三维电阻率概率成像法研究

电阻率概率成像法是利用地表电场的测量值与电场扫描函数进行归一化的相似程度作为概率的成像方法。根据概率论的基本理论,引入幂函数并推导了电阻率异常发生概率函数。通过数值模型实验对此方法进行了验证,对多个孤立异常体和凹陷模型进行了概率成像。通过对浙江某地实测资料概率成像结果与常规最小二乘法反演结果进行比较表明,三维电阻率概率成像法能较好地分辨地下地电结构。

高密度电法概率成像技术在堤防隐患探测中的应用

堤坝渗漏是危害堤防安全的重要原因之一,如何确定堤防隐患点是人们关心的重点。在堤防隐患探测中,高密度电法能实现快速、准确的探测,为分析堤坝渗漏的原因和位置提供了依据。本文简要介绍了高密度电法的基本原理和概率成像技术。通过对河南武陟沁河大堤童关段高密度电法勘察的应用情况进行分析,引入概率成像技术对测量资料进行了成像处理,结果较准确地勾绘出了异常体的位置和大致形态。与采用传统最小二乘优化反演方法的解释结果进行了对比,结果展示了高密度电法在堤防隐患探测的作用,验证了概率成像技术的有效性和实用性。

减小概率成像分辨宽度的一种方法

概率成像方法是利用测量的地面电场与电场扫描函数进行归一化的互相关运算,从而对地下电荷进行定位。为了提高这种方法的分辨率,从而提高对电荷的定位精度,根据正点电荷模型的电位剖面分布,提出了概率成像分辨宽度的概念,根据这个概念,提出了一种减小分辨宽度的方法-功率谱法,即由原先的场函数的归一化互相关运算改为场强平方后的归一化互相关运算。通过对算例的正反演研究,证明了确实是一种较好的改进方式。

基于Lamb波的改进概率法多层结构脱粘成像方法

以不锈钢薄板、三元乙丙橡胶和硅胶层建立的固体火箭发动机(SRM)壳体为对象,研究了由压电陶瓷片(PZT)激励和接收的兰姆(Lamb)波在壳体中的传播问题。首先通过设置多组压电传感器检测路径,对不同脱粘尺寸下椭圆定位法和结合椭圆法的基于概率成像(PDI)法(即改进PDI法)定位结果进行对比;其次对不同位置,不同概率取值下的改进PDI法成像进行对比;最后通过试验验证了成像情况。研究结果表明,与椭圆定位法相比,基于PZT的改进PDI法具有更高的精度和灵敏度,且该方法可以实现对SRM钢壳体和绝热层不同脱粘位置的检测。

电阻率层析成像非线性反演

本文通过概率成像法、α中心法、遗传算法的有机结合,实现了2-D 电阻率层析成像非线性反演.首先,根据概率成像结果指示出的2-D 地质异常体的相对电性和大致分布范围,合理地确定出α中心的位置与强度系数的变化范围.其次,以α中心法作为2-D地电结构的正演手段,采用遗传算法反演出各α中心的强度系数.在此基础上,应用α中心法重新构建出地下介质电阻率的分布.通过对均匀半空间中赋存2-D 地质异常体模型的反演试验,获得了令人满意的结果.

自电位层析成像的理论与实验研究

为研究自电位异常场的物理机制,本文根据Patella半无限空间自电位层析成像的理论方法,对有限边界条件下的图像重建进行了研究,根据四边形界面处自电位的测量数据,重建出异常电荷的二维概率分布.文中对图像重建进行了数值模拟,分析了改进成像精度的措施,并对受压岩石的破裂过程开展了实验模拟研究,成像结果表明,实验中发现的岩石破裂的裂隙同正电荷出现的最大概率区域的位置基本一致,反映了裂隙尖端处正负电荷分离的微观过程.

MNP法在接触网热状态检测中的研究

红外热成像技术广泛应用于很多领域,故将红外热成像技术与图像处理相结合对接触网热状态进行检测。在图像处理中,首先进行红外图像的预处理,然后采用基于互信息的图像模板匹配对红外图像目标进行检测与识别。互信息是图像模板匹配的相似性度量标准,且图像模板的互信息计算即联合概率分布估计的主要方法是非参数窗法,针对NP窗法计算时间较长的缺点,采用三角形分布代替NP窗法的均匀分布的改进非参数窗法。实验结果表明了MNP法计算的联合概率分布的准确性更高且计算时间也较短。

基于超声导波的列车转向架结构损伤定位成像研究

转向架构架为列车重要部件,其健康状况直接关系到列车安全运行,而基于超声导波的无损检测技术能够用于结构健康监测。采用导波反演法获取构架材料的体波波速,结合Lamb波频散方程得到构架的Lamb波频散曲线,进而选择激励信号。载荷和构架边界都会使响应导波信号特征变得复杂,使得损伤定位误差增加。为减少时域信号误差的影响,采用完好结构与检测结构的激励信号与相应导波能量谱相关系数进行分析。通过此系数获取检测结构的损伤指数,经权函数对各导波传播路径加权,从而得到损伤概率密度大小,进行损伤定位诊断成像。在构架中分别沿焊接方向以及承载剪切方向引入切槽损伤进行实验测试。结果表明,该方法能够较准确地实现损伤定位。

激光点云的混合流形谱聚类自适应分割方法

将激光点云视为分布于三维欧氏空间的线性与非线性混合流形,提出一种基于混合流形谱聚类的自适应点云分割方法。由混合概率主成分分析法构造的M个主成分分析器组成混合概率模型,得到描述点云的邻接矩阵;将点云分割的几何特征在谱空间进行降维嵌入,利用N-cut方法得到描述点云分割特征的多维向量;结合类间类内划分算法自适应分割点云。实验结果表明,对于三种受测点云,所提出的算法能在较宽预设参数范围内以80%以上概率得到收敛于几何特征的分割结果,参数稳定性较好。在对点云添加均值为0,标准差为0.01的高斯噪声与0.25倍数量的离群点复合噪声的情况下,算法表现出良好的抗噪性;将该算法应用于切片式激光三维成像的卫星模型点云中也取得了理想分割结果。

高光谱成像技术鉴别红景天的品种

目的采用高光谱成像技术结合化学计量学方法建立红景天的分类判别模型。方法首先获取935~1720 nm大花红景天、长鞭红景天和狭叶红景天的高光谱图像信息,然后分别提取红景天感兴趣区域的反射光谱值,在采用标准正态变量变换法(SNV)和多元散射校正法(MSC)对原始的高光谱数据进行预处理后,分别建立偏最小二乘判别分析模型(PLS-DA),通过对比两种预处理方法对PLS-DA模型判别结果的影响,得到SNV为较优的预处理方法。采用载荷系数法(x-LW)和竞争自适应重加权算法(CARS)提取经SNV预处理后数据的特征波长,并分别建立基于特征波长的线性判别分析(LDA)、PLS-DA和概率神经网络(PNN)分类模型。结果与x-LW特征提取方法比较,CARS算法提取的特征波长建立的LDA、PLS-DA和PNN模型有更好的分类性能;PNN的分类性能优于PLS-DA;SNV-CARS-LDA为区分不同品种红景天的最优判别模型,对训练集和测试集的识别率均为100%。结论高光谱成像技术与化学计量学相结合的方法具有很大的在线检测潜力,可以快速、无损地鉴别红景天品种。