基于距离门限的水声网络自适应路由协议

针对水声传感器网络长时延和高能耗的问题,提出了基于距离门限的自适应路由协议ARBDT（AdaptiveRouting Protocol Based on Distance Threshold）。该协议采用单路径逐跳信息传输方式,节省了路由开销;同时根据网络密集程度自适应地调整距离门限,抑制了冗余节点的回应,降低了控制包冲突的概率,使发送节点能快速获取转发节点。仿真结果表明,与SBR（Sector-Based Routing）协议相比,ARBDT协议能缩短时延,降低网络能耗,从而获得更好的性能。     

长输管线风险评价随机方法研究

针对目前长输管线的风险评价主要采用基于专家意见的多因素评估方法,由于评价者主观判断上的差异,对不确定因素和随机事件进行因素识别和风险评价,往往产生不同的结果,可信度较差.现场统计分析认为,许多安全事故都是由于不确定随机因素和结构构件失效引起.采用随机方法,将工艺、环境温度、风荷载、随机荷载等因素作为随机变量,按照随机过程,对其进行正态化处理后抽样,再根据可靠度理论,确定出不同随机事件对该结构失效概率的影响.仿真分析结果表明,该方法能够有效提高风险评价结果的精度和准确性.     

线传感器网络中基于距离变换的骨架提取*

在无线传感器网络中,利用骨架信息可以提高路由性能,也可以用于网络定位、导航以及分割等.以往的骨架算法往往假定边界节点被全部识别,但在绝大多数网络中,尤其是低密度网络,边界节点往往很难被全部正确识别.提出了一种基于距离变换的低复杂度、分布式骨架提取算法,该算法不要求所有边界节点被识别.实验结果表明,该算法对于边界不准确时能够得到较好骨架,同时对于边界点缺失具有鲁棒性.     

基于轮廓特征的人体行为识别

提出了一种以运动人体轮廓为特征,基于模板匹配的人体行为识别方法。首先,利用背景差分法和阴影消除技术提取运动人体轮廓;定义一种边界点-半径的轮廓描述方法,将时变的二维轮廓形状转换为对应的一维距离向量;以成本函数为特征向量,利用谱系聚类方法提取行为序列的关键姿态;最后,将关键姿态编码为行为字符串,利用编辑距离度量测试序列与标准序列间的相似性。实验结果表明,利用本文方法对人的6种日常行为进行识别,正确识别率达到84.3%以上,具有简单实用的特点。     

红外与可见光复合寻的制导中的快速图像配准方法

对现有多传感器图像配准方法在红外与可见光复合寻的制导应用中存在的计算量大等不足,提出了一种基于部分Hausdorff距离的快速方法和一种两集合相似度的定义,从而实现了有效减小误匹配特征点对的红外与可见光图像快速配准方法.此算法通过分别提取两幅图像边缘上显著特征点,再根据提出的快速方法和两集合相似度定义,粗略估计出图像间的旋转角度、平移量;然后依据此估计值,缩小特征点匹配时匹配特征点搜索范围,求得一致特征点对;最后用最小二乘法求解最优变换参数.实验结果表明了该方法的有效性、快速性.     

三相流管道输送技术研究

通过模型试验的方法研究了管道输送加气减阻的机理,分析了影响减阻效果的因素,进行了延长排距的计算,利用模型试验研究的结果进行了实船试验。研究表明,在绞吸式挖泥船的排泥管中加入适当压力和一定体积分数的气体,可以降低管道输送阻力和延长排距。     

从管道检测的角度,分析涂层失效的原因

本文首先阐明涂层对管道保护的重要作用，综述了目前长输管道涂层现状及常用涂层材料的特点，通过近几年来对数千公里管道的不同类型涂层检测、评价，总结出涂层失效的主要形式，从管道周围介质的腐蚀性、环境及涂层施工等方面，分析了外界条件与涂层失效的关系，以及导致涂层失效的主要原因。目前长输管道涂层失效的形式主要有：涂层的剥离、龟裂、破损及变形等。     

基于流形学习的人体动作识别

目的 提出了一个基于流形学习的动作识别框架,用来识别深度图像序列中的人体行为。方法 从Kinect设备获得的深度信息中评估出人体的关节点信息,并用相对关节点位置差作为人体特征表达。在训练阶段,利用LE（Lalpacian eigenmaps）流形学习对高维空间下的训练集进行降维,得到低维隐空间下的运动模型。在识别阶段,用最近邻差值方法将测试序列映射到低维流形空间中去,然后进行匹配计算。在匹配过程中,通过使用改进的Hausdorff距离对低维空间下测试序列和训练运动集的吻合度和相似度进行度量。结果 用Kinect设备捕获的数据进行了实验,取得了良好的效果;同时也在MSR Action3D数据库上进行了测试,结果表明在训练样本较多情况下,本文方法识别效果优于以往方法。结论 实验结果表明本文方法适用于基于深度图像序列的人体动作识别。     

改进复杂网络模型的形状特征提取

目的 传统的基于欧氏距离的复杂网络表示方法容易受形状的非刚性变形影响。鉴于此,提出一种基于复杂网络模型与相对一致性距离相结合的形状特征提取方法。方法 首先,提取形状的边界轮廓点作为网络的节点,利用节点间的相对一致性距离作为边的权值构建初始的复杂网络模型;然后,利用阈值演化方法对初始网络模型进行动态演化,得到一系列子网络;最后,提取不同演化阶段下子网络的拓扑特征,实现对形状特征的提取。结果 分类和检索实验结果表明,相比于传统的复杂网络描述方法,本文方法对形状图像具有更强的描述和识别能力。结论 相比于传统的距离度量,相对一致性距离对形状的非刚性变形具有更强的稳定性。     

无刷直流电机的神经滑模变结构控制

针对工业控制中对无刷直流电机位置控制的高精度要求,研究了滑模变结构控制和神经网络相结合的控制方法.为了消除滑模变结构控制方法中存在的抖振缺点,提出了一种神经滑模控制方法.方法首先设计了一个二阶时变滑模面,使系统的初始状态就在滑模面上,可以增强系统的鲁棒性.然后,通过径向基函数神经网络学习电机的负载、干扰等参数,使滑模控制的切换控制项能随着负载参数的变化而变化,削弱了滑模变结构控制的抖振.对上述方法进行仿真,结果证明了上述方法的有效性,为无刷直流电机优化控制提供了有效手段.