基于离散元技术的EDEM软件详解

本文主要介绍基于离散元方法的仿真软件——EDEM,及其在模拟高炉布料等高炉工艺过程中具备的技术优势。     

Arnold置乱在零水印中的二次复用

为了提高水印的鲁棒性和减小对应版权信息的大小,本文提出了一种基于Arnold变换、DWT和SVD的零水印算法。该算法将载体图像进行DWT变换,对低频子带进行分块SVD;比较置乱后的最大奇异值的大小,若大于则对应位为1,否则为0;将结果与预处理过的水印做异或运算,得密钥矩阵。该矩阵为检测水印提供密钥。实验证明,本算法对图像压缩、滤波、模糊、噪声及脏图具有良好的鲁棒性。     

边界元法中计算边界及其近域内点应力的一种方法

提出一种在边界元法中计算边界及其近域内点应力的方法——局部分割法.该方法能有效地避免由积分核奇异性导致的"边界层效应"即应力失真.从而提高计算精度和计算效应.     

保持几何特征的自适应弹性二次曲线模型

物体形状特征的准确提取往往受到图像获取、目标分割等过程中各种因素的影响,因而需要构造一种鲁棒的形状表现来保有其本质特征。揭示弹性二次曲线(EQW)模型中能量权重因子和样条重叠度因子与形状几何特性间的关系,提出一种自适应保持几何特征的EQW形状表现模型,并将该模型与交互式Live Wire算法相结合,应用至图像分割中,对于各种模态图像中的目标进行分割实验。直观上,本文方法能够在去除噪声同时较好地保持目标形状的显著特征;量化结果方面,交互式分割误差保持在较小稳定范围内,引入EQW模型带来的时间开销亦在可接受范围内。     

一种用于视频流的强鲁棒性数字水印方案

研究了视频流的水印嵌入和提取,为视频流提供版权保护。针对现阶段越来越多的视频流盗版现状,为了保护版权方的利益,提出了一种将版权方信息作为数字水印嵌入到视频流中的方法。通过该方法,在视频流中嵌入了不易破坏的版权方的信息,该信息可作为流媒体的追溯标记和证据。经实验证明:改进方案与其他数字水印方案相比,具有很强的鲁棒性,可抵抗视频的重复编码,抵抗分辨率缩放,抵抗一定程度的内容修改,支持水印的盲提取。     

基于扰动补偿的舰载机APCS离散变结构设计

研究舰载机着舰过程优化问题,在分析舰载机进场推力补偿系统(APCS)原理的基础上,研究了系统在受扰动情况下的离散变结构设计问题。针对传统APCS抗扰性和稳定性较差的缺点,提出根据扰动补偿的离散变结构控制理论,重新设计了高抗扰性的保持地速迎角恒定的进场推力补偿系统,并且通过引入双曲正切函数降低了系统的抖振。搭建了完整的仿真系统进行仿真,仿真结果表明新的推力补偿系统能使舰载机近舰时航迹角快速跟踪俯仰角,且与传统补偿系统相比,前者能很好地抵抗母舰舰尾扰流的干扰,达到了着舰过程优化设计目的。     

《自动控制原理》课程中闭环脉冲传递函数算法研究

针对一般方法推导离散系统闭环脉冲传递函数过程繁琐费时的问题,给出一种先连续化求出闭环传递函数再离散化求解的简便方法,并给出使用本方法的单一化条件。对于满足该条件的系统,可直接求用简便方法求取系统的闭环脉冲传递函数,不满足该使用条件的系统,对其中间变量的求取可使用本方法,因而大大简化求解闭环脉冲传递函数的过程,为采样控制系统的分析和设计提供了很大的方便。     

基于FPGA的高速二维DCT变换的研究与实现

空间科学实验中图像的分辨率不断提高、数据量越来越大,因此需要对图像数据进行星上压缩处理后再进行传输。FPGA具有低功耗、高性能的特点,已普遍应用在卫星的各种有效载荷上,因此可采用FPGA实现图像压缩。基于FPGA的图像压缩算法的核心是DCT变换,而DCT变换中需消耗大量的乘法资源。为了提高图像压缩的效率,同时减少对专用乘法器的依赖,本文就充分利用FPGA中的BRAM与LUT资源,使用改进型的分布式算法、流水结构和乒乓操作,在避免使用乘法器的同时,实现JPEG压缩算法中的DCT变换,具有良好的可移植性。经验证,该方法用于基于FPGA的JPEG图像压缩系统中,相比传统DCT快速算法运算速度显著提高。     

一类具有Beddington - DeAngelis功能反应的离散竞争系统的概周期解

针对一类具有Beddington - DeAngelis功能反应的离散竞争系统,运用差分不等式和通过构造适当的Lyapunov函数,证明了该系统具有持久性和全局吸引性.利用差分概周期方程的壳理论,得到了保证该系统存在唯一的概周期解的充分条件.所得结果补充了文献[3]和文献[4]的工作.     

基于MODWT和BP神经网络的微电网故障诊断方法

近年来,随着微电网技术的持续发展,电力用户对其供电可靠性的要求也不断提高,因此微电网故障诊断研究也变得越来越重要。提出了一种基于极大重叠离散小波变换(MODWT)和反向传播(BP)神经网络的微电网故障诊断新方法,并通过仿真与算例进行了验证。结果表明:该方法能快速、准确地识别出故障类型,且不受故障初始相位角和过渡电阻等因素的影响;与现有的基于离散小波变换和反向传播神经网络的诊断方法相比所提出的方法可以提供更好的故障分类精度。