黄土垂直和构造节理的几何差异性及拓扑学研究

黄土节理是地下水的赋存场所和运移通道,它们使土体破碎进而影响稳定性和强度,是各类地质灾害的构造基础,准确分析其发育特点和展布规律,是理解黄土频发灾害的关键步骤。通过现场调查、数理统计和拓扑分析,对陇西地区黄土进行系统研究。结果表明:①陇西地区主要发育优势走向为NNW、NWW和NE向的构造节理,这是受区域内走滑断裂带和逆倾滑断裂带影响的结果;②构造节理优势组的产状服从高斯正态分布,倾角多为60°~80°,垂直节理的产状随机分布、离散型较强;③2种节理的平均间距均较宽,张开度属“开裂”范围,延续性中等,但垂直节理的间距分布范围更集中,构造节理的张开度相比更小;④拓扑分析显示I型节点占主导,节理延伸过程易被中断,分支比处于3以下的低水平,该方法能更简单、直观地描述连通性。研究结果可以为新构造应力场恢复、掌握黄土节理发育基本规律、节理网络数值建模等提供基础数据。     

尾缘形状对低压涡轮叶栅气动性能的影响

为减小高负荷低压涡轮叶型损失,提高低压涡轮叶栅气动性能,采用数值模拟方法研究尾缘形状对高负荷前加载低压涡轮叶栅L2F气动性能的影响.对比尾缘偏斜、增加尾缘厚度和Gurney襟翼对叶栅能量损失和流动的影响.结果表明:3种尾缘形状都能增加气流折转角,在低雷诺数时减小能量损失,在高雷诺数时增加损失,但总体上尾缘偏斜提高气动性能的效果更好.雷诺数为20 000、湍流度为3%时,尾缘偏斜能够减小16.5%叶栅能量损失,增加3.3%气流折转角.3种尾缘形状都使主流发生偏转,加速了吸力面边界层流动,抑制了流动分离,有利于减小损失;但尾缘改型增强了尾缘后流动掺混,会增加损失.     

基于新型Canny算法雷达距离图像边缘检测算法

针对激光雷达距离像的噪声滤波和边缘检测问题,提出了一种结合改进环圈滤波算法和自适应Canny算法的距离像边缘检测算法.通过改进环圈滤波对距离像的噪声进行抑制,在滤除噪声的同时保留了图像的细节特征信息.从梯度幅值计算、非极大值抑制和阀值自动选择3个方面对传统Canny算法进行改进,克服了噪声影响和边缘检测模糊等缺点.实验结果表明,该算法能够可靠的对距离图像进行边缘检测,并且检测结果的信息熵和标准差指标数据优于传统的Sobel算法和Laplace算法,能够较好地满足激光雷达距离像边缘检测的实际需要.     

基于数学形态学和改进Otsu的单板缺陷检测

在经典检测算子中,针对单板灰度图像的缺陷检测存在缺陷边缘检测不清晰甚至出现伪边缘的问题,提出了一种Otsu改进算法与数学形态学相结合的单板缺陷检测算法.在HSI彩色空间中,对利用数学形态学滤波后的H、S、I分量采用本文算法进行分别处理,并将三分量的检测结果进行叠加.结果表明,该算法能够准确检测出单板的一个或多个缺陷边缘.与经典边缘检测算子的检测结果对比可知,该算法无论对于缺陷的定位还是边缘的提取均优于其他方法.     

边缘计算中基于博弈论的数据协作缓存策略研究

针对边缘计算中服务器存储能力有限的问题,提出一种基于博弈论的数据协作缓存策略。该策略根据基站覆盖范围将边缘计算环境划分为多个区域,每个区域与相邻区域协作缓存数据资源。在每个区域中,计算每个数据块对本地区域及相邻区域的缓存价值,根据待缓存资源的缓存价值进行缓存决策,最小化用户获取数据资源的延迟。仿真实验结果表明,提出缓存策略比现有非协作缓存策略数据资源平均获取延迟降低了36.55%,有效降低了数据资源平均获取延迟。     

基于边分类的SVM模型在社区发现中的研究

社区发现是复杂网络研究的重要内容,也是分析网络结构的重要途径。分析了社区发现研究中存在的问题,提出了一种基于边分类的SVM模型。通过边顶点相似度和边介数来表示边的特征,从而构造分类函数。利用LFR生成社区结构已知的人工网络,通过人工网络数据训练基于边分类的SVM模型,对分类函数的参数进行估计,利用训练模型对真实网络进行社区分类并通过标准化互信息(NMI)和整体准确度来评价分类效果。实验得到了较高的整体准确度和NMI值。实验表明基于边分类的SVM训练模型对真实网络数据的社区划分有较高的准确度,表明该方法是可行的。     

柔性后缘单索传动机构的设计与分析

为满足柔性后缘结构空间的限制条件,设计一种用于驱动柔性后缘变形的单索传动机构.建立基板和单索耦合的非线性微分方程,给出了求解方法和具体算例.分析结果表明:所设计的单索传动机构可以实现后缘结构在0°和20°偏角范围内的任意变形,偏转角和驱动力之间以及偏转角和索位移之间均具有较好的线性关系;索施加在各个限位滑轮上的压力随着后缘偏转角的增加而增大,作用在限位滑轮的最大压力仅为输入力的20%左右.所研究的成果可为柔性后缘的驱动结构设计提供一定的理论依据.     

一种改进Papoulis-Gerchberg的多幅超分辨重构方法

为进一步提高拍摄图像的分辨率,提出一种改进的Papoulis-Gerchberg超分辨算法.新算法提出边缘检测方法,可以改善传统方法空间复杂度和重构图像边缘模糊的问题.新算法在原有的算法基础上融于边缘检测,针对多幅同一场景输入图像,在每次Papoulis-Gerchberg迭代过程加入坎尼检测,同时将每步的重构误差投影到下一步重构过程,降低了算法空间复杂度,能有效恢复丢失的边缘高频信息.MATLAB实验结果表明,与现有的经典超分辨重构方法相比,本算法反映图像质量的峰值信噪比和灰度标准差更高,信噪比和灰度标准差比改进前算法分别提高0.5 d B和2.5.从视觉感官上对比,重构图像整体效果也更加清楚,去除了原始重构方法图像边缘叠影现象,有效提高了原始输入图像的分辨率.     

高阶马尔可夫链无线链路连通性建模

针对动态无线网络对高精度链路连通性建模的需求,结合无线电波传播特性和节点运动模式,基于高阶马尔可夫链建立链路连通性模型.采用统计方法获取模型参数转移概率矩阵,并利用模型评估链路生命时间等网络特性参数.通过仿真实验分析链路生命时间精度与马尔可夫链阶数的对应关系.研究表明,链路生命时间精度随着马尔可夫链阶数增加而提高,四阶以上马尔可夫模型生成的链路生命时间精度提升不明显.相比多状态一阶马尔可夫链路连通性模型,四阶马尔可夫模型在仿真链路生命时间时误差降低68%.     

基于多维模式分析对说谎的脑网络特征识别

为了研究说谎时的脑网络特征,采集了32个被试在说真话和说谎条件下的功能磁共振数据,预处理后利用AAL模板构建不同条件下的功能连接网络,再利用基于机器学习的多维模式分类器对说谎和说真话进行分类。该分类器取得了良好的分类正确率82.03%(说谎84.38%,说真话79.69%),并提取了辨别说谎和说真话的有效的功能连接模式。结果表明了使用大尺度的功能连接对说谎和说真话进行分类的良好性能,并且从脑网络角度揭示了说谎的特征。