故障树分析(Fault Tree Analysis)在系统可靠性评估中起着至关重要的作用。然而,作为故障树分析的核心故障树(FT)的构建,传统构建故障树的方法存在耗时长且容易出错等缺点。为了解决这些问题并应对复杂系统自动建造故障树的困难,该文提...故障树分析(Fault Tree Analysis)在系统可靠性评估中起着至关重要的作用。然而,作为故障树分析的核心故障树(FT)的构建,传统构建故障树的方法存在耗时长且容易出错等缺点。为了解决这些问题并应对复杂系统自动建造故障树的困难,该文提出一种基于元部件模型及系统结构模型的规范化描述方法,并以此为基础,通过建立元部件模型库、复杂标识符库,设计出故障树自动建树及分析软件,实现系统结构模型搭建、自动建树、复杂结构识别处理及可靠性分析过程的全自动化。详细阐述了故障树自动建树软件自动建树及分析的基本步骤,并通过一个简化的汽车ABS系统应用实例验证了该软件的有效性和可行性。实例应用结果表明,该故障树自动建树及分析软件不仅能够实现自动构建和分析故障树,提高工作效率,而且能够识别处理具有复杂结构的故障树,对复杂系统的自动建树及可靠性分析的推广具有重要意义。展开更多
针对树木三维重构过程中面临的处理速度慢、重构精度低等问题,提出一种采用激光点云数据的单木骨架三维重构方法。首先,根据点云数据类型确定组合滤波方式,以去除离群点和地面点;其次,采用一种基于内部形态描述子(ISS)和相干点漂移算法(...针对树木三维重构过程中面临的处理速度慢、重构精度低等问题,提出一种采用激光点云数据的单木骨架三维重构方法。首先,根据点云数据类型确定组合滤波方式,以去除离群点和地面点;其次,采用一种基于内部形态描述子(ISS)和相干点漂移算法(CPD)的混合配准算法(Intrinsic Shape-Coherent Point Drift,IS-CPD),以获取单棵树木的完整点云数据;最后,采用Laplace收缩点集和拓扑细化相结合的方法提取骨架,并通过柱体构建枝干模型,实现骨架三维重构。试验结果表明,相比传统CPD算法,研究设计的配准方案精度和执行速度分别提高50%和95.8%,最终重构误差不超过2.48%。研究结果证明可有效地重构单棵树木的三维骨架,效果接近树木原型,为构建林木数字孪生环境和林业资源管理提供参考。展开更多
树高是监测森林状况的重要参数,摄影测量法具有低成本、灵活的特性,是树高采集的重要方法之一.作为一种被动遥感方式,传统的摄影测量方法往往需要数量较多,重叠率较高的图像数据,这与传统图像特征的稀疏性有关.为了提高图像数量受限条...树高是监测森林状况的重要参数,摄影测量法具有低成本、灵活的特性,是树高采集的重要方法之一.作为一种被动遥感方式,传统的摄影测量方法往往需要数量较多,重叠率较高的图像数据,这与传统图像特征的稀疏性有关.为了提高图像数量受限条件下的树高提取精度,提出将稀疏特征匹配和稠密像素匹配相结合,并使用对极约束过滤外点的方法,得到稠密且精度较高的匹配结果,并通过三维重建算法得到森林场景点云.该方法在少量图像的情况下就可以较为完整地重建森林场景并提取树高,将提取的树高与机载激光雷达(light detection and ranging,LiDAR)点云的结果进行对比,相关系数为0.91,最大误差为1.64 m.该算法只需要少量的重叠图像,这表明了该算法在处理高分辨率卫星图像方面具有一定潜力.展开更多
文摘故障树分析(Fault Tree Analysis)在系统可靠性评估中起着至关重要的作用。然而,作为故障树分析的核心故障树(FT)的构建,传统构建故障树的方法存在耗时长且容易出错等缺点。为了解决这些问题并应对复杂系统自动建造故障树的困难,该文提出一种基于元部件模型及系统结构模型的规范化描述方法,并以此为基础,通过建立元部件模型库、复杂标识符库,设计出故障树自动建树及分析软件,实现系统结构模型搭建、自动建树、复杂结构识别处理及可靠性分析过程的全自动化。详细阐述了故障树自动建树软件自动建树及分析的基本步骤,并通过一个简化的汽车ABS系统应用实例验证了该软件的有效性和可行性。实例应用结果表明,该故障树自动建树及分析软件不仅能够实现自动构建和分析故障树,提高工作效率,而且能够识别处理具有复杂结构的故障树,对复杂系统的自动建树及可靠性分析的推广具有重要意义。
文摘针对树木三维重构过程中面临的处理速度慢、重构精度低等问题,提出一种采用激光点云数据的单木骨架三维重构方法。首先,根据点云数据类型确定组合滤波方式,以去除离群点和地面点;其次,采用一种基于内部形态描述子(ISS)和相干点漂移算法(CPD)的混合配准算法(Intrinsic Shape-Coherent Point Drift,IS-CPD),以获取单棵树木的完整点云数据;最后,采用Laplace收缩点集和拓扑细化相结合的方法提取骨架,并通过柱体构建枝干模型,实现骨架三维重构。试验结果表明,相比传统CPD算法,研究设计的配准方案精度和执行速度分别提高50%和95.8%,最终重构误差不超过2.48%。研究结果证明可有效地重构单棵树木的三维骨架,效果接近树木原型,为构建林木数字孪生环境和林业资源管理提供参考。
文摘树高是监测森林状况的重要参数,摄影测量法具有低成本、灵活的特性,是树高采集的重要方法之一.作为一种被动遥感方式,传统的摄影测量方法往往需要数量较多,重叠率较高的图像数据,这与传统图像特征的稀疏性有关.为了提高图像数量受限条件下的树高提取精度,提出将稀疏特征匹配和稠密像素匹配相结合,并使用对极约束过滤外点的方法,得到稠密且精度较高的匹配结果,并通过三维重建算法得到森林场景点云.该方法在少量图像的情况下就可以较为完整地重建森林场景并提取树高,将提取的树高与机载激光雷达(light detection and ranging,LiDAR)点云的结果进行对比,相关系数为0.91,最大误差为1.64 m.该算法只需要少量的重叠图像,这表明了该算法在处理高分辨率卫星图像方面具有一定潜力.