关键词： RISC-Ⅴ   Rocket Chip   图像处理   Sobel边缘检测   FPGA  

摘要： 近年来伴随着数据通信技术的迅速发展,数字图像处理得到了广泛的应用,其重要性也越来越高,涉及科学研究、工业制造、医疗教育等多个领域,实时图像处理技术在目标检测、机器人以及车载等场景中都有着大量应用。针对辅助驾驶和医疗诊断等应用场景,在图像处理过程中需要提取大量的图像边缘信息,图像数据之间的关联性很高,并且实际的应用场景也对图像的传输时间有着严格限制,现阶段的实时图像处理系统计算效率和适配性仍不能满足需求。而基于SoC的图像边缘检测设计既可以满足硬件系统的实时性要求,也可以发挥软件系统的灵活性。然而其目前存在一些问题,如SoC的开发成本相对较高,使得一些低成本应用难以采用;SoC的开发难度相对较大,需要集成不同的模块和IP核,模块之间互联复杂,因此SoC设计的复杂度非常高。 本文针对图像数据处理SoC在开发中存在的成本与复杂度的问题,分析了目前主流的处理器架构,采用了开源的RISC-Ⅴ架构方案。与传统架构相比RISC-Ⅴ的指令集架构更加精简,并且具有的开源优势,使得基于RISC-Ⅴ架构的处理器与ARM处理器相比更具性价比,性能更好、面积与体积更小,更适合在嵌入式领域应用。而且通过Rocket Chip的模块参数化以及Chisel的参数级联特性,可以大大降低SoC设计的复杂度。因此本文基于RISC-Ⅴ的Rocket Core构建了SoC,并针对图像处理中的边缘检测进行研究,设计了利用Sobel算子进行边缘检测的图像处理SoC。 针对图像处理SoC的系统搭建,本文设计内容包括SoC的系统配置、图像采集系统的硬件设计和Sobel边缘检测模块设计。图像采集系统包括图像采集模块、MIPI CSI-RX控制器以及总线桥模块。其中图像采集模块负责对摄像头进行寄存器配置,并将摄像头数据整理后传输给图像处理模块。MIPI CSI-RX控制器负责管理图像传感器和应用处理器之间的接口,完成从输入字节数据到输出像素数据的转换。总线桥模块可以灵活适配AXI IP资源,使得Tile Link与AXI两种总线间的数据传输更加高效。边缘检测的核心模块包括灰度处理、图像缓冲和计算模块,实现了基于3×3 Sobel算子的数据处理,并在传统两方向的Sobel算子基础上扩展为八方向模板。 针对RISC-Ⅴ SoC系统功能的验证问题,通过软件模拟器对搭建的SoC进行验证,并对处理器的Dhrystone性能参数进行测试,其DMIPS/MHz值约为1.52,接近Coretex-A5的1.57DMIPS/MHz值。利用Xilinx AXU3EG开发板,对构建的SoC进行FPGA实现,实现了边缘检测的功能,一帧图像的处理时间约为4ms,满足每秒60帧的系统实时性指标。并且与软件处理结果相比,边缘检测整体效果良好。

关键词： GNSS   边坡变形   箱形图-小波去噪   LSTM-ARIMA  

摘要： 边坡监测是边坡灾害防治和预测预警的重要手段之一,也为分析整体变形趋势提供了重要依据。GNSS(Global Navigation Satellite System)技术已经成为边坡变形监测的有效工具之一。本文对GNSS技术在边坡变形预测方面的应用做了初步的研究,主要研究成果总结如下:(1)鉴于GNSS在数据采集方面的优越性,在探究GPS、GLONASS、GALILEO、BDS在全球定位系统的基础上,研究了GNSS组成,定位原理,观测量及误差分析。采用“无规则三角形”对GNSS监测误差进行优化,并将GNSS技术用于某水利枢纽工程边坡变形数据采集。(2)由于小波去噪在研究局部异常值分析的不足,提出采用箱形图线性插值预处理数据方法,实例表明,经过此方法预处理后的整体数据得到优化。对预处理后的数据进行小波去噪,实例表明,使用通用阈值规则、软阈和sym8小波的去噪效果最好。并对经小波去噪后的三维变量进行分析,分析结果可知某水利枢纽1-7月份的左岸边坡和右岸边坡同时存在纵向位移和水平位移的变化,且变形在合理范围以内。(3)针对于LSTM模型线性预测精度不足的问题,采用ARIMA模型对LSTM预测的残差序列进行了修正。利用去趋势波动分析法求得差分阶数,再分析ACF和PACF得到自回归阶数和移动平均阶数,最终构建ARIMA模型。研究LSTM-ARIMA组合模型预测能力,实例表明,LSTM-ARIMA模型相比于LSTM模型预测分析指标更精确,预测能力更强。

关键词： 管道泄漏   数据处理   泄漏定位   流场   声学特性  

摘要： 天然气作为重要资源,广泛应用于发电、化工、民生等领域。而天然气管道在长期使用中由于各种原因发生泄漏,极易造成环境污染和人员伤亡,因此针对管道泄漏开展定位研究具有重大意义。本文以天然气泄漏管道为研究对象,研究泄漏声信号的传播规律与时频特性,并将声信号进行特征提取从而进行泄漏管道定位分析。主要研究内容包括:首先,本文以直管与三通管道为研究对象,对不同压力和泄漏孔径条件下的管道进行数值模拟分析。得到不同影响条件下管道流场分布的变化规律,并依此进行泄漏管道声场分布的研究,获得不同条件下泄漏孔两侧声信号传播规律和时频特性。其次,针对原始声信号无法对管道泄漏位置进行准确识别的问题,本文采用一种改进经验小波变换方法对原始声信号进行特征提取。传统经验小波变换存在需人工预先设定分解尺度以及频带划分问题,可采用小波包分解与小波包多尺度信息熵理论对经验小波变换进行改进。利用信息熵与原始信号熵的占比确定分解尺度,并基于选取频带能量的局部极小值作为边界对信号频带进行划分,通过经验尺度函数与经验小波函数构成的小波滤波器组进行声信号的频谱分割,达到对信号进行合理划分的目的。最后,为了验证泄漏管道定位的准确性。通过建立直管与三通管天然气泄漏管道定位模型,利用改进经验小波变换对采集到的管道声信号进行特征提取,以相关系数为依据选取声信号分量进行互相关定位分析。得到对直管与三通管道泄漏位置定位的准确率分别为99%与94.8%,结果验证了本文方法在泄漏管道定位方面的准确性。

关键词： 高密度电法   边坡物探   数据处理   时移反演   灾害源演化  

摘要： 边坡安全问题一直是困扰露天矿正常生产的难题。准确了解边坡内灾害源的分布和演化对于更有效地保障露天矿山生产安全具有重要的意义,也因此成为当前研究的热点问题。传统的边坡灾害源探测工作主要采用钻探、高密度电法、地质雷达等方式,但仅能反映勘探时的灾害源分布情况。时移高密度电法是一种基于高密度电法的新型地球物理探测技术,通过对露天矿边坡内灾害源及其周围地质环境的重复高密度电法测量,可以揭示灾害源演化的机理和演化规律,为灾害预防和治理提供科学依据和技术支持。 为了提高数据的信噪比,凸显地下介质的时空演化特征,本文对时移高密度电法探测中的数据处理技术进行了研究。为了消除异常值的影响,对原始数据采用均值阈值方法进行异常值点去除并采用保形分段插值方法进行插值。为了降低数据中的随机噪声影响,先采用sym6小波对视电阻率数据进行5层小波分解,然后选用软阈值法去除高频部分中的噪声成分,最后通过傅里叶逆变换得到处理后的数据。为了校正时移断面数据,借用断面数据连接中的参数区域法,以地质稳定区域作为基准,对时移断面数据施加地质约束,进行时移数据校正。此外,本文建立了一系列数值模型,采用同一位置区域的反演电阻率与时间间隔的导数作为演化特征参数,对边坡内灾害源扩大的演化和边坡仅发生灾害源内部的演化进行了研究。最后,将该方法应用于某大型露天矿边坡内灾害源探测研究中,取得了一些有价值的成果: (1)常规高密度电法可以识别出边坡内灾害源。针对边坡内灾害源仅发生内部的演化,采用多次常规高密度电法对其演化过程进行探测时,通过对反演图像进行对比,难以识别其演化。针对边坡内灾害源发生扩大的演化,通过多次常规高密度电法对其演化过程进行探测,从反演图像上可以大致识别出其扩大演化区域,但不能凸显其演化特征。 (2)建立了一套基于时移高密度电阻率法的边坡内灾害源演化数据处理流程。该流程包括以下步骤:首先保证仪器设备和测量电极位置的不变。然后对同一测量剖面不同期次的探测数据使用相同的数据降噪方法。接着,采用参数区域法对探测数据进行地质约束。然后将多期次的反演结果进行数据插值及网格化,以便进行后续的数据处理。最后,采用同一位置区域的归一化反演电阻率与时间间隔的导数来凸显灾害源演化特征。该流程可以有效地处理时移高密度电阻率法探测数据,以便更好地研究边坡内灾害源的演化情况。 (3)本文对时移高密度电法数据采取的处理方法能够在反演图像上有效显示边坡内灾害源的演化情况。先通过对原始探测数据进行均值阈值滤波、小波去噪、地质校正和归一化处理,然后采用同一位置区域的归一化反演电阻率与时间间隔的导数,可以有效识别边坡内灾害源的动态演化,并从变化数量级和变化区域等方面凸显其演化特征。未发生演化的灾害源区域以及岩性稳定区域在数值上接近于0,而发生演化区域数值较大,等值线密集。 (4)本文以某大型露天矿边坡为例,对基于时移高密度电阻率法的边坡内灾害源演化探测方法进行了具体应用。通过对比归一化反演电阻率与时间间隔的导数图像和与对应时间的勘察结果,验证了本文提出的方法能够有效地识别边坡内灾害源演化,并与现场勘察结果相符。这表明本文提出的方法在实际应用中具有一定的可行性和有效性,有望成为边坡内灾害源演化探测的新方法。

关键词： 混凝土重力坝   数据处理   参数反演   监控模型  

摘要： 混凝土重力坝作为我国防洪、发电及航运等方面的重要基础设施之一,其健康运行与否关乎广大人民的生命财产安全和社会稳定。然而,在役混凝土重力坝安全监测系统易受诸如监测仪器异常、外部荷载扰动和监测过程疏漏等多方面多源头关联因素影响,常导致原型监测资料缺漏及发生数据异常现象。建立有效的混凝土重力坝安全监控模型是感知大坝安全服役性态的重要手段,可靠的监测数据资料是大坝安全监控模型构建的前提,本文针对大坝观测资料中存在不完整性和数据野值现象,综合运用统计学、深度学习以及信号处理等方法,通过开展其原型变形监测数据的可靠性识辩及预处理工作,进而获取内蕴原型观测信息的变形监测数据,系统研究并提出了混凝土重力坝变形性态参数识别和变形行为多测点监控方法。主要研究内容如下:(1)针对混凝土重力坝原型观测序列中存在异常值与缺值等问题,通过对其观测野值及时序数据不完整性影响分析,采用孤立森林法对其变形观测时序数据的可靠性识辩,并运用VMD-Bi LSTM方法对混凝土重力坝变形不完整时序数据实施有效填补,进而提出了适用于混凝土坝变形观测数据的可靠性识辩及预处理方法。(2)考虑反演混凝土重力坝主要力学参数过程中存在繁琐性及计算效率低等问题,本文运用果蝇优化的BP神经网络算法,构建了混凝土重力坝静载响应代理模型,并结合拉丁超立方抽样抽取力学参数组合及COMSOL有限元平台计算结果,从而提出了基于代理模型的混凝土重力坝变形性态参数识别方法。(3)针对传统大坝单测点变形监控模型难以合理表征空间变形场中同一坝段不同测点的综合响应特性问题,本文基于其单测点变形监控统计模型,构建了基于数理统计的混凝土重力坝多测点变形监控模型,并运用贝叶斯优化的Light GBM算法及安全监控混合模型构建方法,进而提出了基于数据与物理驱动的混凝土重力坝多测点变形监控混合模型。

关键词： 拉曼光谱   乙醇水溶液   浓度   数据处理   偏最小二乘回归  

摘要： 乙醇作为有机溶剂被广泛应用于医学、食品工业等领域,例如75%浓度的乙醇溶液常用于杀菌消毒。然而不同厂商生产的乙醇溶液质量参差不齐,多次出现乙醇浓度虚标现象,因此需要一种便捷、快速的检测手段对乙醇溶液的真实浓度进行检测。拉曼光谱是一种能对分子进行“指纹图”分析的技术,它不挑剔样品的状态,并且无需对样品进行前置处理即可直接进行检测。拉曼光谱的强度与样品浓度呈正相关,当样品浓度较低时,拉曼光谱信号容易淹没在噪声中从而无法直接进行辨认,给后续的定性、定量分析带来误差。本文利用拉曼光谱技术,选择不同浓度的乙醇水溶液作为样本,搭建以及优化拉曼光谱探测系统,根据实验数据结果讨论光谱处理方法以及定量分析方法。具体内容如下:首先,以浓度为50%的乙醇水溶液为样本,使用搭建的拉曼光谱检测系统对其进行拉曼光谱检测,与仿真所得乙醇分子的拉曼光谱进行对比分析,分析其拉曼特征峰位置与振动归属,确定乙醇水溶液中乙醇分子振动产生的拉曼特征峰分别位于890.7cm-1、1058.6 cm-1、1098.6 cm-1、1265.8 cm-1、1461.3 cm-1、2941.6 cm-1、3016.2 cm-1,处,验证了所搭建实验系统的可行性。其次对实验系统的参数进行优化选择,最后确定的最佳参数为:电流强度为1000 m A,积分时间为2000 ms,平均次数为3次。确定最佳的实验参数后,利用该系统测量不同浓度的乙醇与蒸馏水的混合溶液,获取它们的拉曼光谱图,为下文乙醇水溶液拉曼光谱分析以及定量回归模型的建立提供数据支持。随后对获得的不同浓度的乙醇水溶液拉曼光谱进行数据预处理,利用窗口长度为5的Savitzky-Golay滤波法结合集成经验模态分解法实现乙醇水溶液拉曼光谱的去噪以及特征信号的放大,采用自适应迭代加权惩罚最小二乘法进行荧光背景的扣除。应用Kennard-Stone算法以3:1的比例将样本分为训练集和测试集,分别使用多元线性回归,主成分回归,偏最小二乘回归对光谱进行回归分析。相较于使用全波段拉曼光谱进行定量预测模型的建立,使用拉曼特征峰信号强度与浓度建立回归模型,能够有效的提高模型的精度,缩短建模时间,使用偏最小二乘回归建模所得效果最佳,其决定系数以及均方根误差为0.9795和0.0072,能够实现更加准确的乙醇水溶液浓度预测,预测准确性较高,稳健性较好。为由于样品浓度低从而获得质量较差的拉曼光谱的定性、定量分析提供方案策略。

关键词： 高光谱分辨率激光雷达   大气气溶胶   反演算法   大气边界层高度  

摘要： 近年来，日益严重的大气污染已经引起公众的普遍关注，大气遥感激光雷达作为一种重要的主动遥感观测设备受到广泛应用。高光谱分辨率激光雷达作为一种可以独立、精准地反演气溶胶光学特性的主动遥感仪器，经过多年的研究如今已成为开展气溶胶长时间高效观测的有力工具。随着对气溶胶的研究不断深入，开发适用于高光谱分辨率激光雷达的反演模型及数据处理技术，是掌握气溶胶微物理特性的基础，是对于形成气溶胶业务化观测，获得气溶胶水平、垂直和时间分布上的全面且具有统计意义的数据库不可或缺的手段。本文从原始激光雷达回波信号出发，构建了高光谱分辨率激光雷达反演模型，通过实验观测及对比校验，分析了气溶胶典型案例，并进一步开展了激光雷达数据产品大气边界层高度的研究，此外，还设计数据质量自动判断方案。本文的主要研究工作总结如下：　　（1）地基高光谱分辨率激光雷达通用反演算法研究。基于浙江大学自研的双视场HSRL工程样机ZJU-HSRL，从激光雷达探测得到的原始信号出发，介绍了背景信号去除、时间平均与垂直平滑、重叠因子校正、距离信号校正的信号预处理流程和方法，基于HSRL系统的性质，进行后向散射系数、消光系数、激光雷达比、体退偏比、后向散射比等大气气溶胶光学特性参数反演，进一步利用光学特性，进行了特征识别。　　（2）地基高光谱分辨率激光雷达大气边界层反演算法研究。由于大气边界层上方的悬浮气溶胶层、云层以及残余层会严重影响PBLH的反演，本文研究了一种基于多种层次识别的干扰排除方法，在完成干扰排除后，再利用传统方法对大气边界层高度进行反演。首先通过对ZJU-HSRL数据的处理验证该技术的可行性。接着，将该方法应用于杭州国家基准气候站的MPL系统中，进行了长期观测数据的比对和处理，结果表明，该技术反演结果和云高仪反演结果较为一致，证明了该技术的可靠性和通用性。　　（3）地基高光谱分辨率激光雷达数据质量自动判断研究。利用该方法对ZJU-HSRL的数据进行了质量评估，实现了突变性与缓变性故障数据的自动判别，并可追溯系统故障的原因。由于该方法使用激光雷达通用物理量进行判别，故具有较高移植性。该方案实现了对激光雷达观测数据的全自动化处理与数据储存，为后期组网运营奠定了无人值守的基础。目前已开发激光雷达数据质量判别软件，应用于业务化观测中。

关键词： MEMS陀螺   在轨试验   数据采集   微小信号  

摘要： 随着卫星组网需求的增加,卫星体量急速增加,卫星体积、成本需求的下降,光纤陀螺和机械陀螺的成本和体积已不能满足卫星的使用需求,而MEMS陀螺仪技术逐渐成熟,其成本低和体积小的优势得到体现。在国内,石英MEMS陀螺仪作为关键控制器件其性能指标已经完全达到甚至超过了美国QRS和挪威STIM系列产品,但是未见有报道开展过空间应用验证研究。本文针对空间环境低气压、热真空、辐照等共存的环境特点,设计并研制了一款稳定性强,可靠性高的在轨信息采集与数据监测系统。实现对模拟单轴石英陀螺、数字单轴石英陀螺,内置模拟单轴的三轴石英陀螺、内置模拟单轴的惯性测量单元、内置数字单轴的三轴石英陀螺、内置数字单轴的惯性测量单元等多款MEMS陀螺仪的输出信号采集。本文在上述信号采集方案基础上,针对某型石英MEMS陀螺仪输出信号微小的特点,设计了相应的微小信号采集方案,并论证该方案的可行性,提高试验单元信号采集精度以及系统的可靠性。该数据采集与处理系统适用于监测中低轨道的低成本、小体积石英MEMS陀螺仪在舱外空间环境非暴露条件下的工作状态和性能。搭载过程中,实时采集石英陀螺的输出,定期回传数据。探索适应中低轨道空间环境条件的低成本、小体积的石英MEMS陀螺技术状态,填补石英微机械陀螺仪进行空间应用的空白,为后续研究提供实际应用参考。

ISBN: (纸本)9787040612882

关键词： 深度学习   输电通道   危物辨识   目标检测   数据处理  

摘要： 输电线路是电力系统的生命线,其正常运行是电网安全的基础。输电线路发生故障的原因有40%左右是由异物,外破等隐患引起的,影响电能质量的稳定,电力系统的安全运行。线路跳闸会造成负荷损失,影响对用户的供电稳定性。因此,需采取措施对于输电线路危物进行识别并及时介入,降低线路因输电隐患造成的线路跳闸等情况。该项工作在国内外相关的研究发展有一段时间,但相关的研究仍存在着诸多不足之处。例如目前的传统输电线路图像识别算法在森林、山川等复杂背景下及多干扰因素下的巡检图像精确性低。因为基于深度学习的危物辨识算法的精度与样本数据的质量有着强相关性,为解决识别复杂环境下的巡检图像和提升精度的问题,我们针对性开展基于深度学习的输电通道危物辨识关键技术研究,建立质量合格的样本数据集,深入分析输电通道图像特点,精准辨识输电通道异物隐患,有效减少因异物,外破等隐患引起的线路跳闸次数。本论文基于PyTorch框架,系统研究了基于深度学习的目标识别算法的各个种类,包括一阶,二阶目标识别算法,通过实验检测其性能;其次,对数据集图像的预处理技术进行介绍与设计,从收集图像数据集、图像预处理、图像数量筛选以及改进目标识别框架等方面开展数据集的构建,形成质量可靠的图像数据集;最后,对基于YOLOv5目标识别算法的输电隐患检测模型及其改进方式进行研究,有效提高输电隐患识别效率和准确率。本文工作主要包含以下三个方面:第一,分析了基于深度学习算法的危物辨识技术的必要性以及传统危物辨识技术的弊端,介绍深度学习的基本原理和卷积神经网络,并对一阶目标检测算法和二阶目标检测算法的优缺点进行对比分析,并根据不同算法的检测精度和速度,确定YOLOv5作为本课题基础的算法模型。第二,对输电通道危物图像预处理技术进行研究,为后续的危物识别作铺垫,主要包括图像采集、筛选、增强、扩增以及标注。首先,使用输电可视化监拍装置采集输电危物图像。然后,为提高人工筛选图像的效率,利用哈希算法辅助筛选出初步可用的输电危物图像。其次为提高图像质量,通过直方图拉伸、边缘小波处理等技术对图像进行增强。接着为保证训练样本的数量和多样性,利用随机裁剪、反转、旋转、缩放等手段进行样本扩增。最后对扩增后的部分样本通过Labellmg进行图像标注,并使用半自动标注技术对其余图像进行批量标注,从而减轻人工负担,提升标注工作的效率。第三,由于容易受森林、山川等复杂背景的遮挡,导致通用的目标检测模型难以较好的获取特征。即使获取特征数值,但模型参数量大,影响了检测精度和速度。针对上述问题,提出基于改进YOLOv5的输电通道危物目标识别算法。首先为了提高模型的特征提取能力,将YOLOv5的原始检测头替换为Swin-Transformer结构。然后利用卷积注意力模块CBAM对局部特征进行挖掘,提高模型识别输电危物的精度。最后在模型的后处理阶段采用Soft-NMS代替原先的硬性抑制方式,降低候选框置信度,从而减少因遮挡造成的漏检率。实验结果表明,相比于Faster R-CNN等典型的四个目标检测模型,本文所提出的算法具有更高的检测精度和速度。