基于互相关和李雅普诺夫指数的微弱正弦信号混沌检测

微弱信号的幅值通常很小,且常被噪声淹没,难以检测。文中提出基于互相关和李雅普诺夫指数的微弱正弦信号混沌检测方法。该方法利用互相关方法对微弱正弦信号进行初步去噪,再利用混沌检测方法提取有效信号,以充分发挥互相关及混沌检测在噪声抑制及信号提取方面的优势;将最大李雅普诺夫指数作为判断混沌系统相变的量化依据,自动识别混沌系统的临界状态,从而准确给出用于确定微弱正弦信号幅值的策动力临界阈值。仿真实例分析表明,该方法能有效地检测出深埋于强噪声中的微弱正弦信号,且其检测精度较单独的互相关方法和混沌检测方法更优。     

某高面板坝及其岩溶坝基渗漏综合检测技术

某水电站混凝土面板堆石坝最大坝高140 m。下闸蓄水后,坝后开始出现渗漏,且随着库水位的上升,渗漏量不断增加,最大渗漏量达1 720 L/s,严重威胁大坝安全。采用水下声纳大坝渗漏检测、水下高清摄像和示踪检测,以及钻孔取芯、注(压)水试验、孔内摄像、连通试验等多种新型检测技术,查明了大坝基础存在岩溶渗漏问题和面板渗漏缺陷,为大坝后续渗漏处理提供了技术支撑。     

埋地压力输水管道渗漏噪声监测试验

为研究渗漏引起压力输水管线振动的在线监测方法及其应用,利用大型水压试验机进行了模型试验。试验时,用水压试验机模拟管道水压环境,并通过开启管道中部的射流孔以模拟渗漏,然后测量和分析管道振动情况。试验使用了3组检波器,分别固定于管道外壁、内壁和悬浮于水中,共测试了4种压力和4种不同直径管道渗漏程度。试验数据显示,无论是悬浮式还是固定式检波器,都能有效地监测到渗漏引起的管道振动,管道振动强度与管内压力以及射流孔大小呈正比关系。     

Wages and Wage Inequality in South Africa 1994–2011: Part 1 – Wage Measurement and Trends

We analyse the long‐term trends in wage inequality in South Africa, using household survey data. We show that the trends in household income inequality are largely driven by changes in wage inequality. Given the detailed nature of our series we show that measurement issues and breaks in the series need to be dealt with in order to draw robust conclusions from the data. Most standard inequality measures show that wage inequality has increased over the period. Nevertheless the choice of measure matters, because there are different trends in different parts of the distribution. It appears that the distribution below the median has become more compressed, while the top of the wage distribution has moved away from the median. The inequality in the labour market translates into even higher inequality in society given that high earners tend to live together with other high earners while low wage individuals often end up sharing their incomes with the unemployed. Furthermore there are many South Africans with access to no wage income. Given the trends analysed here it is not surprising that overall inequality in South Africa has not come down or has even increased since the end of apartheid.     

基于数字图像处理的土石坝坝料合格性智能检测方法

土石坝坝料的合格性检测通常是通过判断现场筛分试验获得的级配参数是否满足设计要求来实现的,然而通过筛分试验获取级配参数的方法存在采样率低,操作过程繁琐,智能感知程度差等缺点以致检测结果代表性差。为了提高坝料级配参数的智能检测程度,依托辽宁某电站现场挖坑检测位置处的图像和级配数据,采用融合空间信息的直觉模糊C均值聚类(SIFCM)算法进行土石坝料数字图像的分割,并利用等效椭球体积的方法实现了土石坝料的三维体积重构,进一步通过基于BP神经网络的级配修正模型修正后,得到真实条件下的坝料全级配特征曲线,进而获得评价坝料合格性的4个指标：最大粒径、P5含量、曲率系数C_c和不均匀系数C_u。实际工程应用表明,本文建立的基于SIFCM＿BP算法的坝料级配特征智能识别修正模型具有较高的识别精度,本文方法为大坝碾压施工前坝料合格性快速判别与施工过程中坝料压实特性的实时评价提供了重要支撑。     

芦村旧排站电气设备现场安全检测

东莞市芦村旧排站主要电气设备有6台130 k W低压电动机、3台变压器、2台配电柜和6台启动柜,经过几十年的运行,设备老化严重,经过现场安全检测,技术指标不能满足要求,应进行更新改造。     

基于Kmeans-EMD与IWOA-Elman的碾压速度异常值检测与修正

碾压速度是评价压实质量的重要指标,但在监控过程中,碾压速度易受施工环境、定位漂移等干扰而出现异常检测值,影响压实质量的评价精度,但目前还缺乏对碾压速度异常值检测与修正的相关方法研究。为保障碾压速度的数据质量,结合碾压速度的时序变化特征,利用Kmeans算法初步定性检测异常值,弱化异常值对经验模态分解(EMD)结果的影响,并基于EMD实现对异常值的精细定量检测,提高异常值检测的精度;进而利用经混沌种群初始化、非线性收敛因子、自适应惯性权重与鲶鱼效应-黄金正弦改进的鲸鱼优化算法(IWOA)优化Elman神经网络,并构建碾压速度异常值修正模型,实现对碾压速度异常值的修正。将本文方法应用于西南某大型水电工程,结果表明：Kmeans算法与EMD的联合作用相比箱线图法可更高精度地检测碾压速度中的异常值;IWOA-Elman神经网络预测值与真实值的相关系数达到0.907 75,相比常规模型不仅可以更好地确保数据的完整性与可靠性,还可以为压实质量的高精度评价奠定良好的数据基础。     

大场景视频监控下大坝运输车改进多目标多视觉卸料识别模型研究

运输车卸料识别对保障大坝施工安全、优化运输配置具有重要意义。然而,大坝施工中多采用全球导航卫星系统（Global Navigation Satellite System,GNSS）进行运输车活动状态分析,存在设备成本高、识别精度低等缺点。目前,通过布设高清摄像头进行坝面大场景施工监控成为趋势,但尚未见基于机器视觉的运输车卸料识别研究。针对上述问题,提出大场景视频监控下大坝施工运输车卸料识别改进多目标多视觉任务模型。首先,采用ByteTrack实现大场景监控视频中多辆运输车目标检测与追踪,记录其行驶轨迹;其次,High Resolution Net（HRNet）被用于运输车头部和尾部的关键点检测,进而结合行驶轨迹判断运输车前进、停止和后退等行进状态;再者,通过Destruction and Construction Learning(DCL)细粒度分类方法判断运输车料斗的抬升状态;最后,结合ByteTrack、HRNet和DCL的多目标多视觉任务的分析结果判定运输车卸料状态。以两河口施工视频监控为例进行验证,提出的卸料识别模型在34帧时卸料状态识别平均准确率为87.3%,卸料时间判断精度为90.3%,验证了本模型的可行性和有效性。     

某水电站高喷防渗墙检测方法综合分析

该文通过在一次检测过程中运用多种检测手段对某水电站防渗墙进行检测,并就检测结果进行综合分析,从而得出防渗墙工程中的一些值得借鉴的工程经验.     

基于谱聚类的极化SAR影像分割改进算法

谱聚类的影像分割算法是一种基于点的聚类方法,其通过选用不同的特征构建相似性度量矩阵,来衡量像元间的相似性程度。在解算过程中需要计算每2个像元间的相似性度量,在处理大幅影像时,运算量大、耗时长。针对这一问题,提出了一种改进方法。首先通过均值漂移算法对极化SAR影像进行预处理,然后选取中心像元,构建相似性度量矩阵,采用归一化分割准则完成影像分割。实验结果表明,该算法分割结果优良,准确性高,有效地提高了原算法的分割效率,具有一定的实践意义。