瓦斯突变预警上限值确定方法的研究

针对现有煤矿安全监控系统采用超限原理,以瓦斯传感器测量值为判断依据,无法及时发现预定报警值以下范围内瓦斯异常变化的问题,提出了一种不超限瓦斯突变预警方法,介绍了静态预警和动态预警两种不超限瓦斯突变报警方法。结合余吾煤业N2202工作面探头数据,分别对不超限瓦斯突变预警基础数据的静态数据和动态数据进行了分层抽样及分布的验证和拟合,得出静态预警和动态预警的基础数据基本符合正态分布的结论。提出采用假设检验和区间估计等实时计算静态预警和动态预警上限值的方法,并采用N2202工作面探头数据进行了验证。     

塑性混凝土防渗墙在册田水库除险加固工程中的应用

塑性混凝土防渗墙是坝体坝基防渗处理的一种有效方法,文中结合在册田水库除险加固工程中的实际应用,介绍了塑性混凝土防渗墙特点、施工工艺、混凝土配合比设计和质量检查。     

奥林匹克公园中心区不同下垫面降雨初期地表径流水质分析

奥林匹克公园中心区雨洪利用示范工程的建立,将雨洪控制与利用纳入到实际建设,采用规模化的雨洪利用系统,建设雨洪利用示范工程,以展示城市雨水排放新概念,实现雨水资源化.对于中心区地表径流水质进行检测,深入研究和分析,科学的展示了雨洪利用示范工程的科学性和合理性,让人们对雨水利用的意义有直观认识,了解简单易行的雨水利用技术,...     

PVC建材表面缺陷检测系统研究与设计

为满足PVC建材表面缺陷在线系统高速、高分辨率的检测要求,提出PVC建材表面缺陷检测的系统设计方案。为保证检测系统的实时性,硬件上采用面阵CCD摄像机与LED面光源相结合的图像采集装置,软件上采用实时处理和准实时处理相结合的图像处理方法。针对缺陷图像高噪声、直方图单峰明显的特征,提出边缘检测分割技术与数学形态处理相结合的算法流程。通过分析图像缺陷的统计特性,提取PVC建材表面缺陷区域的特征参数,利用基于决策树的分类器将缺陷分为气泡、色痕、裂痕等。实验结果验证算法的有效性和实时性,其缺陷的检出率达到95%以上,识别率达90%以上。     

GPU并行加速的均值偏移算法

为克服mean shift算法计算复杂度高、运行速度慢的缺点,提出一种基于GPU的快速mean shift算法.首先使用k-means算法对图像像素进行预分类,之后在预分类、下采样后缩小的数据集上进行mean shift聚类,以有效地降低算法复杂度.此外,借助GPU的通用计算功能对k-means和mean shift分别进行并行了处理.实验结果表明,通过对图像进行预处理,有效地提高了几何模板查找在强噪声、低信噪比图像中的识别率;同时,改进后的mean shift算法的运行速度提高了近40倍,满足了高速机器视觉检测的实时性要求.     

拉铆钉多参数实时在线视觉检测系统研究

本文以引进吸收再创新的模式,综合机器视觉技术、自动化技术和集群协作处理技术,研发“拉铆钉多参数实时在线视觉检测系统”。     

基于Google Maps API的光缆线路巡检系统的应用研究

本文介绍了基于WebGIS的光缆线路巡检系统,分析了GoogleMaps的API技术,GPS定位技术。建立基于GoogleMaps和AIAX技术的webGIS系统,以及如何将其应用到光缆线路巡检中,系统采用B／S开发模式。     

基于Gabor滤波器的棉花杂质检测算法

棉花杂质检测方法对于提高织物质量和降低生产成本具有重要意义。针对工业环境中非均匀光照条件下的棉花图像设计基于Gabor滤波器的杂质检测算法,依据Otsu法和形态学滤波将图像分割为前景区、背景区和交界区,然后在图像前景和背景区域内分别使用Gabor滤波器提取图像的纹理特征。设计一种针对Gabor滤波输出的自适应阈值分割算法,结合形态学滤波和连通域分析检测出棉花中的杂质。实验结果表明,本文算法有效地消除了由于光照条件造成的干扰,可以精确地检测出棉花中常见的各种杂质。     

基于创达版特种设备检验管理系统的条形码开发及应用

探讨了基于创达版特种设备检验管理系统进行检验报告条形码管理的二次开发,重点介绍了条形码的选型和电子表单架构下条码的生成机制,并给出了条形码文件管理。     

Evaluation of tile–wall bonding integrity based on impact acoustics and support vector machine

It is well recognized that the impact-acoustic emissions contain information that can indicate the presence of the adhesive defects in the bonding structures. In our previous papers, artificial neural network (ANN) was adopted to assess the bonding integrity of the tile–walls with the feature extracted from the power spectral density (PSD) of the impact-acoustic signals acting as the input of classifier. However, in addition to the inconvenience posed by the general drawbacks such as long training time and large number of training samples needed, the performance of the classic ANN classifier is deteriorated by the similar spectral characteristics between different bonding status caused by abnormal impacts. In this paper our previous works was developed by the employment of the least-squares support vector machine (LS-SVM) classifier instead of the ANN to derive a bonding integrity recognition approach with better reliability and enhanced immunity to surface roughness. With the help of the specially designed artificial sample slabs, experiments results obtained with the proposed method are provided and compared with that using the ANN classifier, demonstrating the effectiveness of the present strategy.