关键词： 航空重力测量   重力异常   FIR滤波器   卡尔曼滤波   误差参数估计  

摘要： 地球重力场为地球固有属性,获得精确的地球重力场信息对于研究地球科学、推动国家经济发展和国防建设有着重要的意义。重力传感器测量值包含重力加速度信息和载体的运动加速度成分,需要将载体运动加速度从比力加速度中分离出来,再经过各项误差的补偿,才可获得相对准确的重力加速度信息。目前,随着测量元器件的快速发展,DGNSS精度的提高,重力测量数据处理方法逐渐成为制约人们获取高精度重力信息的主要因素。本文主要工作以及创新点如下:1、目前的航空重力测量精度计算方法主要有两种,本文对两种精度评估方法进行了实验分析,实验表明方法二对于航空重力测量重复线较少的精度评估来说更加适用;针对航空重力异常测量中的高频噪声问题,本文在以往研究基础上增加高斯窗和平顶窗进行了八种窗函数FIR滤波器设计,并对高斯窗和平顶窗滤波器阶数选择进行了实验验证,结果表明高斯窗、海明窗和汉宁窗具有更好滤波效果;依据航空重力异常数据特点提出了等波纹滤波器设计步骤,设计了以6d B带宽点为截止频率的等波纹滤波器,在同等精度条件下降低了FIR滤波器的阶数,理论上可减少测量分辨率损失。2、由于航空重力测量的卡尔曼滤波计算方法存在明显的时间延迟问题,对卡尔曼滤波的时间延迟问题进行了讨论分析并利用正反卡尔曼滤波加权算法解决了上述问题;通过引入垂向比力因子误差项,对传统捷联式卡尔曼滤波方法进行了适当改进,并对FIR滤波、不引入参数的卡尔曼滤波、引入垂向比力因子误差的卡尔曼滤波以及引入水平姿态误差和垂向比力因子误差的卡尔曼滤波进行了比较分析,结果表明只引入垂向比力因子误差的卡尔曼滤波处理效果综合来看是最好的。3、针对无人机为载体起伏飞行条件下的重力异常精度问题,利用四组不同飞行方式的无人机为平台的起伏飞行数据说明其对精度的影响,结果表明无人机起伏飞行程度加大将导致重力测量精度变差;采用了误差参数与补偿方法并对其估计与补偿计算过程进行了完善;实验得出前三组较大起伏条件下内符合精度分别提高了0.10mGal,0.42mGal,0.25mGal,随着无人机起伏程度的减弱,补偿效果也相应减少,当起伏飞行程度较小时内符合精度降低了0.07mGal,借此得出该方法在起伏飞行机动程度较大条件下的实用性。

关键词： 建筑信息模型   Dynamo   Revit   程序开发   数据处理  

摘要： 随着现代建筑行业的不断发展,全新的建筑设计理念——建筑信息模型技术(Building Information Modeling,BIM)开启了建筑设计行业的第二次创新,有效响应了当前建筑设计行业愈加凸显的复杂系统特征。然而,由于现阶段以Autodesk公司旗下的Revit系列软件为代表的BIM平台仍然存在使用不便和构件参数信息冗余等问题,使得各专业建筑设计师较少使用BIM技术解决建筑设计深化阶段的诸多实际困难。为改善现有BIM技术的不足,本文提出以Revit三维建筑模型为基础,结合Dynamo进行参数交互程序的设计。本文通过对于现阶段BIM技术的政策推广、应用研究以及优化开发的相关文献的研究、归纳,明确了国内外BIM技术发展方向的同时,总结可借鉴的BIM技术研究方法。随后梳理了BIM技术的相关概念、属性特点与参数化设计内核,总结了目前BIM软件的技术特征与运用范围,并通过对国内外应用BIM技术的典型公共建筑案例进行分析,以及问卷访谈国内大型公共建筑项目中BIM技术的应用现实,了解建筑设计深化阶段中BIM技术的应用现状和存在问题。最后,通过分析应用现状和存在问题,梳理出可响应建筑设计深化阶段需求的BIM技术协同工作要求,明确BIM信息管理程序的优化方向。基于Revit中模型参数数据的层级性以及Dynamo软件可与Revit软件有机联动的特性,提出参数交互程序的设计框架,具体包括模型参数信息的导出程序、参数信息导入模型程序以及参数交互程序对于模型的联动调整等内容。在构建参数交互程序的基础上对于苏州某研发办公楼的模型参数信息进行提取管理,以证明程序的可行性与应用价值。本研究旨在促进BIM技术在建筑设计深化阶段的应用更加便捷,优化建筑设计师在模型深化信息管理中的工作模式,为国内公共建筑设计项目应用BIM平台提供一定的参考。

关键词： 三维声呐   软件研发   数据滤波   目标识别  

摘要： 随着人们对海洋资源需求的增长,三维声呐系统凭借广阔的探测范围成为水下探测领域的研究热点,多用于水下场景的图像显示。同时,三维声呐系统的目标识别功能受其背景噪声影响,多依赖于人工判别,自动识别准确率和实时性较低。因此,研发高准确率的三维声呐数据处理及目标识别系统具有较大的工程应用价值。论文针对三维声呐水下目标识别的工程应用需求,研发了三维声呐数据处理及目标识别系统软件。该系统软件包含基础业务功能模块、硬件驱动模块、点云数据预处理模块和点云目标识别模块。基础业务功能模块应用自主设计的数据传输、文件存储和命令交互协议,实现声呐数据的传输、存储和命令交互等功能。硬件驱动模块实现了硬件数据传输、命令透传和代码升级功能。点云数据预处理模块实现了DFT数据接收,通过GPU加速的波束形成算法完成了点云数据转换,并利用优化后的RANSAC算法、统计滤波算法和阈值滤波算法实现了水下目标的前景提取工作。点云目标识别模块利用了优化的KMeans聚类算法加速水下目标的聚类过程,并提取出目标点云的空间尺度特征参数和基于ICP配准算法的模板匹配特征参数完成决策树算法的模型分类器训练,实现了对水下蛙人等目标的实时分类识别功能。此外,论文还研发了数据显示系统软件以实现对点云数据的显示和目标识别结果的标注。系统测试结果表明,论文研发的三维声呐数据处理及目标识别系统软件完成了数据的实时采集、处理、目标识别和显示功能。同时,系统软件的目标识别准确率较高,满足实际应用需求。

摘要： 提到重庆,你的第一印象会是什么?山城?雾都?巴渝文化?或是滚烫的火锅、繁荣的“夜经济”?当然这都是重庆的特色,是了解重庆的一个个“窗口”,是重庆展示自己的一张张“名片”。但同样不能忽视的是,重庆作为西南地区最大的工商业城市,近年来集中力量打造“智造重镇”、建设“智慧名城”,数字经济同样蓬勃发展。2021年,全市数字经济增加值占地区生产总值比重达27%,数字经济增加值增长16%。

关键词： 隧道   变形   神经网络   监测数据处理   预测  

摘要： 随着我国交通运输的迅速发展,隧道工程的建设案例逐渐增多。近年来,新建隧道呈现出“大、长、深”和复杂地质的发展趋势,这就对隧道施工和运营期的安全提出了更高的要求。因此,隧道变形相关数据的自动化监测、各项监测数据的预处理、隧道变形动态的预测和隧道安全监测系统的应用等显得尤为重要。为此,本文对掌子面信息识别、监测数据预处理、隧道变形预测模型和隧道安全监测系统展开了研究。（1）本文对隧道工程发展现状和隧道安全事故进行了总结分析,阐述了隧道安全监测的重要意义,分析了监测项目的特点、监测方法和使用方法。针对掌子面信息的利用,提出了利用图卷积神经网络（Graph Convolutional Network,GCN）识别掌子面的岩石种类、湿润度和节理的方法。并基于工程实例对比其他方法验证了本文掌子面信息识别方法的合理性与有效性。（2）分析了隧道自动化监测的特点与问题,阐述了自动化监测潜在监测数据污染问题。总结分析了多种隧道监测数据单值缺失差值和粗差定位的方法,研究了基于相关性分析的移动窗口进化差分算法（Differential Evolution,DE）-长短期记忆网络（Long Short Term Memory,LSTM）的单值缺失的插值方法,并研究了基于误差阈值的DE-LSTM隧道监测数据粗差定位方法,为隧道变形预测提供了准确的原始数据。并基于工程实例对比其他方法验证了上述方法的合理性与有效性。（3）总结对比了各隧道变形预测方法的特点,结合隧道安全监测的特点和需求,针对性建立了基于长短期记忆网络的隧道变形预测模型,研究了改进进化差分算法对长短期记忆网络超参的优化方法,并利用图神经网络建立观测点间的联系,建立了基于GCN-DE-LSTM模型的隧道变形预测组合模型。基于工程实例对比其他模型验证了本文模型的预测精度,并研究了组合模型中的关键参数对模型预测精度的影响。（4）研究了隧道变形监测系统的构建方法,建立了基于GCN-DE-LSTM模型的隧道安全监测全过程的计算方法,并设计了隧道变形监测系统的处理方法与交互界面。并基于工程实例对比其他方法验证了本文系统的计算效率。

关键词： 船舶主机   数据处理   基线模型   预测模型  

摘要： 船舶主机作为机舱机械设备的心脏,其工作状态直接关系到船舶营运的安全性和经济性。而船舶主机经常会在极度恶劣的环境下工作,因此发展有关船舶主机的健康管理技术十分关键。为保证柴油机的安全运行,船舶主机热工参数的基线模型和预测模型可为船舶主机整体性能的状态监测和健康管理提供更好的技术支持。由于船舶主机运行时受很多复杂时变因素和自身性能衰退的影响,很难用一个确定的数学模型对其变化规律进行描述。随着大数据时代的到来,基于数据的设备健康管理技术对描述这一变化规律提供了可能,也为船舶智能运维提供了一种新思路。因此,开展基于船舶主机历史监测数据的相关研究具有一定的意义。本文将以校实习船“育鲲”轮监控系统采集到的数据为样本,深度提取数据的内部信息,建立船舶主机排烟温度的基线模型和预测模型,从而实现船舶主机状态监测与预警功能。本文的主要研究内容包含以下三个方面:(1)首先,对于监控系统收集的数据中包含的粗大异常值和噪声干扰等影响,开展了数据预处理的研究。利用差分阈值法筛选出船舶定速航行的数据;利用拉依达准则对数据中的粗大误差进行检测和处理;利用滑动窗口滤波算法对信号中的噪声进行处理;利用皮尔逊(Pearson)相关性分析法筛选出与船舶主机排烟温度相关的其它重要参数;利用滑动窗口算法筛选出各航段的稳定特征点,用来表征这段时间主机运行时的性能状态;利用Min-Max准则对数据进行归一化,解决不同量纲数据覆盖的问题。(2)其次,船舶主机热工参数受多种因素的影响,传统的学习模型又很难达到预测精度,故提出了一种基于深度置信网络(Deep Belief Network,DBN)和支持向量回归机(Support Vector Regression,SVR)相结合的船舶主机排烟温度基线模型。利用DBN网络对样本数据进行特征提取,随后将提取的信息作为输入向量传送到SVR中进行回归预测。实验结果表明,基于参数调优的DBN-SVR模型充分发挥了各自优势,相比BP模型、DBN模型和SVR模型能更准确地预测状态参数,拥有优良的稳定性。(3)最后,针对传统的时间序列自相关性导致的预测滞后问题,提出了基于经验模态分解(Empirical Mode Decomposition,EMD)和双向长短期记忆网络(Bi-Long Short-Term Memory,Bi LSTM)相结合的排烟温度预测模型。利用EMD将时间序列进行分解,建立若干子序列的预测模型,然后对各预测输出值线性重组。实验结果表明,基于参数调优的EMD-BiLSTM预测模型,不但解决了参数预测滞后的问题,还提高了预测精度。

关键词： 多传感数据融合   智能硬件   DSP+MCU   硬件可重构  

摘要： 随着信息数字化技术的发展,智能化时代已经到来,硬件正逐步走向智能化。信息采集技术的快速崛起,智能硬件需要处理的数据也在迅速增加,随之而来的是数据质量较差、数据形成速度较快、数据多源异构化等问题,而这些问题也是阻碍数据处理技术领域发展的重要原因。目前传统的智能硬件难以满足处理大量多传感数据的实时性要求,并且功能服务单一,实用性不强,智能化水平较低,难以灵活满足在复杂应用场景下的需求。为应对以上问题本文研究设计了一种基于DSP的多传感数据处理智能硬件架构。针对不同复杂应用场景,弥补传统智能硬件在硬件安装部署和软件版本迭代等方面的诸多不便,提出了一种可以灵活配置的硬件可重构系统方案。硬件上将核心通讯计算控制单元与多传感器信号采集单元分离设计,传感器可插拔设计,实现传感器平台与通讯计算平台分离,提升系统可复用性;软件上提出支持硬件可重构的引导程序方案,引导程序方案包含跳转用户程序、Flash擦除和写入程序、在线应用编程（In Application Programming,IAP）升级文件获取程序三大结构,共同完成核心通讯计算控制单元的软件配置和版本迭代。针对多传感器数据信号处理的融合和实时性问题,提出了一种以MCU+DSP双核处理器为核心计算控制单元的智能硬件架构方案。将MCU的事务管理能力与DSP的高速数字信号处理能力融合在一起,提高系统整体性能,同时基于该智能硬件架构可灵活配置多种类型传感器,以满足不同应用场景下的需求。针对多传感器数据采样数据质量较差问题,设计实现了一种ADC过采样和累积抽取算法。该算法能够降低ADC采样量化噪声,还原恢复更为真实的原始信号,提升ADC采样的有效分辨率。针对多传感器信号需要同步采样处理的问题,设计实现了一种多通道A/D同步采样驱动模型。针对多传感器数据融合处理,研究实现了时域抽取基2-FFT算法。在此算法应用上,设计了一种基于DSP的离散傅里叶变换法相位差检测方法,在工程领域中相位差测量有着广泛的应用,高精度的相位差测量方法在工程项目中具有深远的意义。基于多传感数据处理智能硬件架构开发的用电行为智能安全监测系统,在第十五届中国研究生电子设计竞赛中获得赛区二等奖,并且已经投入到实际工程应用中,在高校、居民楼以及酒店等地区场所中安装使用,在使用过程中已然多次发现安全隐患,从而印证了本文设计的实际市场应用价值。

关键词： 软件缺陷预测   WCP-SMOTE   混合特征选择   集成学习   粒度决策熵   E＿RHFS  

摘要： 在当今信息化时代,应用软件随处可见,软件质量问题也随之而来。软件缺陷是软件质量的对立面,使得软件的安全性和可靠性面临着严重威胁。因此,如何准确而高效对软件模块进行缺陷预测成为一个亟需解决的问题。软件缺陷预测是软件质量保证的重要途径之一,近年来已成为软件工程中一个非常重要的研究课题。然而,借助机器学习的方法进行软件缺陷预测在实际中还面临以下问题:数据类别不平衡、预测精度低等。如何有效解决上述问题已成为目前相关领域的研究热点。本文从数据采样与集成学习的视角来系统研究软件缺陷预测中不平衡数据处理的问题。首先,我们对传统的SMOTE算法进行改进,得到一种基于加权复杂度的SMOTE算法WCP-SMOTE,并将其应用于软件缺陷预测;其次,我们提出一种新的基于加权复杂度的欠采样算法WCP-Under Sampler,将WCP-Under Sampler算法与经典的采样方法进行实验对比,研究了WCP-Under Sampler算法对软件缺陷预测模型性能的影响;最后,将数据采样技术与集成学习方法结合在一起,为了增加基分类器之间的多样性,提出一种基于自助抽样与混合特征选择的集成学习算法E＿RHFS,并将其应用于软件缺陷预测。本文的主要工作可归纳如下:(1)基于加权复杂度的SMOTE算法及其在软件缺陷预测中的应用针对软件缺陷预测中数据的类别不平衡问题,对传统的SMOTE算法进行改进,并提出基于加权复杂度的SMOTE算法WCP-SMOTE。该算法利用样本复杂度来辅助合成新样本,从而为类别不平衡问题的处理提供有效方案。将WCP-SMOTE算法与传统的过采样方法进行对比,在多个Promise数据集上的实验表明:利用WCP-SMOTE来处理不平衡数据能够获得更好的缺陷预测性能。(2)基于加权复杂度的欠采样算法及其在软件缺陷预测中的应用针对软件缺陷预测中数据的类别不平衡问题,提出一种新的基于加权复杂度的欠采样算法(即WCP-Under Sampler算法),避免了在欠采样过程中删除一些对模型预测有价值的的样本,为类别不平衡问题的处理提供有效方案。将WCP-Under Sampler算法与传统的采样方法进行对比,在多个Promise数据集上的实验表明:WCP-Under Sampler算法在KNN和CART分类器上均能获得更好的软件缺陷预测性能。(3)基于自助抽样与混合特征选择的集成学习算法及其在软件缺陷预测中的应用集成学习被广泛应用于软件缺陷预测,但已有方法还存在以下问题:基分类器之间的多样性难以保证、预测精度低。针对上述问题,提出一种基于自助抽样与混合特征选择的集成学习算法E＿RHFS,并利用其来预测软件缺陷。为了处理数据类别不平衡问题,在执行E＿RHFS算法之前,利用采样技术对数据进行平衡化处理。在平衡的数据集上,E＿RHFS算法首先利用自助抽样技术生成多个抽样集,并利用粒度决策熵与随机子空间技术来对每个抽样集进行混合特征选择;第二,在每个经过混合特征选择的抽样集上构建一个基分类器;最后,通过投票的方式将所有基分类器集成在一起,从而得到最终用于软件缺陷预测的集成分类器。在多个Promise数据集上的实验表明:将数据采样算法与E＿RHFS算法相结合来进行软件缺陷预测可以获得更好的缺陷预测性能。

关键词： 文化遗产   数字化   可视化   数据处理   保护传承  

摘要： 目的 梳理当今文化遗产数字化进程，归纳总结数字化流程体系并分析可视化案例，为文化遗产保护传承提供可视化思路与建议，探索未来文化遗产数字化的发展方向。方法 从文化遗产数字化的角度出发，收集、分析国内外相关文献，结合当今数字化科技手段梳理数字化流程体系，并对国内文化遗产可视化案例进行收集、分析、总结，并进行了可视分析。结论 明确数字化对文化遗产保护传承的意义，得出当前文化遗产数字化发展状况与数字化的流程体系，从文化遗产可视化呈现的数据信息、目标用户、分类、图表等多个方面归纳总结规律，针对不同的文化遗产主体选用合适的可视化呈现形式能够帮助公众快速了解不同文化遗产所蕴含的内容，并对文化遗产数字化未来的发展方向提出展望。

关键词： 源网荷全景同步测量系统   主站   分布式架构   OpenPDC   HAProxy   负载均衡集群  

摘要： 源网荷全景同步测量系统(Full-view Synchronized Measurement System,SYMS)实现了对电力电子化电力系统的动态监测。然而,由于数据源多、数据类型不同以及装置数量的激增,现有的SYMS主站架构将难以处理多源海量的测量数据。论文提出了适用于SYMS主站的分布式架构,研究了基于开源相量数据集中器(Open Source Phasor Data Concentrator,OpenPDC)的多源异类数据实时处理方法,并基于HAProxy设计实现了前置负载均衡集群,最终搭建了分布式主站的前置系统。针对传统广域同步测量系统主站架构易出现单点故障、并发处理能力低、可扩展性低等问题,详细分析了主站系统的数据通信需求、应用需求、存储需求以及硬件资源需求,基于此提出了一种包含前置数据服务、实时应用服务、数据缓存服务、离线应用服务以及Web服务的SYMS主站分布式系统架构,不同数据服务部署在不同服务器中,通过消息传递协调通信,降低了各数据服务之间的耦合性,且单一数据服务可实现集群扩展,不仅增强了 SYMS主站的容错能力,同时保证了主站的并发处理能力以及扩展能力。针对SYMS系统源网荷多场景同步测量装置(Synchronized Measurement Device,SMD)布点多、数据类型不一造成的数据多源异类问题,分析了 SMD装置的数据通信方式,提出了基于开源相量数据通信框架GSF的实时数据通道建立方法,实现了不同装置依据IDCODE的数据实时传输;基于OpenPDC设计实现了适用于SYMS的多源异类数据适配器,实现了数据的实时归一化处理。测试结果表明,所提方法及适配器解决了 OpenPDC对SYMS数据的不兼容问题。针对装置数据大幅度增加导致的主站前置压力过大的问题,提出了一种基于HAProxy的前置负载均衡集群。其中,基于TCP四层负载均衡以及最小连接数算法实现了前置负载均衡调度器,基于OpenPDC构建了前置数据处理的前置应用服务器,实现了对SMD装置负载的自适应分配及处理。进一步,为保证集群的高可用性,基于Keepalived的虚拟IP故障切换方法实现了主备双节点的前置负载均衡集群。测试结果表明,与集中式前置相比,所提前置负载均衡集群具备较强的数据分发能力与容错能力。