锅炉给水泵转子动力学参数的一、二阶摄动识别研究

锅炉给水泵的临界转速是非常重要的参数,与结构密切相关。为了准确地计算出给水泵的干临界转速(在空气中)和湿临界转速(在水中),必须知道转轴上的零部件对其弯曲刚度的加强作用。本文利用摄动传递矩阵法,结合实验室的试验数据,对某电站锅炉给水泵转子的动力学参数进行了一阶和二阶摄动识别。给出了给水泵转子上的热装叶轮、轴套对转子刚度产生加强作用的一、二阶摄动识别结果,得到了修正的给水泵转子系统动力学计算模型。由修正模型计算得到的转子系统固有频率与实测的转子系统固有频率吻合良好。指出一阶摄动识别的结果可以满足工程实际的精度要求。

锅炉给水泵转子动力学参数的二阶摄动识别

利用摄动传递矩阵法 ,结合实验室的试验 ,对某电站锅炉给水泵转子的动力学参数进行了一阶和二阶摄动识别。给出了给水泵转子上的热装叶轮、轴套对转子刚度产生加强作用的一、二阶摄动识别结果 ,得到了修正的给水泵转子系统动力学计算模型。由修正模型计算得到的转子系统固有频率与实测的转子系统固有频率吻合良好。指出一阶摄动识别的结果可以满足工程实际的精度要求。

基于BIM和本体的地铁基坑施工危险源自动识别

为提高地铁施工现场安全管理水平,将BIM技术与本体技术相结合,研究其在地铁施工项目危险源管理领域中的应用。首先明确了BIM环境下地铁基坑施工危险源辨识的流程;然后根据地铁基坑本体模型及规范约束模型,构建了地铁基坑施工的安全本体,最后选取基坑临边为例,将建立的基坑临边安全本体知识导入到BIM模型中,实现危险源的自动辨识及安全防护措施的可视化。结果表明,结合BIM技术和本体技术,不仅可以实现地铁基坑施工安全知识的储存、共享,还能实现危险源的自动识别与分析,促进安全知识与施工过程的集成。

基于多模态眼动识别的乒乓球运动员动作预测

眼动的速度最高可达到600°/s,具有比人手更灵敏的反应,因此有更好的实时性和应激性,通过眼动识别可以准确反映人体的动作特征,实现动作的判断和预测。采用眼动识别的图像处理算法实现对乒乓球运动员的动作预测,提高攻球效能,改进乒乓球攻击和防御的目的性。传统方法中对乒乓球运动员的眼动识别算法采用边缘特征融合算法,对运动员的动作变换跟踪性能不好,提出一种基于多模态融合眼动识别的乒乓球运动员动作预测算法。提取边缘特征,进行虹膜定位设计,统计搜索区域灰度直方图分布,建立虹膜颜色与边缘联合特征模板,通过多模态融合眼动时变分析,采用从粗到细的处理方法,在减少匹配对应项的同时进行动作预测相关系数匹配,预测跟踪目标中心,实现动作预测,仿真结果表明,算法对运动员的动作预测准确度高,实现对乒乓球运动员动作的实时跟踪和识别。

地图线状要素眼动识别的朴素贝叶斯方法

眼动追踪技术在人机交互、用户行为识别、预测等方面得到了广泛应用,但是如何自动识别用户的地图阅读行为,眼动行为仍具有一定的挑战性。本文提出了一种基于朴素贝叶斯分类模型的方法识别用户阅读地图线状要素时的眼动行为。本试验首先通过25名被试者阅读地图过程中的眼动行为进行数据采集,然后提取了250个眼动特征并对其进行离散化处理,采用最小冗余最大相关方法进行特征选择排序。结果显示,当采用信息熵法,特征数量为m=5时分类准确率最大为78.27%;而采用信息差法,特征数量为m=4时分类准确率达到最大值为77.01%。本文提出的基于朴素贝叶斯的方法在准确率方面优于已有研究方法。此外,由于特征数量的减少,大幅提高了算法的执行效率。本文提出的地图阅读行为眼动识别方法,为未来眼控交互式地图研究奠定基础。

智能相机在实时眼动识别中的应用

对基于智能相机的眼动识别系统和方法进行了研究和设计,并对该系统在常见的各种测试条件下进行了大量的实验和应用分析。基于智能相机的眼动识别系统结构小巧紧凑,检测速度快,准确度高,较基于PC的检测系统和头盔式检测设备的性能有大幅的提高。

基于眼动识别的塔台飞行管制员注意力评估系统设计

本文中设计了一种基于瞳孔—角膜反射(PCCR)眼动识别技术下的管制员在塔台飞行模拟训练过程中注意力分配评估系统,通过对参训管制员的眼动识别构建系统注意力分布模型,判断出此时管制员在进行模拟训练中的注意力分配情况,配合管制流程规范,评价管制员的模拟训练效果,评估管制员管制水平,同时结合多名管制员的训练过程中注意力分配情况,反映出普遍存在的管制盲区,结合训练成效摸索出更加高效的管制流程。此套系统经测试眼动识别精度保持在.5cm 以内,数据采集实时性满足实际操作要求,评价系统运行稳定,并留有规则更新的接口。此套系统同时也可为针对管制员管制过程的相关科学研究提供有效的数据支撑。

基于眼动数据分析交通环境要素对驾驶员视觉负荷的影响

研究旨在通过提出1种基于眼动数据得到的负荷评价指标—眼动离散程度,确定不同视觉负荷下眼动离散程度的划分阈值,并利用该指标探究交通环境要素对人工驾驶员视觉负荷影响的程度排序,进而为交通设计提供参考。研究方法为分析DADA2000数据集,利用语义分割算法与眼动特征识别算法,建立眼动离散程度变化机制模型,并将事故前3s眼动点集中区域与语义分割得到的要素进行匹配,进而得到不同视觉负荷下眼动离散程度的划分阈值和交通环境要素对驾驶员视觉负荷的影响程度排序。研究结果发现,在不同道路条件下,驾驶员的眼动离散程度和视觉负荷水平会有所变化,但事故前较短时间内眼动离散程度会降低至原来的1/3,眼动点也会集中在碰撞物或事故主要责任要素上,可通过机器学习算法对各交通环境要素影响的重要程度进行排序。分析研究结果可得到结论:利用眼动离散程度区分驾驶员视觉负荷是否过大的方法具有可行性,并可进一步用于事故防范与预测;驾驶员视觉负荷主要来源的前3位要素是自行车参与者、路侧标志杆、路面状况,影响重要度分别达到0.395、0.137、0.124。

基于云模型和离散卡尔曼滤波的临时看台结构动荷载识别

人群荷载的作用,包括人群的拥挤和跳跃、摇摆等产生的动荷载常常是看台等临时设施结构安全的重要影响因素,而国内外学者对看台等临时结构荷载识别工作研究较少,因此有必要对此类结构进行人群等荷载的快速识别研究。提出基于云模型和离散卡尔曼滤波的临时看台结构动荷载识别方法,首先介绍了云模型和离散卡尔曼滤波的基本原理,然后基于离散卡尔曼滤波器推导出荷载识别算法并利用云模型技术进行优化,以有效解决了测量误差、环境噪声等带来的干扰问题,最后应用临时看台结构进行了数值仿真,并与未优化卡尔曼滤波算法的荷载识别方法进行对比。数值仿真结果表明该方法对临时看台结构具有良好的动荷载识别性能。

微眼动的识别技术

微眼动是人在注视过程中产生的幅度和速率都相对较大的眼动,它与多种高级认知功能如注意、知觉等有着密切的联系。微眼动研究中的一个重点和难点是如何有效地识别微眼动。文章对微眼动的识别技术进行了综述,包括:1)微眼动的基本参数及发展;2)几种有代表性的微眼动技术,包括传统基于经验的识别技术、新近的基于速率变异的识别技术、基于小波分析的识别技术以及基于聚类分析的识别技术;3)对这些技术之间各自的优、缺点进行了比较并就新的研究方向进行了展望。

弹性地基板模态试验及地基动参数识别

用脉冲锤击法进行了弹性地基上自由板的自由振动模态试验,并用Me scope软件分析传递函数,得到了7阶位移模态和应变模态。在此基础上,对试验结果进行了初步的分析并总结了弹性地基板振动测试的场地经验。对用优质LR12-2元建立的厚板ADS1元进行了Vlasov地基上矩形板的有限元分析,同时对Vlasov地基上板的振型进行了分析,利用刚体模态进行了Winkler地基参数识别,并利用2阶频率,根据模态振型匹配的原则进行双参数地基参数的识别。结果表明:该有限元分析程序具有较强的通用性,地基板的振型呈模态密集区的形式。

动载荷的识别方法

大多数情况下,作用在工程结构上的动载荷,如高性能战斗机在大攻角机动飞行时作用在垂尾结构上的抖振载荷,是无法直接测量的,只能通过测试结构在动载荷作用下的动态响应来识别出结构的动载荷.首先阐述了动载荷识别的基本原理,然后根据结构模型的特点,将动载荷识别方法分为确定性结构的动载荷识别方法和不确定性结构的动载荷识别两大类,对近些年国内外学者在这两方面的研究进展进行述评,最后针对目前动载荷识别方法研究中所存在的问题,提出有待深入探讨的课题.

Wilson-θ反分析法的动载荷识别精度的若干问题

Wilson-θ法是结构动力学正问题的一种数值计算方法,在一定的条件下可保证该算法的无条件稳定。基于Wilson-θ反分析方法的动载荷识别是一种时域识别方法,和其他时域识别方法一样,同样存在着累计误差和计算精度等问题。笔者较为系统地研究了基于Wilson-θ反分析的动载荷识别方法及影响计算精度的若干因素,包括θ的取值、时间间隔确定、阻尼比的变化、测量点数目、测量点位置、采样中的噪声干扰,通过仿真算例考察各个参数的取值对识别结果的影响,为Wilson-θ反分析方法动载荷识别的高精度提供参考。为了改善由于累计误差造成的识别精度问题,提出了基于黄金分割法的修正算法,通过仿真算例表明该修正算法的稳定性和良好的抗干扰能力。

面向自然状态的眼动情感识别

运用一种非接触式模式识别技术,分析了不同情绪与眼动模式的内在关联性。首先,基于眼部关键点和眼动统计特征设计了眼动情感识别模型;然后,构建了一个包含20例被试者的眼动情感数据库;最后,分别在该数据库和公开数据库上用该模型进行了眼动情感识别试验,识别准确率分别为68.27%和63.01%。试验结果表明眼动特征包含对不同情绪的有效表示,验证了该模型的有效性。

基于小波包神经网络的岩巷掘进机动载荷识别方法

针对岩巷掘进机工作时负载多变,动载荷实时识别难度大等问题,提出了一种基于小波包特征能量的神经网络动载荷识别新方法。实时采集截割机构的振动信号、截割电动机的电流及液压缸压力信号,应用小波包分解得到相应信号的特征量,并将其作为神经网络的输入样本,训练神经网络并对网络进行测试。结果表明,动载荷实时识别准确率可达0.93,该识别方法能够满足动载荷实时识别系统的要求。

基于颜色手套的中国手指语字母的动静态识别

作为一种高度结构化的语言,手语具有与口语和文字语言一样的表达能力。基于视觉的手语识别不仅更加符合人们的习惯而且具有非常广阔的应用空间。该文采用指尖染色和手指染色的颜色手套模型实现了可以识别中国手指字母表30个基本手形的动静态手势识别系统,识别率达到100%。

岩巷掘进机截割机构动载荷识别装置设计

针对现有超重型岩巷掘进机自动截割能力差、稳定性差以及截割动载荷实时识别难度大等问题,结合巷道开采的特点,设计了一种基于RBF神经网络的岩巷掘进机截割机构动载荷识别装置,详细介绍了该识别装置的硬件和软件设计。该装置以工控机为分析中心,通过对截割电动机电流和截割头振动的实时监测,利用多传感器融合技术和RBF神经网络方法进行信号处理和智能分析,实现截割岩石动载荷特征提取及识别,以达到对不同硬度岩石的有效区别。

基于模态滤波器改进的动载荷识别模型

基于模态滤波器概念提出了对载荷识别模态模型法的原理性校正方案 ,构造了动载荷识别的离散模态滤波器模型。以其他点激励代替常常不可达的实际工作输入点 ,通过建立系统的模态参数并相继在模态和物理坐标下的求解对动态载荷作出估算 ,可以避免经典模态模型法通常对结构或边界条件所作的修改和由于模态参数自身误差而导致的较大识别误差 ,实例分析表明该模型识别精度较高并具有普遍的工程适用性。

CRH2-300型动车转向架构架垂向斜对称载荷识别

采用准静态法对CRH2-300动车组动车转向架构架垂向斜对称动载荷进行识别,通过ANSYS有限元软件,分析计算载荷识别敏感部位以确定其识别点,进而建立载荷识别方程.根据京津客运专线实测数据,得出垂向斜对称动载荷最大值,并编制了载荷谱.为准确评价动车组转向架疲劳强度提供依据.