基于扩展卡尔曼滤波与机器视觉融合的道路侧向坡度估计

为解决现有算法难以准确估计前方道路侧向坡度的问题,提出了一种基于扩展卡尔曼滤波(EKF)与机器视觉(VB)融合的道路侧向坡度估计方法。首先,建立含有侧向坡度的车辆2自由度模型,通过EKF估计出侧向坡度与车辆侧倾角的叠加态,由侧向加速度乘以适当增益解耦出车辆侧倾角,得到EKF道路侧向坡度估计值;其次,通过视觉成像原理分析二维图像中道路侧向坡度与图像中相关参数的几何关系,得到VB道路侧向坡度估计值;最后,通过数据融合得到最终的道路侧向坡度估计值,使估计结果冗余互补。仿真和实车试验结果表明,该融合算法能够适用于道路侧向坡度变化的坡道,并显著提高了估计精度。

面向复杂山区微地貌的手持LiDAR点云滤波方法比较

本文以手持激光点云数据是否可用于进行复杂山地土壤侵蚀和地表剥蚀测量为典型实例,试验对比分析了渐进加密三角网滤波算法、坡度滤波算法及布料模拟滤波算法在地面激光雷达点云分类中的性能。具体分别采用了3种滤波对应的参数对试验数据集进行测试以获得最高性能,并对比分析而获得每种算法的最优滤波。试验结果表明:对于平缓裸露地貌的滤波处理,布料模拟滤波效果最好,渐进加密三角网滤波次之,坡度滤波算法效果最差;对于复杂山地地貌的滤波处理,渐进加密三角网滤波算法滤波效果最好,布料模拟滤波次之,坡度滤波算法效果最差。试验研究成果为优化滤波算法的参数以提高其检测微地形变化的性能提供了有价值的信息,并验证了渐进加密三角网滤波在复杂地区滤波效果的有效性。

基于点云数据的排土场安全挡墙提取方法研究

安全挡墙作为排土场安全措施之一,用来保障排土场正常作业,避免排岩车辆未保持安全卸载距离导致车辆滑落。文章提出基于无人机点云数据的排土场安全挡墙提取方法。以辽宁省鞍山市齐大山铁矿排土场点云数据作为数据源,利用坡度滤波算法提取排土平台点云数据,再对其进行alphashape边缘提取算法来提取出安全挡墙一侧的边缘点云数据,再根据高程约束与向量叉乘位置判别来提取安全挡墙点云数据。通过对安全挡墙进行三维可视化建模实现安全挡墙的监测。

基于降低数据稀疏度的协同过滤算法

协同过滤算法是推荐系统的一种常见算法,其核心思想是通过历史数据挖掘用户偏好,计算对象相似近邻项进行推荐。但是一般真实数据都存在严重的数据稀疏性问题,用户或者项目之间的共同评分项目过少,使得一些传统相似度算法计算不准确、推荐准确度不高。传统Slope One算法准确度不高,但其实现简单,运行效率高,可以用做稀疏数据预填充,从而改善相似度计算的准确度。因此,结合Slope One算法,该文提出了一种基于降低数据稀疏度的协同过滤算法。首先对用户评分数据进行分层聚类,再使用Weighted Slope One算法对高稀疏度数据集部分空白数据进行预测填充,从而大幅度降低数据稀疏度,提高了皮尔逊相似度计算的准确度,最后再引入对象属性偏好相似度进行融合。通过MovieLens 100 K数据集进行算法验证,从结果中可以清晰地看出其平均绝对误差(Mean Absolute Error,MAE)有所降低,证明该算法能在一定程度上提升推荐结果的准确度。

复杂地形条件下充填工艺研究及应用

在构建高效绿色环境友好型矿山指导思想下,全尾砂胶结充填采矿法因其具备处理尾砂及控制围岩变形、降低开采对地表环境影响的优点,成为了矿山安全、高效、绿色开采的关键支撑技术,得到了全面的推广应用。在矿山应用过程中,尾砂料浆多采用管道运输,而在以陡峭山谷为主的复杂地形条件下,特别是长距离、大落差、反坡输送过程中,极易出现堵管、爆管,甚至损坏输送泵等问题,成为了限制大规模充填的瓶颈问题。本文以武里蒂卡金矿为例,在开展系统性试验研究获取完整充填试验数据的基础上,结合矿山总图布置特点、地形条件及采空区空间相对区域位置等因素,进行尾砂输送方案对比优选,首次提出适应大落差山地条件的压滤尾砂缆车运输再造浆充填工艺方案,并在现场成功实施和运行。矿山生产运行情况表明:单套充填系统即可满足矿山3 000 t/d的生产需求,充填料浆似膏体态,系统运行稳定,配比参数精准,充填质量有保障。压滤尾砂缆车运输再造浆工艺方案具有流程短、占地少、效率高、运行经济可靠等优点,在大落差山地条件下该充填工艺能够实现充填物料高效运输、制备及低成本充填,具有较好的推广应用意义。

打入型土工筒袋在河道塌坡生态治理中的应用

通过将打入型土工筒袋与直立式预制桩组合技术在河道塌坡中应用,能有效解决预制桩等直立式挡墙护岸结构在不能采取大开挖情况下挡土和滤水等方面存在的瓶颈问题。以八一大沟河道塌坡工程为例,通过现场查勘及钻探工作,查明了塌坡段规模及土性,分析了塌坡成因,并结合河道不能断流施工、临河道路不能中断交通等因素,经经济技术比选选用坡顶灌注桩、坡脚管桩联合支护方案。在坡脚水位变化区采用不连续布置管桩+桩后土工筒袋措施,成功解决了传统做法不易实施的问题,达到了桩间防漏土以及桩前后水体交换的目的,从而降低了云龙湖大坝坝后渗水出逸点高度,且该治理方案造价相对较低并具有生态治理效果。

基于改进无迹卡尔曼滤波的滑坡监测算法

在露天矿开采过程中滑坡坍塌是开采过程中常见的问题,滑坡是影响露天矿边坡安全生产的重要因素,露天矿边坡稳定性研究与治理是矿山技术工作中不可缺少的组成部分。因此,提出一种基于改进灰狼算法优化的无迹卡尔曼滤波算法,解决无迹卡尔曼滤波对模型不确定性的鲁棒性差和在系统达到平稳状态时,容易丧失对突变状态的跟踪能力的问题。传统灰狼算法(GWO)易陷入局部最优、后期收敛速度慢等问题,因此提出非线性控制参数组合调整策略,形成改进的灰狼优化算法,运用改进的灰狼优化算法对无迹卡尔曼滤波进行实时优化。结果表明所提算法误差小、精度高,具有良好的预测效果。

基于阈值自适应确定的多波束点云滤波算法

针对水下多波束地形测量点云去噪问题,提出了一种基于阈值自适应确定的点云滤波算法。首先引入虚拟网格对多波束点云进行分区编号,并采用二次分层统计法剔除显著离群噪点;其次归一化计算网格内种子点与邻域各点的坡度角,引入k-Medoids聚类算法自适应更新坡度阈值;最后按照多尺度滤波窗口逐级对点云进行迭代运算,得到精细化地形点云。2个实验区的多波束点云滤波实验结果表明,本文算法能较好去除多波束点云的噪声和非地形点,有效提高坡度阈值的自适应性,滤波精度有明显提升,可以适用于大规模的多波束点自动化云滤波工作。

基于坡度滤波的无人机测绘点云特征提取与滤波分类研究

为提高无人机测绘点云数据的质量与利用率,利用坡度滤波技术优化设计无人机测绘点云特征提取与滤波分类方法;利用硬件设备获取无人机测绘点云数据,通过粗配准和精准配准两个步骤,实现对初始点云数据的配准工作;通过对无人机测绘点云数据的滤波处理,降低初始数据中的干扰项;利用坡度滤波技术提取无人机测绘点云数据的地形、纹理、形状等特征,根据特征相似度的计算结果,完成测绘点云的滤波分类。通过性能测试实验得出结论:与传统方法相比,优化设计方法得出点云数据的信噪比提高41.22,特征提取占比所有提升、冗余度得到明显降低,分类查全率和查准率分别提高了1.25%和2.1%。

基于欧式聚类的车载点云道路提取

针对车载激光点云道路信息提取的问题,提出了一种基于欧式聚类的道路提取方法。首先通过统计滤波去除噪点以免对后续处理结果产生影响,然后用坡度滤波去除路坎点,使道路边界与人行道、绿化带等与路坎相连的地物形成10~25 cm的高程阶跃,最后用欧式聚类将路面点云与其他地物点云聚类为一簇或多簇并保留道路簇,从而实现道路点云的精确提取。通过两组不同环境的城市道路点云进行实验,道路提取的准确性、完整性和检测质量均大于96%,无论是目视解译还是定量的指标评价都证明了本文方法的有效性和适用性。

基于霍尔传感器的磁铁矿预选系统设计

针对传统磁铁矿预选方法中存在的能耗高、环境污染严重等问题,设计了一种基于霍尔传感器的新型磁铁矿预选系统。利用霍尔传感器感应磁铁矿的磁场,通过均值滤波算法和斜率滤波算法消除信号噪声和温度漂移对磁铁矿识别的影响。基于C#语言开发了上位机软件,通过幅值分析识别磁铁矿后,发送分选指令至下位机;以STM32单片机为下位机,缓存上位机发送的数据,并根据分选指令设计自动控制策略,实现磁铁矿的自动分选。最后,搭建了系统样机。试验结果表明,该系统能自动完成磁铁矿的识别与分选流程,平均分选准确率达94.5%,有效地完成了磁铁矿预选,且具有能耗低、污染小的优点。

对水闸设计问题的补充讨论之三——水闸的斜坡和渗流控制设计

结合工程案例,对底流消能水闸的斜坡与消力池连接形式,软基水闸地基的防渗和排水设计,软基水闸渗流及基底扬压力(包括渗透压力)计算方法,反滤排水孔设计等问题进行了分析,对比《水闸设计规范》(2016年版)中的相关规定,提出了针对性的意见和建议,以期为水闸设计工作提供参考。

植被过滤带对泥沙和磷削减效率及VFSMOD-W模型模拟

植被过滤带是有效削减面源污染的生态管理措施,其削减效果受很多因素的影响。该文通过植被过滤带试验,探讨不同坡度和浅层地下水埋深对植被过滤带削减地表径流、泥沙和磷的影响,结合VFSMOD-W模型和简单磷运移经验模型评估污染物在植被过滤带的传输。结果表明,植被过滤带对地表径流、泥沙和TP的削减效率范围分别为25%~72%、43%~82%和39%~80%。在同一浅层地下水埋深条件下,当过滤带坡度分别为2%、5%和15%时,坡度越缓,植被过滤带削减效率越高。在同一坡度条件下,当浅层地下水埋深分别为0.08、0.22和0.36 m时,浅层地下水埋深越深,植被过滤带的削减效率越高。VFSMOD-W模型模拟结果显示,该模型能够较好地模拟地表径流和泥沙在植被过滤带的传输。VFSMOD-W模型结合简单磷运移经验模型对削减效果进行模拟评估,发现整体拟合效果较好(C_(eff)>0.85)。VFSMOD-W能较好地用于预测地表径流、泥沙和磷在植被过滤带的传输。

基于无人机LiDAR数据的陡崖反坡滤波技术及应用

为了解决传统的不规则三角网(Triangular irregular network,TIN)算法在陡崖反坡地形滤波时,由于陡崖反坡会产生多个投影交点,坡度出现负值,陡崖反坡区域岩壁点往往被错误过滤的问题,提出一种刚性坐标变换与TIN结合的机载激光雷达(Light detection and ranging,LiDAR)点云滤波算法。采用刚性坐标变换的方法重新构建陡崖面的直观形态,将陡崖反坡等特异地形常规化。以湖北省恩施市姚家平水利枢纽工程坝址区域的陡崖反坡数据进行滤波分析,构建了侧向数字高程模型(DEM)表达陡崖地形,实现了侧向DEM在坝体填筑量计算上的应用。结果表明:该算法能够在陡崖反坡区域大幅降低Ⅰ类误差,并将Ⅱ类误差控制在一定范围内;应用该技术可为大坝设计提供直观准确的DEM,为三维设计提供了新思路。

基于去斜滤波与稀疏恢复的探干一体化系统直达波抑制技术

探测干扰一体化系统通过波形一体化设计,利用无典型雷达信号特征的干扰信号进行探测,共享波形、频率、时间、孔径等资源,极大提升了系统资源的综合利用率。然而,为实现有效干扰,探测干扰一体化波形在频段上会与对方雷达信号有所重叠,一体化设备探测回波会受到由对方雷达发射信号带来的强直达波影响,造成探测性能的严重恶化。本文考虑探干一体化系统与线性调频雷达对抗的场景,提出了两种直达波抑制算法(去斜频域滤波与稀疏恢复)。在第一种算法中,通过分数阶傅里叶变换(Fractional Fourier Transform,FRFT)估计对方线性调频直达波调频斜率,构造回波去斜函数,将直达波分量变换为点频信号后通过频率滤波进行滤除。在第二种算法中,以去斜滤波方法作为预处理步骤,针对直达波功率强时去斜滤波带来的回波能量损失问题,利用稀疏恢复的方法恢复损失信号,进一步提升了探干一体化系统的探测能力。通过仿真和实测结果验证了算法可行性。

考虑道路坡度的汽车自适应巡航控制策略

针对汽车自适应巡航控制(adaptive cruise control,ACC)系统在坡道行驶工况下控制精度和安全性不足问题,提出基于道路坡度实时估计的自适应巡航控制策略。算法采用分层式控制结构,将ACC系统分为上层控制器和下层控制器,上层控制器采用PID控制器和线性二次型调节器(linear quadratic regulator,LQR)计算期望加速度;下层控制器利用无迹卡尔曼滤波(unscented kalman filter,UKF)算法对道路坡度进行估计,以车辆纵向动力学为基础,考虑道路坡度变化的影响,将期望加速度转换为对应的节气门开度和制动压力,以实现车辆巡航和跟随功能。通过MATLAB/Simulink与Carsim联合仿真验证ACC系统控制策略的可行性,并与传统控制策略进行对比分析。仿真结果表明:在坡道行驶工况下,改进后的ACC系统控制策略相比于传统控制策略,能够精准识别道路坡度,具备较好的控制精度和安全性。

基于自适应扩展卡尔曼滤波算法的道路纵向坡度估计

车辆在长下坡路段行驶过程中,道路纵向坡度对汽车纵向受力分析时尤为重要,当道路坡度过大会时会影响汽车的行驶安全性。然而道路纵向坡度很难通过传感器直接测量获得,实时获取道路纵向坡度可以为优化车辆长大下坡提供依据,文章提出基于自适应扩展卡尔曼滤波算法实时估计道路纵向坡度,并进行仿真试验,结果表明,此方法有很强的准确性和实时性。

FBAR滤波器的底电极图形化工艺研究

对薄膜体声波谐振器(FBAR)滤波器晶圆制造过程中的关键工艺——底电极图形化工艺进行了研究。通过优化光刻工艺中的焦面和曝光量,制作出了角度约为50°的胶图形;同时调整干法刻蚀设备的工艺参数,实现了角度为10.91°的底电极侧壁斜坡形貌结构,为FBAR滤波器的芯片制造工艺研究打下基础。

三维激光扫描在边坡监测中的应用研究

为了提高边坡位移监测精度,增强边坡灾害防范效果,研究三维激光扫描在边坡监测中的应用。利用三维激光扫描仪,获取边坡的点云数据;采用卡尔曼滤波算法,参考边坡点云数据自身的状态转移矩阵与观测资料判断边坡点云数据最优状态,对所采集的含噪边坡点云数据进行降噪处理。扫描降噪后边坡点云数据,利用曲率提取该点云数据的特征点,利用不在同一坐标系内的特征点构建空间坐标系,设置部分特征点为坐标系位置参数,对比不同时间点下坐标系位置参数,确定边坡某点的位移变化情况。结果显示:所研究方法可实现边坡点云数据降噪处理,各特征点所得位移监测与实际位移差异小于0.6 mm,在监测边坡位移情况时所得位移误差均低于3 cm,提高了边坡位移监测精度,为边坡滑坡地质灾害防范提供了科学依据。

融合灰关联分析和信任度的Slope One算法研究

作为一种有效的协同过滤算法,Slope One算法被广泛地应用到一些推荐系统中.但该算法在评分预测时仅根据项目之间的评分偏差以及用户的历史评分信息,未能考虑用户之间的潜在联系,而且数据稀疏性和冷启动问题也会限制算法的推荐性能.因此,为了提高算法的推荐质量,本文采用均衡接近度灰关联方法度量用户关联度,从而有效挖掘用户之间的潜在联系;并引入用户信任模型来缓解冷启动问题对算法的影响,将均衡接近度和信任度作为权重因子加权到评分预测过程.论文研究并提出了一种融合灰关联分析和信任度的Slope One算法,并通过实验验证了算法的有效性.实验结果表明,该算法可以有效地提高算法预测准确度,缓解数据稀疏性和冷启动问题对算法的影响.