结构光三维测量系统的建模与标定

改进了结构光三维测量系统的数学模型,将投影仪的内外部参数引入其中,并在该模型的基础上采用了一种投影仪标定的新方法.为了提高黑白摄像机在暗区的对比度用红/蓝棋盘代替了黑/白棋盘.将投影仪看作是摄像机的倒置,统一了标定摄像机和投影仪的方法.在3dMA×仿真环境下分别标定了摄像机和投影仪,标定实验的相对误差小于0.32%.利用已经标定的结构光三维测量系统进行重构仿真实验,测量误差小于0.136mm.     

叠前成像方法联合应用与配套处理技术分析

分析了叠前成像技术的理论优势，通过对叠前时间偏移和叠前深度偏移两种叠前成像方法的特点及其适应性条件的对比分析，指出叠前时间、深度偏移方法的联合应用，是当前叠前成像工作的一个理想之路。对影响陆地资料叠前成像效果的各种相关因素作了探讨，指出叠前配套处理技术的成功应用是当前陆地资料叠前成像取得成功的关键。     

基于AHP-灰色定权聚类的低压计量箱状态评估

影响低压计量箱运行状态的因素较多,且存在模糊性,为解决这一问题,采用AHP-灰色定权聚类评估低压计量箱运行状态。首先给出低压计量箱运状态定义;建立了低压计量箱层次化模型;计算出各层指标权重;再利用灰色聚类方法进行聚类分析;最终完成低压计量箱的状态评估。实例分析结果表明了该方法的合理性与可行性。     

炸药震源激发参数与场地质点振动响应关系探讨

地震勘探已深入到乡镇、城市等人口密集的复杂地表区域,炸药震源对房屋建筑安全影响研究直接关系到激发参数的优化。在大量震源激发与场地振动试验数据的基础上,采用统计分析和回归方法,重点分析了不同炸药震源激发参数引起的场地质点振动的位移、速度、加速度振幅,主频,持续时间以及振动方向等特征参数,总结了场地质点的振动响应、衰减关系、房屋建筑振动特性及其抗震性能。结果表明,激发井深的变化对场地质点峰值衰减快慢的影响比药量变化的影响要大;建筑物对振动速度、位移有明显的放大效应,在距离激发点130和230m处的加速度、速度、位移放大效应尤为突出。     

基于GJB/Z299C的智能电能表关键元器件可靠性预计

针对国产智能电能表存在的一些问题,提出对智能电能表关键元器件进行可靠性预计,同时以GJB/Z 299C为基础,设计了关键元器件可靠性信息输入表。研究了智能电能表的主要故障类型,对各主要故障类型进行统计分析,给出了导致故障的关键元器件;基于GJB/Z 299C,设计出各关键元器件的可靠性信息输入表,通过填入相关数据信息,再进行相关计算,即可获得各关键元器件的工作失效率。该方法简单易行,已在企业中实行,对提高国产智能电能表可靠性具有一定的现实意义。     

胜利油田高精度三维地震采集技术实践与认识

胜利油田三维高精度采集技术的发展共经历了3个阶段,从最初的探索阶段、发展阶段,到现在的提高阶段,随着高精度地震采集技术的发展,形成了以高精度观测系统设计技术、高品质震源与激发技术、高保真信号接收与点位测量技术、精细近地表结构探测技术为核心的高精度地震采集技术系列。通过这些技术的应用,取得了较好的地质成果,为油田持续稳定的发展发挥了重要作用。     

电能表故障与地域气候、行业负荷关系研究

通过对电能表运维地区气候环境、电网负荷的数据采集、量化与聚类分析,依气候特征划分用电地区,同时按电网负荷特征将用电行业分类,结合电能表在各个地区与用电行业的故障统计数据,最终,将电能表按气候严酷程度划分6个地区,作为区域化配置电能表的依据;同时,从对烧表故障影响较大的7种负荷入手进行负荷特征描述与研究,推进了实验室条件下的电能表故障和失效机理的研究,利于对电能表从元器件筛选、设计、生产工艺等各个环节提出改进措施,降低电能表故障率。     

基于正反图案的亚像素条纹边缘检测方法

为了精确确定格雷码条纹边缘,提出了一种基于正反格雷码图案的直线拟合的条纹边缘定位方法．该方法向测量空间投射条纹宽度相等的正、反色格雷码图案,用摄像机拍摄得到经编码图案调制的强度图像,提取两幅强度图像的条纹边缘区域并对其进行直线拟合,求取两条拟合直线的交点,并将其作为边缘点．采用行扫描的方法求取图像中每一行的边缘点,即可得到图像的条纹边缘．文中具体介绍了测量系统组成、测量及定位原理,分析了具体实现过程．实验结果表明,该方法的相对定位误差小于1％．     

基于改进GM(1,1)模型的智能电能表集抄数据二次出账研判

针对智能电能表集抄数据出账存在的若干问题,融合动态初值与新陈代谢建模思想,提出了基于改进GM(1,1)模型的智能电能表集抄数据二次出账研判方法。依次将原始数据序列中数据作为GM(1,1)模型的初值,推断出残差最小所对应的初值,进而可获得使GM(1,1)模型残差最小所需的数据维数,再利用新陈代谢的建模思想,建立改进GM(1,1)模型,将改进GM(1,1)模型应用于首次出账失败的智能电能表集抄数据二次研判,结果表明,相较最小二乘法与传统GM(1,1)模型,改进GM(1,1)模型具有更好的预测精度,更适合智能电能表集抄数据二次出账研判。