高校实验室安全管理的研究

针对高校实验室安全管理的薄弱环节及突出问题,从完善实验室安全管理制度、加强安全教育宣传培训、提升智能化安全管理能力等方面,结合东南大学实际情况,深入探索实验室安全管理工作,为今后的实验室安全管理提供参考。

人群疏散行为仿真技术研究

提出并建立了一种人群疏散仿真模型。针对疏散空间中障碍物的动态布局,采用网格法获得各障碍物包围盒坐标,依据最短路径原则采用几何法确定每个个体起始疏散路径,解决了人群疏散的空间连续性问题。针对人群疏散时个体之间的差异性,依据个体与个体之间的作用力、摩擦力动态改变个体的行进方向,以及依据人群密度采用人群疏散速度模型实时确定每个个体的运动速度,解决了个体之间的动态避碰、绕行和超越等问题。针对人群疏散时多个出口的选择问题,提出了把出口拥挤状态与个体心理慌乱状态相结合的出口选择方法。最后采用粒子系统实现了上述人群疏散行为的二维仿真并取得了较好的效果。

虚拟角色动作编辑及运动控制

为了直接利用虚拟角色表面模型进行动作编辑及运动控制,提出了一种通用的虚拟角色骨骼建模及运动控制方法.该方法通过对分块的虚拟角色表面模型进行边缘判定、关节点计算、最顶块确定,然后按层次连接各关节点生成虚拟角色骨骼模型.在此基础上根据虚拟角色行走运动模型和运动约束关系,研究了基于参数关键帧技术的运动过程动画制作、不同运动间自动插补动画的动作平滑过渡技术以及利用动作幅度权值对动作姿态的调整技术.最后,采用实时控制和路径点控制2种方式进行了虚拟角色在虚拟场景中的运动控制,取得了较好的实现效果.

程序温控仪中PID参数自整定算法

提出了一种适合于程序温控仪使用的ＰＩＤ参数自整定算法，介绍了该算法原理和软件设计，并将此算法应用于实际的控制系统中，取得了良好的控制效果。

基于IC卡的开放型机房管理系统的设计

介绍了基于IC卡的开放型机房管理系统的设计和应用,并对具体功能进行了剖析。

增强现实中人工标志识别方法研究

人工标志识别包括标志区域识别和标志图案识别,它是实现增强现实的重要步骤。通过对包含人工标志的图像进行二值化,采用连通域提取的算法实现了标志区域识别。对不同标志图案识别问题,提出了连通域数量判别法和模板匹配法。实验结果表明,所提方法能较好地识别人工标志,为实现虚实场景的实时融合打下了基础。

虚似人群行为的建模和实现方法

分析人群在正常和紧急状态下的行为特点,建立虚拟人群仿真的7种典型行为模型.依据人的行为判断过程,设计虚拟人行为控制的多层次结构.采用虚拟视觉和速度密度模型,建立虚拟人的动态避碰模型;采用九宫避碰策略,研究虚拟人对静态和动态障碍物的路径规划.针对虚拟人群的行为驱动方法,通过设计虚拟人群行为属性来描述虚拟人群将采取的行为状态;通过产生式规则实现虚拟人群行为仿真的事件/响应模式.最后把虚拟人群行为的建模和实现方法应用在人群紧急逃生三维模拟中,取得了较好的效果.

虚拟角色骨骼模型建立方法研究

针对传统虚拟角色建模方法需要大量人力和时间的缺点,提出了一种虚拟角色骨骼模型自动生成方法。该方法通过对角色模型分块,再对各个块进行边界抽取,找到关节点,然后根据块的层次关系自动生成骨骼模型。最后探讨了应用骨骼平滑和边界缝合算法解决角色模型运动不自然的问题。

基于长短时记忆网络的水质预测模型研究

在当前水质数据急剧增加的背景下,为了挖掘水质时间序列中的更多信息,提升水质预测的精度,构建了基于缺失值填补算法和长短时记忆网络(LSTM)相结合的水质预测模型。通过缺失值填补算法进行水质数据的缺失值处理,利用LSTM网络分别构建不同水质参数的预测模型,以太湖水质监测数据为样本,对模型进行检验。结果表明,基于缺失值填补算法-LSTM的水质预测模型适应性强,相较传统SVM、BP神经网络、RNN、LSTM模型预测精度更高,对水环境保护具有重要意义。

基于向量自回归模型的水质异常检测研究

水质异常检测对保障用水安全具有重大意义。为了准确有效地判断水质异常,提出基于向量自回归（VAR）模型的多参数融合水质异常检测算法。VAR模型是自回归（AR）模型的一种扩展。通过AR模型和VAR模型跟踪和预测水质背景数据,计算预测残差,与设定阈值比较判断水质是否异常。结果表明,与基于AR模型的水质异常检测算法相比,基于多参数融合的VAR模型在水质背景数据跟踪上具有更好的准确性,能够实现较高的异常检出率和较低的异常误报率。

一种便携式汽车制动性能检测仪

应用非接触光电传感器和嵌入式系统技术 ,研制了适用于汽车道路试验用的制动性能检测仪。实测表明 ,该仪器具有运行可靠、操作简单、报表清晰等优点。

“计算机结构与逻辑设计”课程改革实践

"计算机结构与逻辑设计"是一门知识性和实践性都很强的课程。作为电类专业的基础课程,各高校都在不断探索更有效的教学模式。本文介绍了基于认知特点的教学活动模式,通过营造互动环境,采用实践、理论再实践的教学过程,注重教学内容的时代性,通过实施多样的教学手段、科学的课程考核方式等措施,全面调动学生的求知欲和发现问题、分析问题及解决问题的积极性,达到提高综合素质培养的目的。

寒区试车场数字化管理系统应用研究

车辆的寒区性能试验、可靠性试验等试验是评定车辆各项指标的重要手段,只有严格按照规范行驶和及时记录试验数据,才能保证试验不失真,保证试验的质量。本文基于数字李生、无线通信、高精度定位、智能化流程管理等先进科学技术,构建寒区试车场数字化管理系统,能够实现科学高效的试验场地管理,实现车辆试验业务预约管理、试验过程实时监控、安全预警、试验车辆调度、试验数据统计、试验场能耗管控等功能,对试验的全过程、全要素进行高效、精确、安全及智能化管理,为试车场地运营调度管理提供有力保障。

汽车制动系统试验装置的开发及应用

研究和开发了基于GB12676—1999标准的汽车制动系统试验装置,该试验装置所测量的参数有:车轮的转速、转矩,整车速度,制动管路压力,踏板力,制动蹄片的温度等。为具备这些功能,本装置由传感器部分、信号处理部分、数据采集部分构成。对汽车制动时车轮转矩的测量进行了深入分析,并编制了相应的采集处理软件,进行了系统的实车试验。

基于中介理论的车道线识别方法研究

以中介真值程度的数值化度量为基础,利用单个像素点的真值度,设计了新的图像去噪滤波算法。与经典算法相比,新算法具有较好的视觉效果。通过研究道路图像车道线的特点,采用中介距离比率函数来衡量像素点间相似程度,并设计了相应的图像边缘检测算法。与传统的道路图像边缘检测算法相比,新方法边缘增强效果显著。最后,基于道路直线模型,采用Hough变换实现了车道线的识别。

计算机结构与逻辑设计课程教学改革的探讨

介绍了基于认知特点的教学活动模式，通过丰富知识感性，营造互动环境，应用现代技术和注重考核过程等措施，调动学生的求知欲和解决问题的积极性，达到提高综合素质培养的目的。

基于1D-CNN的土壤全氮近红外光谱预测模型

于江苏无锡采集410个土壤样品测定土壤全氮含量,并在室内进行土壤样品光谱检测,用均值中心化、标准正态变换和趋势校正对光谱进行预处理,再运用偏最小二乘回归(PLS)、反向传播(BP)神经网络和一维卷积神经网络(1D-CNN)方法建立土壤全氮含量的回归预测模型。同时,每种模型在采用不同预处理方法的数据集上做十折交叉验证,记录预测模型的决定系数(R^(2))和均方根误差(RMSE)的平均值,对比3种预处理方法对模型精度的影响。结果表明:本研究基于土壤近红外光谱数据构建的1D-CNN模型预测土壤全氮含量结果可靠。使用原始数据与经均值中心化、标准正态变换、趋势校正预处理的数据训练得到的1D-CNN模型的R^(2)分别为0.907、0.931、0.922、0.964,而PLS模型R^(2)分别为0.856、0.863、0.861、0.880,BP神经网络模型的R^(2)分别为0.874、0.907、0.901、0.911。1D-CNN模型在原始数据和经预处理的光谱数据上的表现均优于PLS和BP神经网络模型,对光谱数据进行预处理能够有效提高1D-CNN模型的性能,尤其是趋势校正对模型的提升效果最明显。因此,1D-CNN能更好地提取光谱特征并建立其与含氮量的映射关系,有效地避免过拟合,在未经过预处理的光谱数据上依然能够达到一定的精度。

基于人工标志的增强现实技术研究

针对基于人工标志的增强现实技术,提出了通过标志识别、顶点提取、三维注册和相机融合这4个步骤来实现的方案。重点研究了三维注册,采用针孔模型分析了标志顶点的图像二维坐标与三维坐标的关系,提出了通过多元线形方程组来求解三维坐标的算法。介绍了相机融合的过程及原理,验证了整个方案的可行性。

图像的中介滤波算法与图像中介保真度度量

首先通过对图像噪声产生过程的分析,并根据随机性和模糊性的特征,提出新的图像噪声的定义;然后,以中介真值程度的数值化度量为基础,设计了新的图像去噪滤波算法.通过仿真实例,并采用经典的PSNR评价方法,与已有的典型算法处理结果比较表明,基于中介真值程度度量的图像去噪算法的去噪效果优越,因而更具有实用性和有效性.针对PNSR等经典评价方法的结果往往与人们主观视觉不一致的弱点,本文提出一种新的基于图像中介熵的图像保真度度量方法,对示例的评价结果表明,该方法符合人们的主观感受.

基于改进LRCN模型的驾驶行为图像序列识别方法

针对汽车安全辅助驾驶技术中驾驶行为识别精度低、收敛速度慢等问题,提出了一种基于改进LRCN模型的驾驶行为图像序列识别方法.采用自建驾驶行为数据集作为输入样本,经过金字塔降采样和高斯混合模型特征提取等预处理算法,得到标准视频图像序列,此序列传入以卷积神经网络和门控递归单元为基础搭建的网络模型做最优化处理,最终完成结果收敛.该模型使用Keras框架在GPU上计算,分别进行了环境适应性试验、预处理算法试验和模型对比试验.结果表明:预处理算法保证了模型的收敛,提高了模型对不同场景、不同测试对象识别的鲁棒性;在自建数据集上该模型的平均识别精度达94.3%,比传统LRCN模型高4.7%,且模型收敛的速度更快,泛化能力更强.