基于3S技术的田野文物智能巡查管理系统的设计

基于北斗定位、GIS、遥感等技术,设计了田野文物智能巡查管理系统,包含北斗文物巡查终端和巡查指挥管理平台,具备田野文物智能巡查、综合管理、应急指挥等功能,推动文物保护科技进步,有效防范田野文物的安全问题。     

安卓手机的草地信息协同采集系统

针对传统的草地资源调查方法流程繁琐、效率较低、多人协同能力较差等问题,该文提出了基于安卓手机的草地信息协同采集系统架构,设计了位置获取、地图显示、采样规划、信息采集、数据展示、报表生成、数据同步等系统核心功能模块,并应用Java语言开发,完整实现了系统各项功能。在内蒙古自治区及河北省的野外考察验证表明,该系统能够满足草原监察和科研部门对于草地资源调查的基本需求。     

SWVR-2000型智能综合工程探测仪的数据采集与数据通讯

SWVR—2000型智能综合工程探测仪,是为适应工程勘察领域近年来发展的新方法新技术的需要而研制的,主要用于岩土工程原位测试,混凝土工程强度评价,桩基无损检测以及常时微动监测等方面。数据采集是该仪器的主要部分之一。文中讨论了如何选择A/D转换器,巧妙地利用微机接口的软硬件设计来提高数据采集的速度,给出了数据采集系统的控制策略,最后给出了仪器与系统机联机进行数据通讯的简便方法。     

混合智能优化算法的SAR图像特征选择

为提高SAR图像自动目标识别的准确率及实时性,提出了一种基于混合智能优化的SAR图像特征选择算法。首先,采用分形特征对SAR图像进行增强,基于分割后的图像提出了一种基于图像矩的方位角估计方法。然后基于未校正和校正后的图像分别提取Zernike矩、Gabor小波系数和灰度共生矩阵构成候选特征集合,使用遗传算法结合二值粒子群的混合优化算法实现SAR图像特征选择。最后,采用MSTAR数据库验证本文算法的有效性。实验结果表明,优化后的特征集合具有一定泛化能力,一方面提高了SAR目标识别的准确率,另一方面减小了SAR图像目标识别的时间。     

智能机器人及其发展

智能机器人是一个国家高科技发展水平的重要标志之一，具有广阔的应用前景。本文介绍了机器人的定义和发展阶段，阐述了智能机器人研究领域的关键技术，总结了国内外各类机器人的发展现状并给出相应实例，最后分析并展望了智能机器人今后的发展和研究趋势。     

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.