|
搜索
搜 索
高等教育領(lǐng)域數(shù)字化綜合服務(wù)平臺(tái)
.jpg){kind=logo}
可模擬大空間建筑多種氣流組織下熱環(huán)境的液態(tài)縮尺模型實(shí)驗(yàn)平臺(tái)
圖示鹽水實(shí)驗(yàn)臺(tái)為大空間建筑多種氣流組織液態(tài)縮尺模型試驗(yàn)平臺(tái)。該試驗(yàn)臺(tái)通過(guò)安裝各種風(fēng)口配件，可模擬常見(jiàn)的噴嘴側(cè)送下回、柱狀下送中回等多種氣流形式下的建筑室內(nèi)熱環(huán)境，圖中環(huán)境水箱可模擬地面、墻面、屋面不同負(fù)荷下的大空間建筑室內(nèi)熱環(huán)境。實(shí)驗(yàn)平臺(tái)通過(guò)測(cè)量不同區(qū)域的鹽水濃度獲得氣流溫度分布，利用 PIV 粒子圖像測(cè)速技術(shù)可獲得速度場(chǎng)，即速度場(chǎng)和溫度場(chǎng)可定量化計(jì)量，同時(shí)實(shí)驗(yàn)平臺(tái)還可實(shí)現(xiàn)氣流運(yùn)動(dòng)可視化。整個(gè)實(shí)驗(yàn)臺(tái)鹽水濃度可通過(guò)設(shè)定自動(dòng)配備，系統(tǒng)所有鹽水泵、清水泵采用變頻控制。利用此實(shí)驗(yàn)平臺(tái)可探究大空間建筑在不同氣
上海理工大學(xué)
2021-01-12
.jpg){kind=logo}
一種基于遺傳算法的異構(gòu) CAD 模型數(shù)據(jù)交換的系統(tǒng)及方法
本發(fā)明公開(kāi)了一種基于遺傳算法的異構(gòu) CAD 模型數(shù)據(jù)交換的系統(tǒng)及方法，本發(fā)明的異構(gòu) CAD 模型數(shù) 據(jù)交換的系統(tǒng)包括二個(gè)部分:源端 CAD 系統(tǒng)和目標(biāo)端 CAD 系統(tǒng)。同時(shí)，將異構(gòu) CAD 模型數(shù)據(jù)交換分為兩 層:3D 特征參數(shù)層和 2D 草圖參數(shù)層。在 3D 特征參數(shù)層，采用了直接特征映射和間接特征映射的方法實(shí)現(xiàn) 特征數(shù)據(jù)的交換。在 2D 草圖參數(shù)層，采用直接元素映射、間接元素映射及樣條映射。將 2D 草圖參數(shù)層中 樣條映射問(wèn)題轉(zhuǎn)換為樣條擬合問(wèn)題。創(chuàng)新性的將遺傳算法引入到異構(gòu) CAD 數(shù)據(jù)交換領(lǐng)域。在遺傳算法個(gè)體 的適應(yīng)度計(jì)算中，引入了 Hausdroffdistance。本發(fā)明可以用于復(fù)雜模型的異構(gòu) CAD 數(shù)據(jù)交換，交換之后的 目標(biāo)模型，不僅與原始模型具有極高的相似度，而且保留了原始模型的參數(shù)化特征信息。
武漢大學(xué)
2021-04-13
.jpg){kind=logo}
一種模擬波浪荷載作用下海底隧道動(dòng)態(tài)響應(yīng)模型試驗(yàn)裝置
本實(shí)用新型公開(kāi)了一種模擬波浪荷載作用下海底隧道動(dòng)態(tài)響應(yīng)模型試驗(yàn)裝置，包括模型箱、隧道及支撐系統(tǒng)和量測(cè)系統(tǒng)。模型箱包括模型箱底板、角鋼、模型箱右側(cè)板、模型箱左側(cè)轉(zhuǎn)動(dòng)板、模型箱背面板、鋼化玻璃和有機(jī)玻璃板。支撐系統(tǒng)包括支撐叉子、支撐管和支撐底座。量測(cè)系統(tǒng)包括應(yīng)變片、涌水量箱以及孔壓計(jì)；應(yīng)變片粘貼在隧道外表面，用于測(cè)量隧道變形；涌水量箱用于測(cè)量隧道涌水量；孔壓計(jì)固定在傳感器固定支架上，用于測(cè)量海床孔隙水壓。本實(shí)用新型可模擬在不同隧道埋深、開(kāi)挖半徑以及襯砌厚度等條件下，海底隧道周?chē)４部紫端畨毫憫?yīng)。本實(shí)用新型能為波浪荷載作用下海底隧道動(dòng)態(tài)響應(yīng)問(wèn)題研究提供有效的試驗(yàn)數(shù)據(jù)支持，并對(duì)理論分析提供幫助。
浙江大學(xué)
2021-04-13
.jpg){kind=logo}
一種用于獲取圍巖-支護(hù)全過(guò)程特征曲線(xiàn)的模型試驗(yàn)方法
本發(fā)明公開(kāi)了一種用于獲取圍巖-支護(hù)全過(guò)程特征曲線(xiàn)的模型試驗(yàn)方法，通過(guò)類(lèi)似于“發(fā)條”的支護(hù)結(jié)構(gòu)：即由鋁合金薄板卷合于中心圓筒體，逐漸調(diào)整松緊狀態(tài)即連續(xù)多次改變支護(hù)變形，分別測(cè)讀相應(yīng)的變形值、圍巖壓力值，從而在一次模型試驗(yàn)即一次性獲取圍巖-支護(hù)全過(guò)程特征曲線(xiàn)，尤其是峰后效應(yīng)段。相比以往通過(guò)制作多組不同尺寸的石膏支護(hù)結(jié)構(gòu)，進(jìn)行多工況的模型試驗(yàn)，本發(fā)明省工、省時(shí)、省錢(qián)，大大降低了此類(lèi)試驗(yàn)成本，提高了此類(lèi)試驗(yàn)效率；而且克服了以往試驗(yàn)方法不能模擬峰后效應(yīng)段的弊端。
西南交通大學(xué)
2018-09-18
.jpg){kind=logo}
一種帶漂移干擾的模型預(yù)測(cè)控制器的建模質(zhì)量監(jiān)控方法
本發(fā)明公開(kāi)了一種帶漂移干擾的模型預(yù)測(cè)控制器的建模質(zhì)量監(jiān)控方法,包括如下步驟：建立閉環(huán)控制系統(tǒng)的干擾模型；根據(jù)閉環(huán)控制系統(tǒng)的實(shí)際情況以及給定的控制目標(biāo)，設(shè)計(jì)過(guò)程的動(dòng)態(tài)模型 MPC 控制器；采用干擾模型及 MPC 控制器控制閉環(huán)控制系統(tǒng)，并采集閉環(huán)控制系統(tǒng)運(yùn)行所得的過(guò)程數(shù)據(jù)；根據(jù)閉環(huán)控制系統(tǒng)結(jié)構(gòu)，對(duì)過(guò)程輸出及過(guò)程輸入數(shù)據(jù)進(jìn)行正交投影，獲得過(guò)程估計(jì)干擾更新；根據(jù)閉環(huán)控制系統(tǒng)既定參考信號(hào)和過(guò)程實(shí)際輸出，獲取閉環(huán)控制系統(tǒng)的實(shí)際
華中科技大學(xué)
2021-04-14
一種基于多層形變模型的高保真人臉三維重建方法
本發(fā)明公開(kāi)了一種基于多層形變模型的高保真人臉三維重建方法。所述方法以視頻圖像序列作為輸入數(shù)據(jù)，經(jīng)過(guò)光流特征點(diǎn)檢測(cè)與·718·跟蹤，人臉特征點(diǎn)提取與匹配、相機(jī)標(biāo)定，從而利用運(yùn)動(dòng)恢復(fù)結(jié)構(gòu)技術(shù)恢復(fù)相機(jī)參數(shù)與相機(jī)軌跡，提出了人臉多層次形變模型，進(jìn)而進(jìn)行紋理映射得到目標(biāo)人臉的高保真人臉三維模型。本發(fā)明將形變模型技術(shù)與運(yùn)動(dòng)恢復(fù)結(jié)構(gòu)技術(shù)結(jié)合起來(lái)，提出了人臉多層次形變模型，能夠獲得與目標(biāo)人臉高度相似的重建結(jié)果，同時(shí)，本
華中科技大學(xué)
2021-04-14
.jpg){kind=logo}
一種基于神經(jīng)網(wǎng)絡(luò)的反演大氣可降水量的MODIS模型改進(jìn)方法
本發(fā)明公開(kāi)了一種基于神經(jīng)網(wǎng)絡(luò)的反演大氣可降水量的MODIS模型改進(jìn)方法，包括以下步驟：S1：利用MODIS三通道比值法反演大氣可降水量PWV，記為PWVMODIS；S2：利用BP神經(jīng)網(wǎng)絡(luò)建立測(cè)站處的緯度φ、測(cè)站處的高程h、年積日doy、PWVMODIS與測(cè)站GPS/MODIS反演的PWV殘差RES之間的非線(xiàn)性關(guān)系；S3：對(duì)BP神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練；S4：將φ、h、doy以及PWVMODIS作為輸入?yún)?shù)代入BP神經(jīng)網(wǎng)絡(luò)模型，并計(jì)算出GPS測(cè)站處PWV殘差RESBP；S5：利用RESBP補(bǔ)償PWVMODIS，獲得大氣可降水量PWV＝PWVMODIS+RESBP。本發(fā)明有效提高了建模精度。
東南大學(xué)
2021-04-11
.jpg){kind=logo}
基于小波分析和有限高斯混合模型EM方法的模擬電路故障診斷方法
近年來(lái)已經(jīng)建立了基于故障字典，模糊理論，專(zhuān)家系統(tǒng)，神經(jīng)網(wǎng)絡(luò)，支持向量機(jī)，信息融合，小波分析，粒子群等各種技術(shù)的不同故障診斷方法，并在模擬電路的實(shí)際檢驗(yàn)中取得了良好的效果。然而，電路從正常到故障之間存在中間過(guò)渡狀態(tài)，怎樣定義這個(gè)中間狀態(tài)以及其對(duì)電路有怎樣的影響，如何準(zhǔn)確描述這種影響，通過(guò)查閱文獻(xiàn)，到目前為止還沒(méi)有一種合理的方法能夠解決這個(gè)問(wèn)題。
遼寧大學(xué)
2021-04-11
.jpg){kind=logo}
一種基于四點(diǎn)二元模型的圖像紋理特征值的提取方法
本發(fā)明提出一種基于四點(diǎn)二元模型的圖像紋理特征值的提取方法,首先計(jì)算2x2像素塊內(nèi)四個(gè)像素點(diǎn)像素值的均值;其次計(jì)算每個(gè)像素點(diǎn)與均值的差值,若差值大于等于一給定閾值,就置該像素塊的位置編碼值為1,否則為0;最后將四個(gè)像素塊的位置編碼值乘以相對(duì)應(yīng)的權(quán)重后,再將4個(gè)乘積求和,就得到該2x2像素塊的紋理特征值,本發(fā)明只需要計(jì)算四個(gè)像素點(diǎn)與其均值的差值,得到4bit的二進(jìn)制碼,計(jì)算量減少一半且復(fù)雜度低,且能有效地表示人臉的局部紋理信息,可應(yīng)用于人臉檢測(cè),識(shí)別和目標(biāo)跟蹤系統(tǒng).
華僑大學(xué)
2021-04-29
.jpg){kind=logo}
基于人工蜂群和量子粒子群算法的一維水質(zhì)模型參數(shù)率定方法
本發(fā)明公開(kāi)了一種基于人工蜂群算法和量子粒子群算法的優(yōu)化計(jì)算方法，其包括以下主要步驟：(1)根據(jù)實(shí)際問(wèn)題編制待優(yōu)化目標(biāo)函數(shù)；(2)輸入算法的通用運(yùn)行參數(shù)：種群數(shù)目、迭代次數(shù)、變量維數(shù)、變量取值范圍、待優(yōu)化目標(biāo)函數(shù)；(3)選取ABC、QPSO、QPSO+ABC和ABC+QPSO的一種或多種計(jì)算方法進(jìn)行計(jì)算；(4)若只使用一種，直接判斷結(jié)果是否滿(mǎn)足優(yōu)化要求；若多于一種計(jì)算方法，綜合比較計(jì)算結(jié)果及評(píng)價(jià)最優(yōu)的結(jié)果是否滿(mǎn)足此次優(yōu)化的要求；(5)若滿(mǎn)足要求，運(yùn)算結(jié)束，輸出計(jì)算結(jié)果和迭代曲線(xiàn)；(6)否則，修改算法的
安徽建筑大學(xué)
2021-01-12