相位非平稳人造地震动反应谱拟合技术研究

采用完全非平稳人造地震动技术,就是在传统的考虑幅值非平稳特性拟合目标反应谱的基础上,根据不同的场地条件和地震环境,引入实际强震或地震记录提取的非平稳的相位来共同拟合目标反应谱．本项研究技术将20多年来通用人造地震动的技术进行了实用性改进,建立了人造地震动与强震、测震记录的应有联系,使天然地震记录数据的推广应用有了更多的渠道和技术保证,可以直接应用于防震减灾工程实际．     

基于“风车”形子单元的自重构机器人运动及自重构规划

自重构机器人区别于其他类型机器人的一个重要特征是其在具有移动能力的同时还具有自重构能力.为了赋予自重构机器人这2种能力,在分析DL-Cube(double L-cube)自重构机器人单元模型的结构特性基础之上,设计了基于"风车"形子单元的分层规划算法,实现了由"风车"形子单元构成的自重构机器人构形在平面内的运动;同时,借助于"风车"子单元自身具有的移动、转变模块方位、携带模块能力,机器人实现了平面内由24模块组成的"长方形"初始构形到目标构形为"H"构形的自重构.通过运动和重构仿真实验,验证了分层规划算法的有效性及利用"风车"子单元进行自重构的可行性.     

刚体纯滚动时静摩擦力方向判定及其影响因素

针对理论力学教学中关于＂刚体纯滚动时静摩擦力方向＂的判断问题,首先通过归纳总结,提出两个简易判别方法.进而对影响刚体纯滚动时静摩擦力方向的因素进行分析,并按不同因素进行归纳总结其规律.     

A class of discontinuous dynamical systems IV. A laboratory air-water system

An air-water experimental system consisting of two inlets and one outlet is constructed and characterised. It reaches the state of sliding mode, or equivalently, two phase slug flow. The linear hydraulic model proposed in the literature is adequate to describe it. Experimental data are used to tune this model. The resistance to the flow of air through the outlet valve during the two phase flow is much larger than that when air alone flows out. At the operating range, the resistance to water flow is not affected by the presence of air.     

Relaxation time and conductivity of comb‐like gel polymer electrolytes

Using the copolymer of acrylonitrile (AN), methyl methacrylate (MMA), and poly(ethylene glycol) methyl ether methacrylate as a backbone and poly(ethylene glycol) methyl ether (PEGME) with 1100 molecular weight as side chains, comb‐like gel polymers and their Li salt complexes were synthesized. The dynamic mechanical properties and conductivities were investigated. Results showed that the gel copolymer electrolytes possess two glass transitions: α‐transition and β‐transition. Based on the time–temperature equivalence principle, a master curve was constructed by selecting T_α as reference temperature. By reference to T₀ = 50°C, the relation between log τ_c and c was found to be linear. The master curves are displaced progressively to higher frequencies as the content of plasticizer is increased. The relation between log τ_p and the content of plasticizer is also linear. © 2007 Wiley Periodicals, Inc. J Appl Polym Sci 104: 576–584, 2007     

视频监控中特定区域入侵检测算法设计与实现

在视频监控中,需要对特定区域进行实时监控。为了克服传统的视频监控系统存在的数据量大、响应时间长和人类自身固有的弱点等缺陷导致的监控效率低下等问题,文中实现了一种智能区域入侵的检测算法。该算法是基于一种三层高斯背景建模的方法,在提取前景图像后,对前景图像进行阴影检测、全局灰度检测、目标完整性检测,同时在提取更加精确的前景目标后,分析运动目标轮廓,对目标的轮廓信息进行统计,计算出特定区域中入侵的人数。最后通过一段实际的监控视频验证了文中提出算法的有效性。     

流体运动估计光流算法研究综述

对流体图像序列进行运动分析一直是流体力学、医学和计算机视觉等领域的重要研究课题。从图像对中提取的密集精确的速度矢量场能够为许多领域提供有价值的信息,基于光流法的流体运动估计技术因其独特的优势成为一个有前途的方向。光流法可以获得具有较高分辨率的密集速度矢量场,在小尺度精细结构的测量上有所改进,弥补了基于相关分析法的粒子图像测速技术的不足。此外,光流方法还可以方便的引入各种物理约束,获得较为符合流体运动特性的运动估计结果。为了全面反映基于光流法的流体运动估计算法的研究进展,本文在广泛调研相关文献的基础上,对国内外具有代表性的论文进行了系统阐述。首先介绍了光流法的基本原理,然后将现有算法按照要解决的突出问题进行分类：结合流体力学知识的能量最小化函数,提高对光照变化的鲁棒性,大位移估计和消除异常值。对每类方法,从问题解决过程的角度予以介绍,分析了各类突出问题中现有算法的特点和局限性。最后,总结分析了流体运动估计技术当前面临的问题和挑战,并对未来基于光流法的运动估计算法的研究方向和研究重点进行了展望。     

基于情境学习的射孔仿真培训系统应用研究

由于传统的仿真培训中只能通过鼠标的点击与键盘进行交互,存在着现场感缺乏以及用户体验不足等缺点,针对油田射孔岗位仿真培训中的交互问题,提出了应用情境学习理论结合体感交互技术的仿真培训系统。通过将Unity与体感交互技术结合,学习者可以运用手势与姿势来实现与仿真培训系统的交互操作。结合应用这一技术可以使得学习者能够在更逼真的虚拟学习环境中尽情的体会和学习,满足学习者的体验和参与需求,可以有效促进学习者从具体的感知经验上升到抽象的知识概念,为教学培训的顺利开展创设有利的条件。     

基于信道状态特征的手势动作识别技术研究

手势识别作为人和机器之间重要的交互手段,在日常生活中具有广泛的应用场景。基于无线信号特别是WiFi的手势识别由于其无接触、成本低等优点成为当前热门的方式。为解决传统基于无线信号手势识别算法没有充分利用信号相位特征的缺点,本文提出利用WiFi信道状态信息幅值和相位结合的方式进行手势识别。通过子载波降维和动作曲线提取对接收的WiFi信号进行处理,并将信号的幅值和相位结合,利用机器学习算法对数据进行训练和分类,实现了单手向前、单手向后、单手向左、单手向右、单手向上和单手向下六种手势的识别。实验结果显示,本文算法在近距离和远距离下的精确度分别为96%和92%。     

时空双仿射微分不变量及骨架动作识别

目的 人体骨架的动态变化对于动作识别具有重要意义。从关节轨迹的角度出发,部分对动作类别判定具有价值的关节轨迹传达了最重要的信息。在同一动作的每次尝试中,相应关节的轨迹一般具有相似的基本形状,但其具体形式会受到一定的畸变影响。基于对畸变因素的分析,将人体运动中关节轨迹的常见变换建模为时空双仿射变换。方法 首先用一个统一的表达式以内外变换的形式将时空双仿射变换进行描述。基于变换前后轨迹曲线的微分关系推导设计了双仿射微分不变量,用于描述关节轨迹的局部属性。基于微分不变量和关节坐标在数据结构上的同构特点,提出了一种通道增强方法,使用微分不变量将输入数据沿通道维度扩展后,输入神经网络进行训练与评估,用于提高神经网络的泛化能力。结果 实验在两个大型动作识别数据集NTU（Nanyang Technological University）RGB+D（NTU 60）和NTU RGB+D 120（NTU 120）上与若干最新方法及两种基线方法进行比较,在两种实验设置（跨参与者识别与跨视角识别）中均取得了明显的改进结果。相比于使用原始数据的时空图神经卷积网络（spatio-temporal graph convolutional networks,ST-GCN）,在NTU 60数据集中,跨参与者与跨视角的识别准确率分别提高了1.9%和3.0%;在NTU 120数据集中,跨参与者与跨环境的识别准确率分别提高了5.6%和4.5%。同时对比于数据增强,基于不变特征的通道增强方法在两种实验设置下都能有明显改善,更为有效地提升了网络的泛化能力。结论 本文提出的不变特征与通道增强,直观有效地综合了传统特征和深度学习的优点,有效提高了骨架动作识别的准确性,改善了神经网络的泛化能力。