盾构穿越沉降敏感区段的沉降监测及分析

在盾构穿越复合地层沉降敏感区段时,对该区段的施工沉降进行了严密观测,并对监测数据进行了全面分析,总结出上软下硬复合地层的沉降变形的一般规律.在工程实施中采取有针对性的沉降控制措施,确保敏感区段的沉降控制在允许范围之内.     

高密度电阻率法在邢台某采空区沉降评价中的应用

在前人利用高密度电阻率法探测地下采空区工作的基础上,基于采空区在沉降作用下形成的破坏＂三带＂的结构特点,依据其导电性差异,分析了利用高密度电阻率法查明采空区＂三带＂分布的可行性,并提出,利用该方法不仅可圈定出地下采空区的位置,又能查明采空区沉降评价所需＂三带＂的分布特征。实践表明,高密度电阻率法是采空区沉降评价中低耗高效,信息丰富,探测精度高的行之有效的探测技术。     

煤矿孤岛面顺槽掘进窄煤柱支护技术分析

淮南矿业集团顾桥煤矿1116（1）工作面运输顺槽为沿空掘进巷道,并受上方1117（3）工作面回采采动影响。为研究巷道在上方工作面回采时围岩变形特征、围岩应力分布及矿压显现规律,特在采动范围内设置一系列矿压观测点对巷道两帮变形、锚杆锚索及木点柱载荷进行持续观测,为将来巷道的支护提供可靠的分析数据。     

2种不同类型的沉降样本对数据处理影响的研究

利用小波模型、神经网络模型及小波神经网络模型,分别以累积沉降样本和间隔沉降样本作为训练样本对沉降进行了分析预测,证明了在大多数情况下采用间隔沉降样本进行沉降分析预测的效果较好．     

Drag-free卫星编队的发展现状和趋势研究

分析了Drag-free卫星编队的发展历程,就动力学建模与系统控制方法进行了综合调研和分析,提出了Drag-free卫星编队的应用前景和需要解决的关键技术,为我国未来空间环境与空间天气等超高精密探测奠定一定的基础.     

遥感技术应用于河流对城市气候影响研究

为了确定松花江水域冬夏季对哈尔滨市及周边区域的影响,给城市河流规划与合理利用提供正确的理论支持,采用地面数据采集与遥感数据采集相结合的方法,对2004年1月25日和6月1日的热红外遥感影像图进行分析,以流经哈尔滨市的松花江段为研究对象,根据冬夏季温度、相对湿度分布,确定松花江城市河道对周边区域的影响.研究结果表明:在夏季,市区温度较郊区温度低,水域两侧地表温度呈递增分布,且变化趋势北岸比南岸明显,湿度市区较郊区高,市区以松花江及毗邻地区为湿度分布中心,且北岸比南岸影响半径大.在冬季,市区温度比郊区温度高约4℃,水域两侧温度分布差异明显,冰封水体表面温度与南岸温度接近,比北岸温度高约2℃,湿度分布符合城市干岛效应,市区湿度比郊区低约1%.该成果为后期地面定点观测和移动测量奠定了数据基础与技术支撑.     

一般均质地面承载力现场试验

为了评判施力盘作用下地面的承载安全,进行了一般均质地面承载力静态与动态荷载现场试验.采用平板载荷静态加载方法进行了模拟施力盘静态荷载的平板载荷试验,根据相似准则π定理进行了缩比施力盘动载试验.在现场试验的基础上研究了静载条件下沉降量随时间变化的S-t曲线,不同尺寸承载板在相应载荷作用下的地面土体沉降量之间关联关系的P-S/D曲线及动、静荷载下载荷与沉降量关系的P-S曲线以及动静载荷对比的P-S曲线.分析结果表明:对于进行现场试验的均质地面,S-t曲线表明静态加载方法合理;P-S/D曲线在极限载荷内呈线性比例关系;动载下的沉降量S远远小于静载条件下的沉降量S,动载下的土体变形刚度较静载下的变形刚度高,瞬间动态荷载造成的地面沉降可忽略.     

灰色蚁群系统求解多目标卫星观测调度问题

为充分有效的利用地球观测卫星资源,最大限度的满足成像需求并得到高质量的图像,提出了一种灰色蚁群系统多目标优化算法.首先利用区间灰数描述成像任务上空的云量信息;然后考虑了卫星多种成像约束条件,建立了包括成像任务重要性和图像质量的多目标优化模型;最后将灰色理论和蚁群系统结合起来,通过多个种群的区域更新规则和精英保留策略,提高非劣解集的多样性和收敛性.仿真结果表明,提出的灰色蚁群系统可以有效解决卫星多目标成像调度问题。     

面向上行流媒体的压缩感知视频流技术前沿

上行流媒体在军民融合领域展现出日益重要的新兴战略价值,压缩感知视频流技术体系在上行流媒体应用中具有前端功耗低、容错性好、适用信号广等独特优势,已成为当前可视通信研究的前沿与热点之一。本文从阐述上行流媒体的应用特征出发,从性能指标、并行分块计算成像、低复杂度视频编码、视频重构和语义质量评价等方面,分析了当前针对压缩感知视频流的基础理论与关键技术,对国内外相关的研究进展进行了探究与比较。面向上行流媒体的压缩感知视频流面临着观测效率难控、码流适配困难和重建质量较低等技术挑战。对压缩感知视频流的技术发展趋势进行展望,未来将通过前端与智能云端的分工协作,突破高效率的视频观测与语义质量导引视频重构等关键技术,进一步开拓压缩感知视频流在上行流媒体应用中的定量优势与演进途径。     

Probabilistic observation model correction using non-Gaussian belief fusion

This paper presents a framework for state estimation which tolerates uncertainty in observation model parameters by (1) incorporating this uncertainty in state observation, and (2) correcting model parameters to improve future state observations. The first objective is met by an uncertainty propagation approach, while the second is achieved by gradient-descent optimization. The novel framework allows state estimates to be represented by non-Gaussian probability distribution functions. By correcting observation model parameters, estimation performance is enhanced since the accuracy of observations is increased. Monte Carlo simulation experiments validate the efficacy of the proposed approach in comparison with conventional estimation techniques, showing that as model parameters converge to ground-truth over time, state estimation correspondingly improves when compared to a static model estimate. Because observation models cannot be known with perfect accuracy and existing approaches do not address parametric uncertainties in non-Gaussian estimation, this work has both novelty and usefulness in most state estimation contexts.