煤炭绿色开发地质保障体系的构建

掘锚自动化作业是煤矿巷道智能掘进的关键,针对当前掘锚设备交替作业过程中相对位姿测量和碰撞检测难题,提出一种数字孪生驱动的煤矿井下掘锚设备跟踪定位与碰撞检测方法。首先,为克服井下掘进工作面低照度、高粉尘、复杂背景干扰的影响,以多点红外LED标靶作为信息源,通过工业相机采集红外LED特征点图像,利用Hough轮廓检测与质心法提取光斑中心并通过二进制编码识别标靶ID,采用改进稀疏光流算法对光斑进行跟踪,同时建立基于PNP的掘锚设备位姿解算模型,采用对偶四元数获得设备间相对位姿。其次,利用数字孪生技术,基于Unity3D平台建立对应实际尺寸的掘锚设备及工作面数字孪生模型,利用Socket通信方式实现虚拟空间与物理实体之间的实时数据传输与交互,在虚拟空间中实现掘锚设备实时位姿的三维可视化,结合任意多边形OBB(oriented bounding box)碰撞检测算法,实现掘锚设备虚拟碰撞检测。最后,搭建实验平台进行掘锚设备位姿测量试验,同时对虚实运动轨迹和碰撞检测效果进行验证。实验结果表明：掘锚设备跟踪定位实验的位置误差不超过20 mm,角度误差不超过0.30°;虚实位置坐标对比中X轴方向最大误差不超过1.14 mm;Y轴方向最大误差不超过1.10 mm,能够保证系统虚实一致性和同步性,满足掘进工作面作业过程中掘锚设备实时跟踪定位及碰撞检测的要求。

     

遗传算法中的光滑约束反演及其在青藏高原面波研究中的应用

光滑约束技术在线性反演中具有重要的作用,但在遗传算法的反演中则很难直接施加于模型参数,其原因是采用光滑处理后的模型参与迭代后,模型的多样性受到很强的压制,并在少量的迭代过程中使种群的各个模型趋向一致,从而得不到满足条件的最优解．本文给出了一种可用于遗传算法反演的间接光滑约束方法．该方法将遗传算法迭代过程中产生的模型经处理后得到的光滑模型,作为误差函数计算的输入模型．迭代过程仍采用原模型,避免了模型的多样性损失,在面波反演和接收函数反演的试验中取得了良好的效果．我们利用该方法对青藏高原地区的瑞利波相速度资料进行了反演,揭示了青藏高原中部地区S波速度结构的横向变化特征．结果表明,青藏高原北部地区地壳Ｓ波速度较南部地区低;大多数路径在15～40ｋｍ 深度范围内,存在12～25ｋｍ 厚的地壳低速层;上地幔低速层位于100ｋｍ 深度以下,厚度主要在40～80ｋｍ 范围内变化,个别路径可达100ｋｍ 以上．安多台以北、玛沁和玉树以西之间,在上地幔90～230ｋｍ 深度范围存在明显的低速层,最低速度约4.2～ 4.3km／s．根据不同路径的S波速度结构和前人的资料,我们认为印度板块的俯冲可能以雅鲁藏布缝合带附近为界．     

Wallis变换在小波影像融合中的应用

介绍了一种基于Wallis变换的影像增强方法在影像融合中的应用。通过分析线性拉伸、直方图均衡拉伸和Wallis变换3种影像增强方法对多孔算法中小波系数分量的影响,得出对原始的高分辨率影像进行线性和直方图均衡拉伸后和多光谱影像的融合效果与直接用原始高分辨率影像进行融合的效果差别不大,增强算法本身没有提高融合的效果,而基于Wallis变换的影像增强方法可以较好地把携带细节信号的小波分量表现出来,有效地用于影像融合的模型中。     

土体渗流固结参数识别方法

根据土体固结过程中超孔隙水压力观测资料,建立了基于遗传算法的土体渗流固结参数非线性识别方法,解决了经典高斯-牛顿极小化问题所存在的局部极小问题和最小二乘法所存在的当初始值选择不合适时迭代过程发散的问题,提出了根据观测仪器的精度,建立迭代终止条件的方法。数值计算结果表明,本文所提出的非线性反演方法适合于土体固结参数识别等类似的反问题。     

多导体柱微波成像的连续编码遗传算法

提出一种能同时重建多个二维良导体目标外形轮廓的新方法——连续编码遗传算法．将目标的横截面轮廓近似表达为三角级数形式,由边界条件得到一积分方程组,在此基础上将成像问题转化为约束优化问题,级数的各项系数为待优化量．积分方程组为约束条件,目标函数定义为实际测量的散射场与反演过程中得到的散射场之间的相对误差函数．采用连续编码遗传算法求解,优化过程通过选择、交叉、变异等遗传操作的选代而实现,待优化目标函数进行线性变换并采用模拟退火原理确定目标后表达为适应度函数,采用联赛选择与比例选择相结合的选择机制和单点交叉方式,变异操作通过对基因施加微小随机扰动实现．上一代中适应度最高的个体直接保留．数值模拟反演实验验证了方法的有效性．与其他反演方法相比,本法具有简单、通用、鲁棒性强等特点．     

基于模糊理论的时空数据模型及算法解决

针对当前时空数据模型中存在的主要问题,本文提出了一种基于模糊理论的时空数据模型.该模型从时空对象演化的角度出发,结合模糊隶属度的概念,力求精确表达对象演化的整个过程及对象之间的相互关系.在此基础上,进一步分析了该模型的数据结构以及算法解决,为时空数据模型的研究提供了新的思路.     

两种土壤温度算法的对比分析

为了定量理解黄土高原土壤的物理特性和过程, 为进一步提高陆面模式对该地区地表能量平衡模拟能力奠定基础, 本文利用2005年黄土高原陆面过程试验中7月22～26日期间裸土地表观测站土壤温度观测资料, 采用热传导（结合数学拟合法)、热传导－对流两种方法分别计算了该地区土壤热扩散率。本文还利用热传导－对流方法计算0.05～0.1 m浅薄土壤层的热扩散率垂直梯度与水通量密度之和, 其值介于0.80×10-6～2.43×10-6m/s之间。在此基础之上, 以0.05 m深度的土壤层为上边界, 分别利用上述两种方法模拟0.10 m深度的土壤层温度, 结果表明: 由于忽略土壤的垂直不均匀性和水分的垂直运动而只考虑热传导过程, 热传导方法不仅高估了土壤温度振幅, 而且高估了位相的延迟。而热传导－对流方法对温度振幅和位相的模拟值与实际观测值吻合较好, 白天 (北京时间08:00～20:00) 的温度模拟值相对测量值的平均误差、 标准差和归一化标准差分别为0.19 K、0.18 K和0.08%。     

二值图像的紧凑二叉树表示及其编码方法

提出一种用于图像表达的紧凑二叉树方法,讨论了该表示方法的编码及特点,并给出了它与线性四叉树之间的转换算法。文中所列试验及分析表明,新提出的紧凑二叉树表示方法具有较高的时空效率。     

A hybrid ensemble method for improved prediction of slope stability

Accurate prediction of slope stability is a significant issue in geomechanics with many artificial intelligence (AI) techniques being utilised. However, the application of AI has not reached its full potential because of the lack of more robust algorithms. In this paper, we proposed a hybrid ensemble method for the improved prediction of slope stability using classifier ensembles and genetic algorithm. Gaussian process classification, quadratic discriminant analysis, support vector machine, artificial neural networks, adaptive boosted decision trees, and k‐nearest neighbours were chosen to be individual AI techniques, and the weighted majority voting was used as the combination method. Validation method was chosen to be the 10‐fold cross‐validation, and performance measures were selected to be the accuracy, the receiver operating characteristic curve, and the area under the receiver operating characteristic curve (AUC). Grid search and genetic algorithm were used for the hyperparameter tuning and weight tuning respectively. The results show that the proposed hybrid ensemble method has great potential in improving the prediction of slope stability. Compared with individual classifiers, the optimum ensemble classifier achieved the highest AUC value (0.943) and the highest accuracy (0.902) on the testing set, denoting that the predictive performance has been improved. The optimum ensemble classifier with the Youden's cut‐off was recommended for slope stability prediction with respect to the AUC value, the accuracy, the true positive rate, and the true negative rate. This research indicates that the use of the classifier ensembles, rather than the search for the ideal individual classifiers, might help for the slope stability prediction.     

星载合成孔径雷达成像处理

合成孔经雷达(Synthetic Aperture Radar,SAR)是当今微波遥感领域的研究热点,其全天候、全天时、高分辨率以及穿透地表等特点使其具备其他传感器不可比拟的优势,因此得到了极其广泛的应用。成像处理是SAR技术的核心部分。分析了星载SAR点目标回波信号模型和几种常用的星载SAR数字成像处理算法。以距离-多普勒算法为例,阐述了距离压缩和方位压缩的实质,详细讨论了多普勒参数估计、距离徙动校正和斑点噪声的去除等几个关键的问题。采用ERS-1卫星数据做了成像实验,并对SAR成像技术加以总结。