光照变化条件下的光流估计

目的 为了提高光流法在处理光照变化和大位移方面的稳健性。提出一种结合结构纹理分解预处理和加权中值滤波的光流场模型。方法 该方法数据项采用灰度守恒假设和梯度守恒假设相结合、局部约束与全局约束相结合的思想。同时采用结构纹理分解、加权中值滤波、金字塔结构等高效的光流估计技术,进一步增强了光流算法的精确性与实用性。结果 分别通过Middlebury光流数据库图像和真实场景图像对提出的光流估计算法进行了大量实验验证。实验结果表明,改进的光流估计法在处理光照变化方面表现不错,不仅获得稠密的光流场,而且提高了光流场准确提取目标边缘的能力。结论 和传统光流方法相比,所提方法在光照变化情况下能获得更加理想的结果,降低了实际场景中光线变化的干扰,能更好地适用于实际场景中。     

基于SITRANS料位计的监控系统设计

针对吕梁山木瓜煤矿原有料位计老化、测量不准确等问题,设计基于SITRANS LU 10超声波料位计的自动监控系统。系统采用S7-300系列PLC及组态软件作为控制核心,通过WinCC组态管理软件可直观地显示料位数据实时变化,实现煤仓料位的自动检测、超限报警、卸料小车运行与卸料控制等功能。     

Experimental and Numerical Analysis of the Viscous Fingering Instability of Shear‐Thinning Fluids

Miscible flow displacements in a rectilinear Hele‐Shaw cell of Newtonian as well as rheologically well‐characterized shear‐thinning fluids are examined through experimental measurements and numerical modelling. Water is used as a displacing fluid while the displaced fluid consists of either a reference Newtonian glycerol solution or shear‐thinning solutions of Alcoflood? polymers of different molecular weights. The experimental measurements revealed that the shear‐thinning behaviour of the non‐Newtonian solutions resulted in more complex instability patterns and new finger structures not previously observed in the case of Newtonian displacements are identified and characterized. An analysis of the effects of the rheological behaviour of the shear‐thinning fluids on instability characteristics such as the finger width and finger tip velocity is presented. Numerical simulations using a pseudo‐spectral method are conducted and allowed to compare the predictions of the mathematical model based on an effective Darcy's law with the experimental measurements.     

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。     

A novel deep learning prediction model for concrete dam displacements using interpretable mixed attention mechanism

Dam displacements can effectively reflect its operational status, and thus establishing a reliable displacement prediction model is important for dam health monitoring. The majority of the existing data-driven models, however, focus on static regression relationships, which cannot capture the long-term temporal dependencies and adaptively select the most relevant influencing factors to perform predictions. Moreover, the emerging modeling tools such as machine learning (ML) and deep learning (DL) are mostly black-box models, which makes their physical interpretation challenging and greatly limits their practical engineering applications. To address these issues, this paper proposes an interpretable mixed attention mechanism long short-term memory (MAM-LSTM) model based on an encoder-decoder architecture, which is formulated in two stages. In the encoder stage, a factor attention mechanism is developed to adaptively select the highly influential factors at each time step by referring to the previous hidden state. In the decoder stage, a temporal attention mechanism is introduced to properly extract the key time segments by identifying the relevant hidden states across all the time steps. For interpretation purpose, our emphasis is placed on the quantification and visualization of factor and temporal attention weights. Finally, the effectiveness of the proposed model is verified using monitoring data collected from a real-world dam, where its accuracy is compared to a classical statistical model, conventional ML models, and homogeneous DL models. The comparison demonstrates that the MAM-LSTM model outperforms the other models in most cases. Furthermore, the interpretation of global attention weights confirms the physical rationality of our attention-based model. This work addresses the research gap in interpretable artificial intelligence for dam displacement prediction and delivers a model with both high-accuracy and interpretability.     

基于LoRa自组网无线传输技术实现用电信息采集系统设计

针对传统通信技术存在经济需求高、易被外界干扰、功率损耗高等问题,设计了一套非常适用的解决方案,该方案基于LoRa自组网无线传输技术,与A/D用电信息采集系统结合,组成一套很好的方案;通过LoRa扩频技术和低功耗技术来解决远距离无线通信易受到干扰和功率损耗高的问题,利用A/D用电信息采集系统解决大数据环境下传统采集方法准确率低的问题;经过仿真实验结果表明,该方案LoRa无线传输技术的远距离通信和低功耗能够实现,在大数据环境下A/D用电信息采集系统的准确率比WEB自动采集程序高达3%。     

智能电能表质量数据采集与质量监控技术研究

针对智能电能表非常容易发生开关跳闸、断电无法工作等故障问题,研究出了一种完善的解决方法;通过调研智能电能表生产企业的信息化系统和生产过程数据,发现生产企业的信息化系统在不同企业间都存在各个信息系统之间分割严重的问题,导致企业内部的数据分布在各个数据仓库内,数据分散,需要对每个生产企业采集装置的采集功能进行定制化对接,基于边缘计算技术的业务系统能够更加切合采集终端,并进行数据处理;本研究将SVG技术和Ajax技术结合使用,构成智能电能表质量监控系统方案框架;经过实验结果表明,通过SVG技术和Ajax技术对智能电力表各项数据信息处理,得到了很好的效果.     

PIV技术在冰盖下复式断面渠道流速测量中的运用

在测定冰盖下复式断面流场、流速的模型试验中,水体中的运动粒子是重点研究对象。粒子图像测速(Particle Image Velocimetry,PIV)技术已在水力学研究领域得到普遍应用,但该技术在冰盖下复式断面渠道模型试验的应用为国内首次。基于试验特点,设计砖砌混凝土的循环水箱,采用变频器配合水泵、流量计实现对流量的定量控制,对不同流量下不同断面的流场、流速进行测定,采用PIV技术对水体中运动的粒子的位移场进行具体分析。试验结果表明,PIV分析结果能够直观反映流场中的状态,且可以避免测量盲区,其所测的流速与多普勒超声测速仪测得值吻合较好,并给出了横向流速分布图,弥补了传统方法无法获得冰盖下的流场分布的难题。     

某水电站闸门振动响应检测及评价

利用标准振源对振动加速度信号在频域进行滤波并积分后求得振动位移的方法进行验证,确认了方法的可行性与可靠性。对某闸门进行了振动加速度、位移和动应力等振动响应测试,测试部位振动加速度均小于3 m/s 2,振动位移小于0.25 mm,动态应力小于153.2 MPa,闸门起升初始阶段振动位移最大值超过相关要求。结合加速度、位移和动应力给出闸门的振动评价。     

漂浮式光伏电站漂浮方阵多点系泊特性研究

位置的稳定性对光伏电站的发电效率和生产安全有着重要影响。漂浮式光伏电站漂浮方阵在风、浪、流的作用下易发生移动和旋转,而采用多点系泊系统可有效限制漂浮式光伏电站的过大偏移。以尺寸为170 m×170 m的漂浮方阵为对象,采用静力分析的方法对该方阵在多点系泊系统中的锚泊线张力及方阵偏移量进行了系列研究,得出了张力及偏移量与水平跨距、系泊密度间的规律。相关成果可为漂浮方阵多点系泊系统的设计提供参考。