统的主要功能1)显示功能输入和输出电压、输出电流、主电和应急工作状态、蓄电池组及各单节蓄电池电压、充电状态。2)保护功能即在电源输出回路…     

一种基于模糊PD控制的新型中压软起动器

根据对电动机起动特性的分析及常规PID控制和模糊控制理论的比较,提出了基于模糊PD控制的中压电动机软起动设计方法,通过检测输入电流,在中压电动机起动不同阶段分别采用模糊控制和PD控制,以达到最佳的起动效果.     

导弹模拟件水下动态特性试验研究

导弹水下发射时，附连水质量对结构系统的动态特性具有不同程度的影响，基于流固耦合以及模态理论，分析了流体介质环境对结构系统动态特性的影响表现为结构系统模态质量的变化，在此基础上利用实际导弹缩比模型，分别在空气和水两种介质环境中进行了振动模态试验，时域模态分析结果定量地给出了附连水质量对导弹结构系统模态特性的影响关系，附连水质量引起的结构模态质量的增加对导弹模型结构低阶弯曲模态频率的影响比较明显，对高阶弯曲振动的模态频率，系统的阻尼比以及纵向振动的模态频率影响较小，对弯曲振动的细长体导弹类结构，人水深度所产生的影响相对较小，这些影响在一类水下发射导弹结构动态特征的工程设计中必须给予充分考虑。     

单目深度估计技术进展综述

单幅图像深度估计是计算机视觉中的经典问题,对场景的3维重建、增强现实中的遮挡及光照处理具有重要意义。本文回顾了单幅图像深度估计技术的相关工作,介绍了单幅图像深度估计常用的数据集及模型方法。根据场景类型的不同,数据集可分为室内数据集、室外数据集与虚拟场景数据集。按照数学模型的不同,单目深度估计方法可分为基于传统机器学习的方法与基于深度学习的方法。基于传统机器学习的单目深度估计方法一般使用马尔可夫随机场（MRF）或条件随机场（CRF）对深度关系进行建模,在最大后验概率框架下,通过能量函数最小化求解深度。依据模型是否包含参数,该方法又可进一步分为参数学习方法与非参数学习方法,前者假定模型包含未知参数,训练过程即是对未知参数进行求解;后者使用现有的数据集进行相似性检索推测深度,不需要通过学习来获得参数。对于基于深度学习的单目深度估计方法本文详细阐述了国内外研究现状及优缺点,同时依据不同的分类标准,自底向上逐层级将其归类。第1层级为仅预测深度的单任务方法与同时预测深度及语义等信息的多任务方法。图片的深度和语义等信息关联密切,因此有部分工作研究多任务的联合预测方法。第2层级为绝对深度预测方法与相对深度关系预测方法。绝对深度是指场景中的物体到摄像机的实际距离,而相对深度关注图片中物体的相对远近关系。给定任意图片,人的视觉更擅于判断场景中物体的相对远近关系。第3层级包含有监督回归方法、有监督分类方法及无监督方法。对于单张图片深度估计任务,大部分工作都关注绝对深度的预测,而早期的大多数方法采用有监督回归模型,即模型训练数据带有标签,且对连续的深度值进行回归拟合。考虑到场景由远及近的特性,也有用分类的思想解决深度估计问题的方法。有监督学习方法要求每幅RGB图像都有其对应的深度标签,而深度标签的采集通常需要深度相机或激光雷达,前者范围受限,后者成本昂贵。而且采集的原始深度标签通常是一些稀疏的点,不能与原图很好地匹配。因此不用深度标签的无监督估计方法是研究趋势,其基本思路是利用左右视图,结合对极几何与自动编码机的思想求解深度。     

基于节点连通性排序的虚拟网络映射算法

对当今云环境下的数据中心来说,以虚拟资源租赁的运营方式具有极大的灵活性,尤其是以虚拟网络为粒度的资源租赁能够为用户提供更好的个性化需求支持。虚拟网络映射问题是指依据用户资源需求,合理分配底层主机和网络资源。现有的虚拟网络映射算法大多是针对随机拓扑设计的通用算法,未针对数据中心拓扑结构进行优化,映射效率有很大提升空间。针对数据中心的结构特点,提出了一种基于节点连通性排序的虚拟网络映射算法BS-VNE算法。首先,设计了一种最大生成算法来对虚拟节点重要程度进行求解和排序。该算法不仅基于虚拟节点的带宽和连通度,还基于虚拟节点在整个虚拟网络中的连通性来进行节点连通性的计算,以获得更加合理的排序结果。然后,根据虚拟节点连通性排序结果利用离散粒子群优化算法求解虚拟网络的映射解。在求解过程中,引入了针对数据中心结构的物理网络拓扑启发式规则,并将其组合到粒子搜索过程中,以提高映射算法的收敛速度。仿真实验结果表明,与现有算法相比,本文提出的算法可以提高物理网络的收益/成本比和资源利用率。     

Lagrange子流形理论在约束力学系统正则变换和勒让德变换中的应用

Lagrange方程与Hamilton方程之间的勒让德变换理论和Hamilton方程的正则变换理论在分析力学中具有重要的地位,从局域坐标的角度很难找到勒让德变换和正则变换之间的相关性. 本文主要基于辛流形的Lagrange子流形理论从全局上给出正则变换理论和勒让德变换理论的统一几何解释,进而在几何力学的角度清晰的描述Hamilton系统的正则变换和Lagrange方程与Hamilton方程之间的勒让德变换的几何结构.     

拥挤场景下的暴力行为检测

近年来暴力行为检测受到了越来越多的关注,而在图像研究领域中,这仍然是一个充满挑战的话题。尝试对现有的暴力行为检测器进行改进,提出了一个全新的特征构造方法,称为加速度暴力流(Acceleration Violent Flow,简称AViF),它充分利用光流信息中的加速度信息,可以用来检测拥挤场景下的暴力行为;之后采用了Bagging策略,取得了良好的效果。实验结果表明,在bagging策略下,组合特征取得了高于ViF特征的效果。