First-Arrival Picking Method for Active Source Data with Ocean Bottom Seismometers Based on Spatial Waveform Variation Characteristics

The precision and reliability of first-arrival picking are crucial for determining the accuracy of geological structure inversion using active source ocean bottom seismometer(OBS)refraction data.Traditional methods for first-arrival picking based on sample points are characterized by theoretical errors,especially in low-sampling-frequency OBS data because the travel time of seismic waves is not an integer multiple of the sampling interval.In this paper,a first-arrival picking method that utilizes the spatial waveform variation characteristics of active source OBS data is presented.First,the distribution law of theoretical error is examined;adjacent traces exhibit variation characteristics in their waveforms.Second,a label cross-correlation superposition method for extracting highfrequency signals is presented to enhance the first-arrival picking precision.Results from synthetic and field data verify that the proposed approach is robust,successfully overcomes the limitations of low sampling frequency,and achieves precise outcomes that are comparable with those of high-sampling-frequency data.

基于计算机视觉的采摘机器人作业优化研究

为进一步提高我国采摘机器人智能化作业水平及采摘效率,基于计算机视觉应用技术展开优化研究。以采摘机器人结构组成为设计基点,运用视觉控制核心理念建立采摘机器人视觉识别处理与控制数学模型,实施相适应的采摘路径规划和系统采摘状态输出设计。同时,进行视觉采摘验证试验,结果表明:基于计算机视觉的采摘机器人系统优化正确可行,整机综合采摘效率可达94.61%,系统识别准确率与控制精度分别相对提升了6.12%和5.25%,机器人采摘成功率可提升至95.98%。因此,将计算机视觉处理技术有效应用至采摘机器人设计改进,对于类似农业采摘与收获装备开发研究可提供创新及借鉴思路,推广价值良好。

影响山西台网地震定位因素的定量分析

基于山西地震台网现有的台站布局,利用数值模拟方法定量分析地壳速度模型、台网布局及震相拾取精度等因素对震源位置测定的影响,结果显示,3种因素对准确测定震源位置的影响不同。地壳速度模型中上地壳速度对震中位置的影响最大,而震中位置对莫霍面速度变化的反映更为灵敏。单独改变地壳速度模型引起的震中位置偏差通常不超过5 km,震源深度对地壳速度模型的变化十分敏感,尤其是莫霍面深度,最大偏差可能超过20 km。在不考虑其他因素的条件下,P波拾取精度在4 s以内测定的震中位置和震源深度最大偏差不超过2 km和5 km。当地壳速度模型适宜且震相拾取精度较高时,最大空隙角在0°~180°的台站布局对震源位置的约束较好,震中偏差基本小于1 km,震源深度偏差略大(约为2 km)。

基于多源异构信息融合的采摘机械臂驱动控制研究

[目的]为了准确感知采摘机械臂的作业信息,提高驱动控制精度,需要对多自由度采摘机械臂的驱动控制模块进行优化设计。[方法]本研究将采摘机械臂各关节自由度、运动学以及动力学原理融合到设备结构中,完成了多自由度采摘机械臂等效模型的构建。基于构建的等效模型,确定多源传感器设备的安装位置,利用内部安装的传感器设备对机械臂的实时运行信息进行采集,获取位姿信息。同时,根据传感器的空间位置及其相互之间的作用进行信息分群,得出信息级融合结果,以此作为特征级信息融合结果的输入值,提取多源异构信息特征,并通过特征匹配完成融合操作,由此得出任意时刻采摘机械臂运行参数的检测结果。[结果]结合给定的采摘任务,计算采摘机械臂所需的驱动动力以及位姿数据,通过与当前数据的比对确定驱动控制量,利用装设的驱动控制器生成可执行的控制指令,完成驱动控制。与2种对照方法进行的对比试验显示,基于多源异构信息融合的驱动控制方法采摘机械臂的位置控制误差降低约25 mm,姿态角与驱动力控制误差分别降低了0.22°和6.32 mm,得出的控制数据更精准。[结论]由于多源异构信息融合技术能够发挥多种数据的优势,获取到更全面、更准确的位姿信息和控制数据,能够实现对目标果实的精准采摘,从而降低了采摘工作对果实的伤害,具有明显的对比优势和应用价值。

矿山微震震源定位精度分析

定量研究初至拾取精度和速度模型对矿山微震震源定位精度的影响直接关系到矿山开采质量评估和矿山风险预警。由于矿山微地震监测主要接收岩石破裂激发的P波,故往往采用基于P波到时的同型波时差法进行震源定位,基于数值模拟方法研究了速度模型和初至拾取精度对同型波时差法矿山微震震源定位精度的影响。结果表明:反演速度模型偏离准确速度模型的误差逐渐增大时,震源定位精度表现出降低的趋势;初至拾取精度降低时,震源定位的精度随之降低;当速度模型误差和初至拾取误差分别控制在200 m/s和10 ms以内时,同型波时差法在矿山微震震源定位中的误差整体控制在20 m以内,可以满足矿山微震质量控制和风险预警的要求。

基于改进U-Net模型的地震波初至到时拾取分析

为了提高地震波的拾取精度,在分析U-Net工作机制的基础上设计一种优化后的U-Net模型。该模型由桥接、编码、解码共同构成。用卷积神经网络进行分类,利用池化操作提取低层次特征参数,由于选择池化操作模式时会引起拾取精度的明显降低,故选步长为4的卷积方式。根据评价指标判断STA/LTA、U-Net与改进U-Net 3种方法的处理性能。研究结果表明:利用Tensorflow与Keras对网络实施训练,改进U-Net模型达到了99%的精度。epcho由10提高至50,P波参数识别准确率从72%提高至94%,S波识别准确率从63%提高至94%。最初损失为10.25,经过训练后100个epcho减小至0.15。改进U-Net相对传统地震信号处理方法达到了更优的查准率、查全率与F_(1)分值指标,采用卷积神经网络进行处理时则可以利用卷积操作提取地震波形特征产数,具备更强的适应性。

基于维纳过程截齿磨损退化预测研究

针对掘进机的截齿磨损状态问题,构建了基于灰色-马尔科夫链模型、Gamma过程预测模型以及维纳过程磨损状态预测模型。通过搭建试验台,提取振动及声发射数据样本,考虑试验环境对试验数据提取的影响,应用小波包分解方法,对数据进行降噪处理。定义6种截齿磨损程度状态,每种状态取50组数据样本,进行模型精度验证,均符合精度要求,进而应用模型进行数据预测研究,对比真实试验数据,结果表明:振动信号加速度能量和下灰色-马尔科夫模型相对误差为0.89%,Gamma模型相对误差为0.47%,维纳过程相对误差为0.39%;声发射信号加速度能量和下灰色-马尔科夫模型相对误差为1.02%,Gamma模型相对误差为0.84%,维纳过程相对误差为0.47%;三种模型预测精度都很好,其中维纳过程预测误差最小,为掘进机截齿磨损退化状态预测研究提供了新的方法。

浅层折射波勘探中初至自动拾取新算法

地震波初至拾取是地震勘探中广泛应用的基础技术,尤其在浅层折射波勘探和层析成像中初至时间拾取精度直接影响地下地层结构的反演结果。由于初至时间对应的并不总是能量比最大值(可能是次极值),以往的滑动时窗能量比法仅根据前后两个滑动时窗能量比的最大值判断初至时间,造成对低信噪比数据的拾取效果不理想,而对高信噪比数据则难以检测能量较弱的折射波。基于此,本文提出多时窗能量比初至拾取算法,该算法在实现过程中结合应用自动质量控制技术,满足了浅层折射波勘探的初至拾取精度要求,且具有较高的稳定性。将该方法应用于准噶尔盆地中部M区地震勘探,取得了非常好的效果。

基于PLC的采摘机械手电气自动化技术研究

为了提高采摘机器人电气自动化的效率、水平及机器人的智能化程度,在采摘机械手的设计上引入了PLC控制系统,并利用PID控制算法对自动化系统进行了改进,提高了自动定位和采摘动作控制的精度。为了验证方案的可行性,模拟采摘机器人的作业环境,采用MCGS软件设计了采摘机械手作业的监测系统,并对采摘的漏采率和破损率进行了测试。测试结果表明:基于PLC的采摘机械手具有较低的漏采率和破损率,可以满足较高精度的采摘机器人设计需求。

采摘机器人执行末端控制系统设计——基于PLC三自由度控制

为了提高采摘机械手执行末端的定位精度和动作效率,提出了一种基于PLC的三自由度机械手控制系统设计方案,并对控制系统的硬件结构和软件执行流程进行了详细的设计,采用步进电机和PLC编程控制实现了采摘机械手执行末端的三自由度动作。为了验证方案的可行性,建立了MCGS组态环境界面,并对系统的运行进行监控和仿真调试。结果表明:采用PLC编程控制器可以成功地实现采摘执行末端的自动控制,采摘机械手执行末端具有较高的控制精度和执行效率,将PLC控制器引入到采摘机械手的控制系统中是可行的。

排球运动规划在采摘机器人识别定位中的应用

为对采摘机器人的识别与定位功能进行优化,将排球机器人的运动规划原理与采摘机器人的控制要求相结合进行应用探讨。通过搭建采摘机器人对果实的识别定位理论模型,运用核心图像识别与处理算法,硬件配置动作执行协调及软件系统后台指令控制,实现多功能性传感装置信息数据的合理性采集与传输,达到实时定位目标。进行了采摘机器人的识别与定位试验,结果表明:在排球机器人运动规划与控制机理下,通过目标与定位图像的有效抓取,采摘定位时间可控制在0.6s左右,综合定位准确率保持在93.8%以上,最高定位准确率可达95.7%,满足采摘机器人作业需求,验证了设计理念的可行性,可为类似农业设备定位开发提供思路。

基于RSSI信号强度定位的夜间采摘作业机器人设计

为了提高果实采摘机器人在夜间作业的工作效率,提出了一种适用于果实采摘机器人夜间果实定位识别的方法,引入了RSSI信号强度定位技术,并在此基础上提出了一种泰勒级数展开的高精度定位方法。夜间采摘作业机器人采用接收到的RSSI信号强度对待采摘的果树进行定位,为了满足机器人移动时的实时定位,采用多次信道扫描的方式,提高了机器人定位的实时性。为了验证机器人夜间定位方法的有效性和可靠性,在夜间采摘环境下,对机器人的性能进行了测试。通过测试发现:机器人的定位精度较高,错误识别率较低,并且通过多次校正,可以有效提高作业精度,满足夜间作业的设计需求。

浅水域检波点自动重定位技术

在传统检波器二次定位方法的基础上,本文提出了浅水域检波点自动重定位技术。从几何声学角度,建立检波点定位的三维数学模型,既考虑了直达波,又兼顾了折射波;文中对模型中的几个主要参数进行了详细分析,评估了各参数对最终计算结果的影响;探讨了适合浅水域地震数据的初至自动拾取方法,改进了能量比法,并设计了详细的自动重定位算法流程;针对地震采集对定位的高精度和实时性需求,提出了相应的关键技术解决方案和措施。实际资料测试结果表明:该算法定位精度高、过程自动化,主要性能指标均高于常规定位技术。

先进武术教学与智能采摘的协同管理技术应用

为进一步提高我国智能采摘的管理水平,将先进武术教学与智能采摘机理结合,构建协同采摘的管控体系。为此,在智能采摘机器人工作原理基础上,融入武术教学本质理念,搭建协同管理平台,同时建立协同采摘控制模型,并进行相应的算法和硬件控制电路设计,再经部件结构协调分配,考虑两者动作的柔性度与耦合性,得出协同采摘的三维运动模型,同时进行协同采摘试验。试验结果表明:基于经协同技术的采摘系统,采摘准确率在88%以上,误差在4%范围内,验证了设计的可行性与合理性,可为农业采摘技术研究提供参考。

芯片拾取头旋转精度测量方法研究

在全自动贴片设备中,采用吸头吸取芯片的方式是常用功能之一。由于对位高精度要求,吸头通常具有旋转功能,旋转精度是非常重要的技术指标,如何判定显得尤为重要,因此吸头旋转精度的测量方法成为关键技术之一。以精密组装系统的吸附机构为例,采用5种方法测量芯片拾取头的旋转精度,通过实际测量与数据分析,比较了几种方法的优缺点,推荐了较为可信的测试方法,可为类似结构的测试提供理论与实践依据。

葡萄采摘机械臂的双目定位与抓取精度研究

双目视觉定位技术是机器人领域对于环境感知的常用技术,特点是参照人眼对环境的认识原理,利用在水平方向设置的固定距离的两个摄像设备获取空间环境数据,指导机器人准确执行预期工作。在葡萄采摘机器人的研发过程中,双目视觉定位是采摘目标定位的关键技术。葡萄采摘对于定位精准度的要求很高,以双目视觉定位技术为基础,配合合理的图像提取逻辑和计算机算法,可有效提高机械臂对葡萄果柄剪切和夹取的准确性。为此,从视觉识别的角度出发,设计了双目相机的功能分配与葡萄采摘关键特征的提取逻辑,优化了双目视觉定位的相机标定、立体匹配和深度计算等关键过程。同时,对葡萄基体的识别与分区和果柄的几何特征与位置确定进行了详细设计,分析了双目定位技术在葡萄采摘机械臂中应用存在的采摘失效的主要因素,并对葡萄采摘自动化技术的进一步提升进行了总结。

一种启发式选择性神经网络集成设计方法

针对集成中各子网准确率与子网间差异度的权衡难题,提出一种启发式子网挑选法(HP-BGP).不同于传统以正确率或差异度为指标的选择方法,该方法采用神经网络集成在验证集上泛化性能最优为子网的选取准则.首先,在不同的初始条件下生成足够的备选子网,然后,根据能使集成泛化性能提高最快的标准,每次选取能与集成中已有网络组合泛化性能最好的子网,逐个挑选加入集成,直至选择到合适的网络个数或达到一定的误差要求.以LIC1问题为平台,与传统的子网挑选法PB、PAH、GA进行比较,仿真结果表明HPBGP法在测试集上集成泛化效果与选择所用时间的综合指标上优于常规的子网挑选方法.

基于差分进化算法的微震定位

针对传统基于走时微震定位方法存在的定位精度依赖于走时精度问题,提出了改进定位目标函数的差分进化微震定位方法。基于传统微震P波走时定位方法,在定位目标函数中加入了误差加权系数,通过降低初至拾取精度低的微震信号道对定位误差的影响,减弱了初至拾取精度对微震定位的影响;利用差分进化算法,通过种群初始化、变异、交叉和选择等操作,求解改进的微震定位目标函数,实现微震定位;对模型数据和实测数据进行试处理,结果表明:改进的目标函数能明显降低误差较大分量对总误差的贡献;提出的改进定位目标函数的差分进化微震定位方法,在部分微震信号道走时拾取误差较大甚至错误的情况下,能很大程度减弱拾取误差对定位精度的影响,可以获得较好的定位结果。

基于图形边缘检测技术的采摘系统可视化应用

为进一步提高我国智能采摘系统的实用性与作业成功率,基于图形边缘检测技术对其进行可视化应用研究。通过合理布置采摘系统的组成结构,识别影响采摘系统的作业性能因素,得出可应用于采摘系统的图形边缘检测模型,同时针对其主要执行硬件进行功能选型,增设图形边缘检测模块,进行系统软件架构设计与控制程序输入,并进行应用试验。试验结果表明:基于图形边缘检测技术的采摘系统对于不同采摘环境下的果实识别准确率均可达到82%以上,且果实损失率大大降低,系统运行稳定可靠,具有很好的推广价值。

初至波二次定位技术在西非浅海过渡带地震勘探中的应用

在滩浅海过渡带地震勘探中,放置于海水中的检波器在第一次定点投放后,受海水涌浪、潮汐变化等多种原因的共同作用经常发生位移,这时候如果还按照理论设计的检波点位置进行地震资料处理会严重影响资料处理的准确度和精度,因此必须对海水中的检波点进行二次定位,以得到其实际的位置坐标。传统的声波回声定位系统不仅使用和维护成本较高,而且定位过程中还存在定位空白等问题。为此,介绍了初至波二次定位的原理,研究讨论了与初至波二次定位精度相关的因素,并以西非某浅海过渡带三维地震勘探项目为例,介绍了如何利用初至波二次定位技术实现检波器二次定位的方法步骤,该方法操作方便,成本低,生产效率较高,应用效果较好。