Identification of Acceleration Pulses of Near-Fault Earthquake Ground Motion by Wavelet

Acceleration pulses have been found in near-fault earthquake ground motions long ago and attracted lots of researchers, since such pulses, especially low frequency pulses have great impact on engineering structures. Many people previously focused on velocity pulses which result from acceleration pulses, however, recently a few researchers began to directly study acceleration pulses, such as to get high frequency pulses and low frequency pulses with empirical mode decomposition. Wavelet transform was utilized to decompose acceleration records. Subsequently high frequency and low frequency components of the records were obtained and acceleration pulses were identified. By comparisons in response spectra and structural nonlinear responses, it is proved that the decomposition of acceleration records with wavelet is reliable and the identification of acceleration pulses is correct.     

基于深度学习的多品种鲜食葡萄采摘点定位

鲜食葡萄品种多样,具有不同的形状和颜色。针对葡萄采摘机器人采摘不同品种鲜食葡萄时采摘点定位精度降低的问题,提出一种基于深度学习的多品种鲜食葡萄采摘方法。首先利用PSPNet(MobileNetv2)语义分割模型分割葡萄图像,在葡萄上方设置一个兴趣区域,在兴趣区域内使用自适应阈值果梗方向Canny边缘检测提取果梗边缘信息,然后采用霍夫变换检测果梗边缘上的直线段并进行直线拟合。最后将拟合的直线与兴趣区域的水平对称轴的交点作为采摘点。对晴天顺光、晴天逆光、晴天遮阴3种光照条件下的克瑞森、阳光玫瑰、红提和黑金手指4个品种的360幅葡萄图像进行采摘点定位试验。结果显示,采摘点定位准确率为91.94%,定位时间为187.47 ms,在模拟试验中采摘成功率为85.5%。     

基于HHT变换的PSO-LSSVM耦合模型估算气象资料短缺地区ET_0

为准确估算气象资料短缺地区参考作物腾发量,构建了一种基于HHT变换的PSO-LSSVM耦合模型,并利用新疆和田气象站2000—2009年单日数据做训练、双日数据做验证。结果表明,该模型估算ET0方法明显优于常规的PSO-LSSVM和GRNN,预测精度较二者分别提高了15.7%~85.6%和15.8%~93.7%;该方法预测ET0的气象要素重要性为RsTmaxTminRHWn,利用该方法对气象要素组合为Tmax/Tmin/RH/Wn、Tmax/RH/Wn、Tmin/Wn、Wn条件下的ET0预测,MSE分别为0.407、0.185、0.149、0.135,说明该方法可以很好地估算资料缺失地区ET0。     

基于小波变换模态参数识别原理的共振拆除法理论研究

提出了一种经济、安全的建筑物拆除法-共振拆除法。依据小波变换模态参数辨识原理,求得建筑物理论固有频率及模态参数;建立楼房数学模型,模拟安装多台激振器,遥控激振器发出与建筑物固有频率相同频率激励,使楼房共振。建筑物激烈振动而坍塌,实现安全拆除建筑物的目的。     

基于递阶遗传算法优化的交通流预测

及时准确地进行短时交通流预测是智能交通系统研究的关键内容之一。基于小波分析和模糊神经网络的相关知识,提出模糊小波神经网络的控制方法。将小波函数作为模糊隶属函数,利用神经网络实现模糊推理,从而完成对下一周期交通流量的预测,同时采用递阶遗传算法实现网络结构和参数的优化。经实测数据验证,预测精度高,运行稳定,适应性强。     

点云自适应切片方法研究

在反求工程(RE)中,对点云模型进行曲面重构不仅花费大量的时间,而且要求操作人员具有丰富的经验。而对点云切片则可避免曲面重构,直接生成层片文件,输入到快速成型(RP)机进行加工。但是点云切片的一个难题就是如何确定每层切片的厚度以保证切片的形状精度在误差范围内,提出一种基于距离图像的点云自适应切片的新方法,能够获得在给定的形状误差范围内切片层的最大厚度。     

水土侵蚀过程分析的小波精细积分法

将小波配置方法和精细积分方法相结合,提出了一种对水土侵蚀模型进行数值分析的新方法——小波精细积分法。与传统的有限元方法相比,本文方法属于半解析方法,对时间步长不敏感,可有效提高计算效率。数值分析结果表明了该方法的有效性。     

基于WT-CNN-LSTM的溶解氧含量预测模型

溶解氧（Dissolved oxygen, DO）含量是影响水产养殖产量的重要因素之一,具有时序性、不稳定性和非线性等特点,且其影响因子过多、存在复杂的耦合关系,难以实现精准预测。针对传统长短时记忆神经网络（Long short term memory, LSTM）预测模型易引入冗余数据,且在训练过长序列时会出现梯度消失现象,从而不能捕捉因子间长期的依赖性问题,提出了基于小波变换（Wavelet transform, WT）、卷积神经网络（Convolutional neural network, CNN）和LSTM的溶解氧含量预测模型。首先,使用WT降低数据噪声;然后,使用CNN深度挖掘各变量之间的潜在关系;最后,利用LSTM的时序性预测2h后的水产养殖溶解氧含量。结果表明,本文提出的WT-CNN-LSTM模型预测效果良好,其平均绝对误差、均方根误差和决定系数分别为0.138、0.229和0.954,比传统LSTM模型分别优化了28.87%、21.03%和4.61%。     

玉米籽粒内部组分低对比度透射图像精确分割研究

为解决玉米籽粒透射图像由于对比度较低造成内部组分提取不精确的问题,提出一种基于色彩通道非线性变换的多通道重叠区域分割方法,对玉米籽粒图像在灰度、R通道及b通道下得到的二值图像使用重叠区域原理,实现玉米籽粒组分的精确分割。首先,采集不同玉米品种的籽粒透射图像,提取单粒玉米籽粒;其次,采用多通道重叠区域法分割单粒籽粒图像,得到玉米籽粒胚部、角质胚乳和粉质胚乳3部分的图像;最后,以查全率和查准率评价多通道重叠区域法与传统图像分割方法对不同品种玉米籽粒的分割效果。不同品种玉米籽粒的分割试验表明:多通道重叠区域分割方法的查全率、查准率及综合评价指标均达到98%以上,分割效果优于传统的图像分割方法,能够实现不同品种透明角质玉米籽粒透射图像的精确组分分割。     

基于机械设备系统振动信号的状态参数研究

在机械设备系统状态监测与故障分形诊断中,可以利用混沌特征量对系统吸引子动态结构变化的敏感性从振动信号中提取状态信息,试验表明,利用小波包改进算法降噪后的振动信号关联维数能作为特征参数准确而可靠的反映系统的真实状态。