海洋自动监测系统设备的安装

本文简述了自动监测系统现场安装的重要性，提出了设备安装的检查，现场的准备，及设备的安装方法和注意事项。     

桶形基础及其作用下的粉质土海床失稳机制研究的试验设计

在阅读、分析以往的有关资料的基础上 ,结合实际的试验条件 ,对桶形基础及其作用下的粉质土海床失稳机制研究的试验作出了专门设计。该设计通过配土、设计模型桶基和负压沉贯的操作过程、设置孔压传感器等实验手段 ,努力从土体破坏的角度 ,寻求负压沉贯过程中沉贯负压、沉贯阻力及孔隙水压力之间的变化关系和确定桶基的上拔力。并且指出了数据处理的基本思路 ,以利于课题的深入研究。     

C8051F330在地震观测系统中的应用

介绍基于C8051F330单片机的地震观测系统中故障报警子系统的工作原理,并对温度报警设计中的问题进行分析。     

基于物联网的自动化监测系统在地质灾害监测中的应用

地质灾害监测是地质灾害预警和安全防治的重要技术手段,对保障经济建设和人民生命财产安全意义重大。针对传统地质灾害监测工作的不足,研究了一种基于物联网的地质灾害自动化监测系统,该系统以GNSS、智能全站仪、滑动式倾角仪和多源传感器自动化监测技术为核心,包括数据采集、数据传输、数据处理、数据展示4个子系统。结合某项目边坡监测应用实例,实现了地质灾害的自动化监测和实时预警功能,在地质灾害监测中具有较高的应用价值。     

煤矿用自动化钻机远程监测系统研制

根据国家能源装备制造、煤矿机器人和煤矿智能化发展等政策要求,结合煤炭设备少人化、智能化发展趋势,针对现有煤矿井下钻机参数显示不全、缺乏有效监测、维修不便等问题,为实现自动化钻机地面远程监测,利用传感测量、软件开发、虚拟现实、网络通信、视频监测等技术研制了一种煤矿用自动化钻机远程监测系统。该远程监测系统包括了钻机主体、机载设备、网络通信部分和远程监测服务器。钻机主体为ZDY4500LFK型煤矿用钻机;机载设备包括了控制器和传感器组,用于实现钻机参数采集;网络通信部分包括了交换机、网关等,实现井下和地面的通信;远程监测服务器实现钻机参数和工况的监测。该系统研制后在鄂尔多斯华兴能源有限责任公司唐家会煤矿进行了现场试验,结果显示,该系统数据传输准确,可实现自动化钻机的地面监测功能,为煤矿钻机的少人化、智能化提供了保障。      

基于概率神经网络的智能找矿方法——以四川雅江县木绒锂矿为例

概率神经网络是一种分类准确率高、泛用性强、可以包容一定数量错误样本的人工神经网络,极其适合勘查地球化学找矿中的预测找矿靶区。本文以四川雅江县木绒锂矿为例,运用概率神经网络搭建智能找矿模型,以已知区的Li元素及与其相关性强的Rb-Cs-Al-Fe元素作为训练指标,对模型进行训练,经过多次训练后将Spread值确定为0.08,使模型在训练集和测试集的准确率均大于80%,实现非线性的指标与成矿潜力的对应,得到本矿区的PNN模型,然后对预测区的样本数据进行预测,成功圈定了1处靶区。为检验靶区准确性,以Li、Rb、Cs元素数据累计频率的80%作为异常下限,圈出的异常区域与靶区位置基本重叠。对预测区进行了实地查证工作,发现两条红柱石带,其中一条与靶区位置吻合,表明该神经网络模型准确性高,可用于矿产勘查的预测研究。     

火成岩岩石薄片智能识别及分类方法

在油气勘探、评价及开发中,岩性识别和薄片鉴定是十分重要的基础工作,准确的薄片识别结果可以为勘探和开发提供可靠的依据。传统的人工判定方法或实验室分析方法具有主观性强、效率低、自动化程度低等问题。目前基于内容的智能图像识别技术在准确性和具体应用方面还面临着许多难题。论文基于国内外相关研究成果与油气勘探与开发中岩芯薄片图像的特点及要求,设计并研制成功薄片图像自动识别系统和薄片智能鉴定系统。利用图像梯度分布和色彩分析进行火成岩岩石薄片智能分类,对所有像素进行类别划分进而得到整体的鉴定结果,实现了省时、高效、高精度的薄片智能鉴定成果。     

基于单片机的智能轮椅控制系统设计

为提高轮椅使用者的生活自理能力,本文提出一种智能轮椅控制系统.该系统由STM32单片机进行控制,采用模块化、系统化设计,电源模块、摇杆模块、避障模块、驱动模块构成有机整体,各个模块共同作用、相互协调,共同构成了一个安全可靠的轮椅控制系统.通过通信设计可实现模块间数据的发送与接收.该轮椅设置手动控制和自动控制两种方式,可实现轮椅使用者独立生活和近距离出行,运行安全可靠.     

INTELLIGENT ALGORITHMS FOR SOLVING CNOP AND THEIR APPLICATIONS IN ENSO PREDICTABILITY AND TROPICAL CYCLONE ADAPTIVE OBSERVATIONS

Some intelligent algorithms (IAs) proposed by us, including swarm IAs and single individual IAs, have been applied to the Zebiak-Cane (ZC) model to solve conditional nonlinear optimal perturbation (CNOP) for studying El Ni?o – Southern Oscillation (ENSO) predictability. Compared to the adjoint-based method (the ADJ-method), which is referred to as a benchmark, these IAs can achieve approximate CNOP results in terms of magnitudes and patterns. Using IAs to solve CNOP can avoid the use of an adjoint model and widen the application of CNOP in numerical climate and weather modeling. Of the proposed swarm IAs, PCA-based particle swarm optimization (PPSO) obtains CNOPs with the best patterns and the best stability. Of the proposed single individual IAs, continuous tabu search algorithm with sine maps and staged strategy (CTS-SS) has the highest efficiency. In this paper, we compare the validity, stability and efficiency of parallel PPSO and CTS-SS using these two IAs to solve CNOP in the ZC model for studying ENSO predictability. The experimental results show that CTS-SS outperforms parallel PPSO except with respect to stability. At the same time, we are also concerned with whether these two IAs can effectively solve CNOP when applied to more complicated models. Taking the sensitive areas identification of tropical cyclone adaptive observations as an example and using the fifth-generation mesoscale model (MM5), we design some experiments. The experimental results demonstrate that each of these two IAs can effectively solve CNOP and that parallel PPSO has a higher efficiency than CTS-SS. We also provide some suggestions on how to choose a suitable IA to solve CNOP for different models.     

基于深度学习的介形类化石识别

介形类化石对地质年代的确定、古湖泊和古海洋的研究、古环境的重建以及海底石油资源的勘探等工作都具有重要意义。然而,现有识别化石颗粒的方法费时费力,准确率也有待提高。鉴于介形类化石颗粒的类别具有科、属、种的层次结构,种类数量庞大,所以本文提出了一种层次化识别方法。首先进行目标检测,实现介形类化石的定位与属类划分;之后在目标检测模块的基础上进行智能识别,使用卷积神经网络和支持向量机提取属类下更细微的种类特征,实现化石种类划分。实验结果表明,本文提出的分层次识别模型能检测出化石图像中所有化石颗粒的位置信息并对其进行分类,分类准确率可达95%,且相较于未进行分层次识别的模型,能将识别准确率提升1.8%~5.8%。