[目的]阐明不同算法在坡面侵蚀监测中的精度和适用性,进而为土壤侵蚀过程监测算法的选择和构建提供参考。[方法]于黄土丘陵沟壑区典型流域同一自然坡面建立5个小区进行径流冲刷试验,以TLS三维点云数据为基础,通过DEM of difference(DoD)...[目的]阐明不同算法在坡面侵蚀监测中的精度和适用性,进而为土壤侵蚀过程监测算法的选择和构建提供参考。[方法]于黄土丘陵沟壑区典型流域同一自然坡面建立5个小区进行径流冲刷试验,以TLS三维点云数据为基础,通过DEM of difference(DoD)、Cloud to Cloud(C2C)、Cloud to Mesh/Model(C2M)和Multiscale Model to Model Cloud Comparison(M3C2)等方法计算侵蚀产沙量,并分析了不同算法对于侵蚀产沙的监测差异。[结果]不确定性分析结果表明:M3C2平均不确定性最小,C2C,C2M次之,DoD最大。产沙结果表明:大流量(85,70,55 L/min)下,4种算法单场次和累计场次产沙量与实测产沙量之间有显著的线性关系(R 2>0.62,p<0.05),M3C2表现最优;小流量(40,25 L/min)下,单场计算产沙量与实测产沙量之间的线性关系不显著但累计产沙量与实测产沙量之间有显著的线性关系(R 2>0.91,p<0.05),DoD表现最优。侵蚀沉积空间分布特征表明:C2C,M3C2和DoD均能反映梁峁坡和沟谷坡侵蚀发展经历的两个阶段(快速发育和稳定发育),其中M3C2能够检测到细微的地形变化,但在TLS扫描盲区,M3C2由于在法线方向上未找到对应点会出现“空洞”。[结论]M3C2算法更适合监测复杂三维地形,但在扫描盲区仍会失效,未来应改进算法,有助于应对更加复杂和剧烈的地形变化。展开更多
为解决采用传统比例积分微分(proportional integral differential,PID)控制智能车辆纵向运行时自适应能力差、响应速度慢的问题,基于PID控制和模糊控制理论,采用MATLAB/Simulink搭建仿真控制模型,上控制器将期望速度与实际速度的偏差...为解决采用传统比例积分微分(proportional integral differential,PID)控制智能车辆纵向运行时自适应能力差、响应速度慢的问题,基于PID控制和模糊控制理论,采用MATLAB/Simulink搭建仿真控制模型,上控制器将期望速度与实际速度的偏差及偏差率作为仿真模型中模糊控制器的输入参数,按照模糊规则,输出比例、积分和微分因数,并与传统PID控制器算法加权,输出车辆期望加速度;下控制器通过加速制动标定表实现车辆驱动或制动切换。采用Carsim搭建车辆运行平台,将仿真控制模型与车辆运行平台联合,在期望车速为5、10、16和25 m/s时进行传统PID及模糊PID车辆纵向控制策略仿真对比。结果表明,传统PID控制策略平均速度偏差约为0.122 m/s,模糊PID控制策略平均速度偏差约为0.015 m/s;采用模糊PID控制策略,控制精度明显提高,且响应速度更快。展开更多
文摘[目的]阐明不同算法在坡面侵蚀监测中的精度和适用性,进而为土壤侵蚀过程监测算法的选择和构建提供参考。[方法]于黄土丘陵沟壑区典型流域同一自然坡面建立5个小区进行径流冲刷试验,以TLS三维点云数据为基础,通过DEM of difference(DoD)、Cloud to Cloud(C2C)、Cloud to Mesh/Model(C2M)和Multiscale Model to Model Cloud Comparison(M3C2)等方法计算侵蚀产沙量,并分析了不同算法对于侵蚀产沙的监测差异。[结果]不确定性分析结果表明:M3C2平均不确定性最小,C2C,C2M次之,DoD最大。产沙结果表明:大流量(85,70,55 L/min)下,4种算法单场次和累计场次产沙量与实测产沙量之间有显著的线性关系(R 2>0.62,p<0.05),M3C2表现最优;小流量(40,25 L/min)下,单场计算产沙量与实测产沙量之间的线性关系不显著但累计产沙量与实测产沙量之间有显著的线性关系(R 2>0.91,p<0.05),DoD表现最优。侵蚀沉积空间分布特征表明:C2C,M3C2和DoD均能反映梁峁坡和沟谷坡侵蚀发展经历的两个阶段(快速发育和稳定发育),其中M3C2能够检测到细微的地形变化,但在TLS扫描盲区,M3C2由于在法线方向上未找到对应点会出现“空洞”。[结论]M3C2算法更适合监测复杂三维地形,但在扫描盲区仍会失效,未来应改进算法,有助于应对更加复杂和剧烈的地形变化。