旋流器内空气核的形成机理和形状的实测研究

首次采用先进的高速摄象机对旋流器内空气核的出现、发展直至形成的整个过程以及形成后的形状进行了全面系统的实测研究。研究发现空气核的形成经历了孕育、发展及形成三个不同的阶段;在旋流器内不同的高度,空气核的形状有所不同,在底流口上端发生最大程度的偏摆,而在溢流管内出现类似“葫芦”形状;旋流器的进口流量和锥角对空气核的形成过程及形状尺寸有着重要的影响。空气核的形成运动过程为一随机过程,这是造成分离过程具有随机特性的主要因素之一。     

反射几何布朗运动的两个结果

主要讨论反射几何布朗运动．首先通过采用马氏过程无穷小生成元的方法得到反射几何布朗运动的平稳分布,最后对该过程的首中时问题进行了讨论,得到该首中时的拉普拉斯变换．     

一类模拟退火算法与遗传算法混合优化策略

提出一类模拟退火算法（GA）和遗传算法（SA）的混合策略。算法结构上,提出模拟退火算法与遗传算法相结合,既发挥模拟退火算法搜索面广、遗传算法收敛快的优点,又克服前者收敛速度较慢而后者收敛容易早熟的问题。在算法操作细节上,加入杰出个体保护策略及自适应调整的遗传操作,以及增加记忆功能的模拟退火操作与收敛准则。从而既防止算法陷入局部最优,又提高收敛速度及搜索效率。     

基于可操作度的虚拟人手部避障运动控制算法

研究复杂作业环境中虚拟人手部避障运动的高精度控制问题,问题的关键是解决虚拟人手的设计.为了灵活操作能在操作的末端临时变换姿态,给控制过程中手臂转动路线,速度,加速度等参数的控制带来较大困难.传统的控制方法通过增加控制自由度来解决这个问题,但是一旦自由度增加,会带来冗余控制影响,弊端较为明显.提出一种采用可操作度矩阵的逆向运动学控制算法,引入可操作度模型进行肢体末端效应器运动路径的生成,与HAL链IK分析求解方法相结合,实现了真实感较强的肢体实时运动控制.通过仿真和动作捕获实验验证了算法的有效性,可应用于人机工程仿真中的避障控制和干涉检查.     

差异化运动参数的有效挖掘技术仿真

研究运动参数准确挖掘方法.在运动参数挖掘的过程中,由于图像采集时间间隔比较短,短时间内运动幅度的变化非常小,所以很难对运动参数差异性进行准确的描述,无法实现运动参数准确挖掘.提出利用蚁群聚类算法的运动参数挖掘方法.根据约束模糊聚类相关原理,获取运动参数特征聚类目标函数,对特征差异目标进行最大化处理,完成运动参数特征提取.计算残留信息素对于聚类中心的隶属度,设置合理的蚁群目标搜索调整因子,计算聚类中心和对应的偏差,并对偏差进行有效补偿,完成参数挖掘.实验结果表明,利用改进算法进行运动参数挖掘,能够有效提高挖掘的准确性,提高数据管理的效率.     

应用剖分遥感影像模板快速提取作物种植面积

全球剖分理论为全球海量遥感影像数据的组织管理和多尺度遥感影像的作物提取和识别提供新的解决思路．结合基于地图分幅扩展的全球剖分模型及其剖分面片的几何特征,阐述剖分遥感影像模板的概念模型和数据模型,提出利用剖分遥感影像模板来提取作物种植面积的处理流程．并给出不同尺度范围提取作物面积适宜选取的剖分级别和影像分辨率。采用高分辨率遥感影像初步尝试对河南省许昌地区小麦种植面积进行提取,通用遥感影像处理软件相比,其精度和速度都有一定的提高．     

基于实时动作捕捉技术在影视动画中的研究

随着《金刚》、《加勒比海盗2》、《阿凡达》等一系列影视作品的热映,这些影片中的虚拟角色可谓是深入人心,深受观众的喜爱.这些虚拟角色的建立不同于传统的3D影视动画制作,而是取自于真实的人物动作和表情.综述了目前动作捕捉领域中几大主流动作捕捉系统,并且详细讲解了动作捕捉技术在影视动画领域的应用,最后提出了一种新的动作捕捉设计方案-无标记点的动作捕捉设计.     

基于改进选择性BPSO算法的配电网降损重构研究

为了降低配电网的有功功率损耗以及提高开关利用率,利用Sigmoid函数对二进制粒子群优化(BPSO)算法中的粒子位置更新进行改进,并通过添加修改曲线的参数对函数进行选择,提出了一种改进选择性二进制粒子群优化(IS-BPSO)算法来求解配电网降损重构问题.该算法以降低配电网的功率损耗为目标,有效地控制粒子的变化速率并提高种群的收敛性.通过33母线和94母线的配电网测试系统进行仿真模拟,结果表明,该算法具有很强的鲁棒性和全局寻优能力.     

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.     

基于 KingSCADA 的运动控制状态监测系统

分布式运动控制大量应用于激光装置的自动准直控制组件中,针对大型激光装置运动系统规模大、诊断要求高的特点,独立于运动控制系统之外,基于KingSCADA组态软件构建运动控制状态监测系统,实现控制对象的运行记录归档、故障查询,提升运动控制系统在线诊断分析能力;状态监测系统在大型激光装置自动准直控制组件中得到了应用,实现了电机故障的记录和查询,并通过状态监测系统的历史数据积累,为运动控制系统的智能故障诊断和预测提供了分析数据基础.