区域性网络定位服务应用技术探讨

通过建立区域连续运行卫星基准站网络系统,建立一种新型定位测量与服务模式,取代现有传统标志式控制点位保存、管理与应用模式,实现虚拟化的、现代网络定位服务,并介绍了不同的测绘精度需求的作业与应用模式。     

水下滑翔器主体外形优化设计

对水下滑翔器主体外形的优化设计问题进行研究.首先,在考虑内部机械结构限制的条件下,建立了主体外形优化数学模型,并采用CFX计算了若干主体形状的绕流阻力.在此基础上建立了映射主体外形的尺寸参数与绕流阻力的BP神经网络.然后将建立的神经网络作为优化设计问题的目标函数,采用坐标轮换法对滑翔器主体外形进行了优化设计,确定了尺寸参数的最优解.     

海洋环境无线传感器网络监测体系与应用技术研究

针对目前海洋环境监测中急需解决的主要技术问题.对海洋环境无线传感器网络监测的体系结构进行了研究,通过对Crossbow无线传感器网络的拓扑结构和软件架构进行分析与试验.提出其技术优势和有待解决的应 用问题.     

Prediction of Load Carrying Capacity of Corroded Reinforced Concrete Beam

A novel method for prediction of the load carrying capacity of a corroded reinforced concrete beam (CRCB) is presented in the paper. Nine reinforced concrete beams, which had been working in an aggressive environment for more than 10 years, were tested in the laboratory. Comprehensive tests, including flexural test, strength test for corroded concrete and rusty rebar, and pullout test for bond strength between concrete and rebar, were condueted. The flexural test results of CRCBs reveal that the distribution of surface cracks on the beams shows a fractal behavior. The relationship between the fractal dimensions and mechanical properties of CRCBs is then studied. A prediction model based on artificial neural network (ANN) is established by the use of the fractal dimension as the corrosion index, together with the basic intbrmation of the beam. The validity of the prediction model is demonstrated through the experimental data, and satisfactory resuits are achieved.     

基于BP人工神经网络的水体遥感测深方法研究

利用Landsat7ETM＋遥感图像反射率和实测水深值之间的相关性,建立了动量BP人工神经网络水深反演模型,并对长江口南港河段水深进行了反演.结果表明：具有较强非线性映射能力的动量BP神经网络模型能较好地反演出长江口南港河段的水深分布情况;由于受长江口水体高含沙量的影响,模型对小于5 m的水深值反演精度较高,而对大于10 m的水深值反演精度较低.     

钢筋混凝土梁结构断裂损伤诊断方法

提出一种基于BP神经网络的结构破损诊断方法,该方法以结构破损前后柔度的变化作为破损诊断网络输入,为了解决由于系统响应样本数据空间分布不均匀对网络收敛速度及网络诊断影响问题,对网络训练样本采用广义空间格点进行了交换,模拟算例及应用实例均表明,本文方法能准确诊断结构破损位置与破坏程度,是一种有效的结构破损诊断方法.     

盐田水体遥感分类方法研究

以连云港台北盐场为研究区,介绍了监督分类法和神经网络分类法及其在盐田水体遥感分类中的具体应用。研究结果表明,用神经网络分类法进行遥感影像自动分类,其分类精度高,显示了其在遥感领域较为广阔的应用前景。     

基于遗传小波神经网络的海底声学底质识别分类

分割海底声纳探测图像,提取单元特征向量进行主成份分析,选取均值、标准差、对比度、相关系数、能量及同质性作为训练特征向量,构建小波神经网络。利用遗传算法优化小波神经网络的初始权值及小波参数,对砂、礁石、泥3种底质类型分别进行训练,并得到3种底质的测试精度都在90%以上,优于单独利用小波神经网络进行训练时的测试精度,克服了小波神经网络训练时易陷入局部极小的固有缺陷,表明基于遗传算法的小波神经网络可有效用于海底底质声纳图像的识别和分类。