大坝安全监测数据粗差识别方法的比较与改进

大坝安全监测的主要目的是了解大坝坝体及基础的实际工作状况,尽早发现异常现象并进行必要的处理以确保大坝安全运行.监测数据的采集与处理是大坝安全监测工作的重要环节,在处理监测数据时往往会遇到粗大误差.在充分收集、分析国内外相关研究成果的基础上,依托冶勒水电站、宝珠寺水电站等实际工程,重点研究了几种粗差识别方法,探讨了其适用范围.通过对传统粗差分析方法的改进,提出了适用于大坝安全监测数据预处理的方法,即引入数学模型计算残差,通过残差来判断原始数据系列中的粗差.     

鲁棒回归在水工建筑物安全监控模型建立中的应用

建立水工建筑物安全监控模型是预测和控制大坝的运行、避免重大事故发生的不可或缺的重要手段,而大坝安全监测数据中经常出现的异常值对监测模型的稳定性和精度产生较大影响,针对这个异常值问题,采用鲁棒回归方法,有效地剔除或削弱了监测数据中的异常值的影响,实例分析表明:在监测数据中含有异常数据的情况下,基于鲁棒回归的大坝安全监测模型的稳定性和预测效果能够得到保证。     

鲁棒回归在水工建筑物安全监控模

建立水工建筑物安全监控模型是预测和控制大坝的运行、避免重大事故发生的不可或缺的重要手段，而大坝安全监测数据中经常出现的异常值对监测模型的稳定性和精度产生较大影响，针对这个异常值问题，采用鲁棒回归方法，有效地剔除或削弱了监测数据中的异常值的影响，实例分析表明：在监测数据中含有异常数据的情况下，基于鲁棒回归的大坝安全监测模型的稳定性和预测效果能够得到保证。     

基于KD-Tree与DBSCAN的水电机组状态监测数据清洗方法

针对水电机组状态监测数据量逐步增大,数据质量差的问题,提出了一种基于改进K维树（K-Dimensional Tree,KD-Tree）与基于密度的空间聚类算法（Density-Based Spatial Clustering of Applications with Noise,DBSCAN）的水电机组状态监测数据清洗方法,首先对输入数据建立KD-Tree,再使用DBSCAN在最近邻样本上扫描完成聚类,聚类结束以后会分离出噪声点,将噪声点去除即可完成对水电机组状态监测数据清洗。选取某水电站状态监测系统上导摆度数据1 088条,再以相同时间间隔插入随机数据100条,通过算例与常规DBScan、K-means、OCSVM算法对比聚类性能与时间性能,所提出的方法识别正确率最高,为97.78%,消耗时间最少,为0.007 732 s,数据清洗效果最优,并可以大幅减少计算时间。     

SVM大坝变形监测模型研究

大坝的变形监测数据是一个复杂的非线性的时间序列,采用传统的建模方法存在拟合和预报精度低等问题。传统算法中,基本遗传算法不能确保全局最优收敛,而普通多变异位自适应遗传算法在进化初期对群体不利,容易导致进化走向局部最优。针对这一问题,提出一种基于改进的多变异位自适应遗传优化支持向量机(SVM)的建模方法。多变异自适应遗传算法采用二进制多点交叉,可根据个体适应值大小,自动选取合适的交叉概率和遗传概率,针对遗传算法易陷入局部最优点,对上述遗传算法进行改进,并利用该算法对支持向量机的模型参数进行寻优。将上述建模方法用于大坝变形监控模型的建立,结果表明该组合算法能有效提高模型的拟合和预报精度。     

大坝自动监测数据异常值识别的改进数据跳跃法

大坝安全自动化监测过程中,大量数据中的异常值识别已成为亟待解决的难题。将一种较为实用的识别方法——数据跳跃法进行改进,并利用Matlab进行编程实现。通过对某混凝土重力坝自动监测数据进行处理验证,证明此改进数据跳跃法更准确实用。     

基于VINS-MONO和改进YOLO v4-Tiny的果园自主寻筐方法

面向果园运输车果品采收自主运输作业场景，提出了一种基于VINS-MONO和改进YOLO v4-Tiny的果园自主寻筐方法。首先基于VINS-MONO视觉惯性里程计算法，进行果园运输车位置姿态的实时估计。然后基于改进YOLO v4-Tiny目标检测算法，根据图像数据进行果筐实时目标检测并获取对应深度信息。其次根据运输车当前位置姿态、果筐深度信息以及深度相机内参，进行被识别果筐位置更新。最后基于三次B样条曲线拟合原理，以被识别果筐位置为控制点，进行寻筐路径实时拟合，为果园运输车抵近果筐提供路线引导。试验结果表明：改进YOLO v4-Tiny果筐识别模型的平均识别精度为93.96%,平均推理时间为14.7 ms, 4 m内的果筐距离定位误差小于4.02%,果筐角度定位误差小于3°,果园运输车实测平均行驶速度为3.3 km/h,果筐搜寻路线平均更新时间为0.092 s,能够在果树行间和果园道路两种作业环境下稳定实现自主寻筐。该方法能够为果园运输车提供自主寻筐路径引导，为其视觉导航提供研究参考。     

Kinect获取植物三维点云数据的去噪方法

为解决Kinect获取的玉米三维点云数据噪声影响三维重建精度的问题,根据Kinect所获取的点云数据特点,采用多帧数据融合的方法获取更完整的三维点云数据并对点云数据进行初步平滑;通过对Kinect所获数据噪声进行分析,提出了一种基于密度分析和深度数据双边滤波的方法,分别对离群点噪声和内部高频噪声进行处理。以Kinect获取的玉米及茄子的三维点云数据进行去噪实验,所用去噪时间仅为传统双边滤波去噪时间的2.71%和1.78%,并且能够达到很好的去噪效果。结果表明,所提方法能够方便、快捷地去除不同尺度的噪声,同时保留边缘数据的完整性,获得良好的植物三维点云数据。     

基于M-估计的线性化稳健配准算法研究

复杂曲面在制造中的广泛应用对曲面配准技术提出了新的要求,特别是不同区域精度存在差异的复杂曲面配准问题日益突出。为了稳健估计思想推广到不同区域精度存在差异的复杂曲面配准,给出了基于M-估计的一种稳健配准算法。该算法利用M-估计子削弱复杂曲面低精度数据对配准结果的影响,但是这一模型目标函数是高度非线性的分段函数,求解效率不高。现有配准方法已能够迅速获得较好初始位置,因此利用Taylor展式线性逼近偏差函数,得到配准问题M-估计的线性化模型,提高了配准模型估计效率。每步迭代利用F-范数最小逼近旋转矩阵。对仿真数据和实测叶片数据进行试验,结果证明,对精度存在差异的复杂曲面所提算法比最近点迭代算法更加合理。     

基于滑膜观测器的无刷直流电机系统的设计

引入滑模变结构的原理,在无位置传感器的方式下来实现电机的控制,采用滑模观测器(SMO)代替传统的位置编码盘来识别和确定转子位置,以实现无刷直流电机的较高精度和较好动静态性能的闭环控制。针对传统滑模电流观测器的抖振大的缺点,提出采用多种不同函数构建滑模电流观测器,构建分数阶锁相环取代直接估计的方式提高观测性能,最后对改进算法通过MATLAB/Simulink搭建仿真模型,并与传统滑模的估计效果进行了比较,验证了改进算法的有效性,系统设计的可行性以及针对各种条件下系统的鲁棒性。     

稳健估计在变形监测中的抗差性分析

最小二乘的方法在测绘工作中应用的相当广泛,最小二乘默认的是数据已经不再含系统误差、粗差等误差的影响因素,然而在实际工作中粗差是不可能不存在的。稳健回归的分析方法能够适当减少样本中粗差对整体带来的影响。本文通过MATLAB分别采用最小二乘、稳健回归的方法分析某大坝沉降的变形监测数据。通过对比,总结出稳健回归分析对样本中存在较大粗差的数据具有很好的抗差性。     

基于改进ORB-SLAM2的单目视觉算法

【目的】视觉SLAM算法受光照强弱或低纹理等场景的影响,导致产生特征提取鲁棒性差、位姿计算精度低等问题,为解决上述问题展开针对性研究。【方法】研究团队提出基于改进ORB-SLAM2的SuperPoint-SLAM算法模型,将ORBSLAM中的特征匹配模块替换成基于SuperPoint网络的特征匹配,并据此进行特征跟踪、局部建图、关键帧识别、回环检测、位姿估计。将改进后SLAM算法与ORB-SLAM2算法分别在freiburg3＿sitting＿xyz与freiburg3＿walking＿xyz＿validation两个数据集进行训练验证。【结果】SuperPoint-SLAM算法在动态环境中具有比ORB-SLAM2更高的定位精度,在特征点提取数量上提升近50%,轨迹误差减少0.008 m,而且在强弱光照条件下,基于SuperPoint网络的单目SLAM相较ORB-SLAM2有更强的鲁棒性。【结论】研究团队将利用Kinect2.0,基于SuperPoint与ORB-SLAM2,进一步进行稠密地图构建,实现机器人导航。     

IGG抗差估计在高程拟合中的应用研究

针对在实际生产中测量数据会不可避免受到粗差的影响,笔者选取IGGI、IGGⅢ方案,用MATLAB进行虚拟仿真,并在高程拟合中进行抗差估计实验。实验结果表明:以IGG权函数为代表的稳健估计对粗差有较好的抗性,且IGGⅢ抗差效果最好。     

基于多条件时间序列的免耕播种机作业数据清洗方法

为提高作业监测数据状态预测精度,并保证无效数据的实时清洗,提高数据质量并降低监测设备的缓存压力,从而降低对后续地块作业质量评价准确性的影响,减轻数据并发带来的网络压力,本文针对免耕播种机长时序的田间周期性作业规律,提出基于多条件时间序列分析的监测数据清洗方法及模型,该模型包含3个长短时记忆特征提取模块,分别提取了工况参...     

基于分簇数据融合的农产品冷链温度监控方法

针对现有基于无线传感网络的农产品冷链物流监测系统,传感器节点数据传输量大,带宽利用率低、能耗高,网络生命周期短的问题,提出了一种基于算术平均值与分批估计的簇内数据融合及自适应加权的簇间数据融合冷链温度监测方法。首先利用疏失误差对采集数据进行预处理,然后利用平均值与分批估计方法对簇成员节点发送的数据进行融合处理,最后簇头节点利用自适应加权算法对接收到的成员节点数据进行进一步的融合处理。实验证明,基于该数据融合方法的冷链监测系统网络生存周期相比传统方法提高了34.2%,稳定周期相比于传统低功耗自适应集簇分层型协议提高了11.4%,数据融合精度高于传统算术平均值法7.6%,系统能耗每轮降低约32.5%。能够有效降低冗余和可信度较差的数据对测量结果带来的影响,减少不必要数据传输损耗,降低了冷链物流成本,提高了农产品冷链物流信息化程度。     

基于灰色理论的城市日用水量缺失值估计方法

针对传统日用水量数据补缺法存在主观性较强的不足,提出了缺失值的灰色组合插值法。利用自相关系数法分析日用水量序列,确定与缺失值相关性较大的前和后日用水量序列;基于灰色理论,根据前后序列,分别对缺失值进行后插和前插预测;优化组合前后插值,获得缺失值的组合预测值。实例分析结果表明,与传统的平均值法相比,本文的计算方法具有更高的预测精度。     

基于曲线拟合与数据相似度的自动对焦算法

开环控制是自动对焦系统中常见的控制方式,但受图像噪声、系统迟滞误差影响,存在对焦精度差甚至对焦失败等问题。为解决这一问题,提出一种基于曲线拟合与数据相似度的自动对焦算法。该算法将曲线拟合与数据相似度算法相结合,准确计算出精准对焦位置。实验结果表明：该算法相比传统自动对焦算法具有更高的精度和抗噪性,可有效避免迟滞误差影响,适用于开环控制的自动对焦系统,适合农用机械的智能化运用。     

差线栅位移传感器参数设计准则

差线栅位移传感器的机械参数对其性能有决定性的影响.其参数设计过程中需考虑的因素和遵循的规律比较独特.推导了含有分辨率准则、精度准则、幅值准则、波形准则的差线栅位移传感器参数设计准则,为传感器的结构设计和机械参数选择提供了理论依据.     

基于激光雷达的作物收获导航线实时提取方法研究

为提高联合收获机无人驾驶导航路径的精度,本文提出一种基于激光雷达的作物收获导航线实时提取方法。搭建点云数据采集系统,利用平面拟合法确定激光雷达安装高度和安装角度。利用三维激光雷达扫描收获机前方作物的点云数据,结合IMU惯性传感器反馈的姿态信息,实现作物点云数据从激光雷达坐标系到车体坐标系的变换。基于激光雷达扫描视场角、安装高度和安装角度获取感兴趣区域（ROI）的坐标,并对感兴趣区域进行直通滤波和统计滤波,去除灰尘、秸秆粉末等噪声的影响,以实现点云数据无效点和离群点的剔除。提出一种基于栅格八邻域高程差的作物收获导航线快速识别算法,以点云栅格化后在Z轴方向上的坐标值作为检测依据,定义某一栅格与其8个相邻栅格在Z轴坐标上的差值为高程差,遍历栅格并根据设定阈值进行比较判断,实现收获边界点的有效提取。采用最小二乘算法进行收获边界点的拟合,实现田间作业过程中作物收获导航线动态提取。田间试验表明,该方法具有较好的鲁棒性,能在作物稀缺、杂草较多等情况下保持较高的准确性,其中前进方向偏差角平均值为0.872°,割台横向偏差为0.104m,收获导航线准确率为93.5%,可为联合收获机工作提供辅助导航,提高无人驾驶的准确率。     

基于卷积型小波包变换的信号降噪研究

提出了一种基于卷积型小波包变换的多尺度降噪方法。采用卷积型小波包变换,克服了传统小波包变换数据点数随分解尺度的增加而呈指数减小的问题;改进了噪声方差估计方法,较好地保留了信号的主要细节;采用了新的阈值函数,其表达式简单易于计算,同Donoho软阈值函数具有相同的连续性,且克服了软阈值函数中估计小波系数与分解小波系数之间存在着恒定偏差的问题。仿真结果表明,新的降噪方法有效抑制了在信号奇异点附近产生的Pseudo-Gibbs现象,在降噪精度上优于传统的小波包降噪方法。