中圖網(wǎng)小程序
一鍵登錄
更方便
本類五星書更多>
-
>
公路車寶典(ZINN的公路車維修與保養(yǎng)秘籍)
-
>
晶體管電路設(shè)計(下)
-
>
基于個性化設(shè)計策略的智能交通系統(tǒng)關(guān)鍵技術(shù)
-
>
花樣百出:貴州少數(shù)民族圖案填色
-
>
山東教育出版社有限公司技術(shù)轉(zhuǎn)移與技術(shù)創(chuàng)新歷史叢書中國高等技術(shù)教育的蘇化(1949—1961)以北京地區(qū)為中心
-
>
鐵路機車概要.交流傳動內(nèi)燃.電力機車
-
>
利維坦的道德困境:早期現(xiàn)代政治哲學(xué)的問題與脈絡(luò)
基于多源多尺度數(shù)據(jù)融合的黃河含沙量檢測模型研究 版權(quán)信息
- ISBN：9787517065296
- 條形碼：9787517065296 ; 978-7-5170-6529-6
- 裝幀：一般膠版紙
- 冊數(shù)：暫無
- 重量：暫無
- 所屬分類：>
基于多源多尺度數(shù)據(jù)融合的黃河含沙量檢測模型研究 內(nèi)容簡介
本書主要對黃河含沙量檢測方法和多源多尺度數(shù)據(jù)融合理論進行了研究和探討。力求做到內(nèi)容詳實、層次分明、簡潔實用，便于讀者對知識的理解、掌握和應(yīng)用。本書共八章，內(nèi)容有緒論、含沙量檢測多源多尺度數(shù)據(jù)融合理論基礎(chǔ)、懸浮含沙量測量原理及方法、音頻共振法的含沙量檢測多尺度融合模型、基于IGA-RBF的含沙量檢測多傳感器融合模型、基于Wavelet-Curvelet的含沙量多源多尺度融合模型、基于多模型融合的含沙量測量研究、結(jié)論與展望。
基于多源多尺度數(shù)據(jù)融合的黃河含沙量檢測模型研究 目錄
目錄（選填）
1 緒 論 1
1.1 研究背景和意義 1
1.2 國內(nèi)外研究現(xiàn)狀 3
1.2.1直接測量方法 3
1.2.2 間接檢測方法 4
1.2.3 含沙量檢測的發(fā)展動態(tài)分析 9
1.3 研究內(nèi)容及技術(shù)路線 12
1.3.1 研究內(nèi)容 12
1.3.2技術(shù)路線 13
1.4 論文的組織結(jié)構(gòu)及章節(jié)安排 14
2 含沙量檢測多源多尺度數(shù)據(jù)融合理論基礎(chǔ) 17
2.1含沙量多源多尺度融合的基本性質(zhì) 17
2.2卡爾曼*優(yōu)濾波方程 18
2.3 多傳感器融合理論 21
2.3.1 多傳感器融合模型建立 21
2.3.2線性*小方差融合模型 22
2.3.3 全局信息無反饋*優(yōu)分布式估計融合算法 24
2.3.4 有反饋*優(yōu)分布式估計融合算法 28
2.4 多尺度系統(tǒng)理論 29
2.4.1 多尺度表示和二叉樹系統(tǒng) 30
2.4.2 小波多尺度分析 33
2.4.3離散小波變換 35
2.4.4 第二代Curvelet多尺度分析 36
2.4.5 基于多尺度分析的多傳感器信息融合算法研究 40
2.4.6 多尺度*優(yōu)融合估計算法 41
2.5 本章小結(jié) 44
3 懸浮含沙量測量原理及方法 45
3.1 含沙量直接測量方法 45
3.2 含沙量間接測量方法 46
3.2.1 射線法 46
3.2.2 紅外線法 47
3.2.3 振動法 48
3.2.4 激光法 48
3.2.5 電容式傳感器測量法 49
3.3 超聲波測量含沙量的工作原理 50
3.3.1 超聲波簡介 50
3.3.2 超聲波的主要物理特性 52
3.3.3 超聲波在含沙水中的傳播機理 54
3.3.4 懸浮液的衰減 55
3.3.5 超聲波面積比值法測量含沙量 56
3.3.6 檢測方法 58
3.3.7 超聲波含沙量傳感器電路設(shè)計 59
3.4 物理測沙的基本適用條件和主要影響因素 61
3.4.1 物理測沙感應(yīng)區(qū)的渾水體系 61
3.4.2 渾水中氣泡等雜質(zhì)對穩(wěn)定性的影響 61
3.4.3 溫度變化對測量結(jié)果有影響 62
3.4.4 物理測沙的衡量指標 62
3.5 本章小結(jié) 63
4音頻共振法的含沙量檢測多尺度融合模型 64
4.1音頻共振原理的含沙量檢測方法 64
4.1.1 音頻共振含沙量檢測傳感器 64
4.1.2 音頻共振檢測含沙量的原理 65
4.2 基于音頻共振法的含沙量檢測系統(tǒng)設(shè)計 67
4.2.1含沙量檢測系統(tǒng)整體架構(gòu) 67
4.2.2音頻共振法含沙量檢測硬件平臺設(shè)計 68
4.2.3 基于LabVIEW的含沙量檢測界面設(shè)計 69
4.3 音頻共振傳感器輸出特性分析 72
4.3.1 實驗材料和實驗數(shù)據(jù) 72
3.3.2 傳感器輸入輸出響應(yīng)分析 73
4.3.3傳感器受溫度的影響分析 74
4.3.4傳感器輸出信號的多尺度分析 76
4.4 多尺度貫序式Kalman融合模型 77
4.4.1卡爾曼和溫度融合模型 78
4.4.2 動態(tài)測量的分塊形式描述 79
4.4.3 分塊系統(tǒng)的多尺度表示 81
4.4.4 測量誤差定義及計算 81
4.4.5基于誤差*小的MSBKTF模型重構(gòu) 83
4.5 實驗結(jié)果及誤差分析 84
4.5.1 小波不同尺度反演的誤差分析 84
4.5.2 多尺度貫序式Kalman融合處理分析 86
4.5.3 Kalman濾波和一元、多元回歸分析比較 88
4.6 本章小結(jié) 90
5 基于IGA-RBF的含沙量檢測多傳感器融合模型 91
5.1電容式差壓法檢測含沙量 91
5.1.1 電容式差壓法檢測原理 91
5.1.2 電容式差壓傳感器 94
5.1.3 基于電容式差壓方法的含沙量檢測系統(tǒng) 95
5.2 環(huán)境因素影響分析及測量參數(shù)選擇 98
5.2.1 水溫變化對測量的影響分析 98
5.2.2 測點深度對測量結(jié)果的影響分析 99
5.2.3流速對測量結(jié)果的影響分析 100
5.2.4測量參數(shù)選擇 101
5.3 基于IGA-RBF的多傳感器非線性融合模型 101
5.3.1 基于RBF神經(jīng)網(wǎng)絡(luò)的非線性數(shù)據(jù)融合原理 101
5.3.2 改進遺傳算法優(yōu)化RBF神經(jīng)網(wǎng)絡(luò)參數(shù) 102
5.4 實驗結(jié)果及誤差分析 105
5.4.1 實驗材料和實驗數(shù)據(jù) 105
5.4.2 一元回歸分析 106
5.4.3 多元線性回歸反演和BP融合分析 108
5.4.4 S-RBF、AGA-RBF和DAGA-RBF的融合處理分析 109
5.4.5 IGA-RBF融合分析 112
5.5 本章小結(jié) 114
6基于Wavelet-Curvelet的含沙量多源多尺度融合模型 115
6.1 多源含沙量信息序列分析 115
6.1.1 含沙量信息分解模型 115
6.1.2 Curvelet含沙量信息分解模型 116
6. 2含沙量多源多尺度*優(yōu)融合理論及算法 117
6.2.1多源數(shù)據(jù)卡爾曼濾波 117
6.2.2 多源多尺度*優(yōu)融合估計方程 118
6.2.3 多源多尺度分段標量加權(quán)融合模型 119
6.2.4多源多尺度分段標量加權(quán)融合算法流程 120
6.3含沙量分布式多源多尺度融合系統(tǒng)設(shè)計 121
6.3.1含沙量分布式檢測系統(tǒng)整體架構(gòu) 121
6.3.2 實驗材料和實驗數(shù)據(jù) 122
6.4實驗結(jié)果及誤差分析 124
6.4.1 一元回歸分析 124
6.4.2 Wavelet多源多尺度標量加權(quán)融合分析 128
6.4.3 Curvelet多源多尺度融合分析 132
6.4.4 Wavelet-Curvelet多源多尺度融合分析 135
6.5 本章小結(jié) 136
7 基于多模型融合的含沙量測量研究 138
7.1 基于Kalman-BP協(xié)同融合模型的含沙量測量 138
7.1.1 Kalman-BP協(xié)同融合模型應(yīng)用背景 138
7.1.2 信息采集感知層設(shè)計 139
7.1.3 kalman-BP協(xié)同融合模型設(shè)計 140
7.1.4 kalman-BP協(xié)同融合誤差分析 143
7.2 基于曲面擬合法的含沙量檢測數(shù)據(jù)融合技術(shù) 146
7.2.1 曲面擬合融合方法 146
7.2.2 曲面擬合的試驗標定 147
7.2.3 曲面擬合方程待定常數(shù)的確定 147
1 緒 論 1
1.1 研究背景和意義 1
1.2 國內(nèi)外研究現(xiàn)狀 3
1.2.1直接測量方法 3
1.2.2 間接檢測方法 4
1.2.3 含沙量檢測的發(fā)展動態(tài)分析 9
1.3 研究內(nèi)容及技術(shù)路線 12
1.3.1 研究內(nèi)容 12
1.3.2技術(shù)路線 13
1.4 論文的組織結(jié)構(gòu)及章節(jié)安排 14
2 含沙量檢測多源多尺度數(shù)據(jù)融合理論基礎(chǔ) 17
2.1含沙量多源多尺度融合的基本性質(zhì) 17
2.2卡爾曼*優(yōu)濾波方程 18
2.3 多傳感器融合理論 21
2.3.1 多傳感器融合模型建立 21
2.3.2線性*小方差融合模型 22
2.3.3 全局信息無反饋*優(yōu)分布式估計融合算法 24
2.3.4 有反饋*優(yōu)分布式估計融合算法 28
2.4 多尺度系統(tǒng)理論 29
2.4.1 多尺度表示和二叉樹系統(tǒng) 30
2.4.2 小波多尺度分析 33
2.4.3離散小波變換 35
2.4.4 第二代Curvelet多尺度分析 36
2.4.5 基于多尺度分析的多傳感器信息融合算法研究 40
2.4.6 多尺度*優(yōu)融合估計算法 41
2.5 本章小結(jié) 44
3 懸浮含沙量測量原理及方法 45
3.1 含沙量直接測量方法 45
3.2 含沙量間接測量方法 46
3.2.1 射線法 46
3.2.2 紅外線法 47
3.2.3 振動法 48
3.2.4 激光法 48
3.2.5 電容式傳感器測量法 49
3.3 超聲波測量含沙量的工作原理 50
3.3.1 超聲波簡介 50
3.3.2 超聲波的主要物理特性 52
3.3.3 超聲波在含沙水中的傳播機理 54
3.3.4 懸浮液的衰減 55
3.3.5 超聲波面積比值法測量含沙量 56
3.3.6 檢測方法 58
3.3.7 超聲波含沙量傳感器電路設(shè)計 59
3.4 物理測沙的基本適用條件和主要影響因素 61
3.4.1 物理測沙感應(yīng)區(qū)的渾水體系 61
3.4.2 渾水中氣泡等雜質(zhì)對穩(wěn)定性的影響 61
3.4.3 溫度變化對測量結(jié)果有影響 62
3.4.4 物理測沙的衡量指標 62
3.5 本章小結(jié) 63
4音頻共振法的含沙量檢測多尺度融合模型 64
4.1音頻共振原理的含沙量檢測方法 64
4.1.1 音頻共振含沙量檢測傳感器 64
4.1.2 音頻共振檢測含沙量的原理 65
4.2 基于音頻共振法的含沙量檢測系統(tǒng)設(shè)計 67
4.2.1含沙量檢測系統(tǒng)整體架構(gòu) 67
4.2.2音頻共振法含沙量檢測硬件平臺設(shè)計 68
4.2.3 基于LabVIEW的含沙量檢測界面設(shè)計 69
4.3 音頻共振傳感器輸出特性分析 72
4.3.1 實驗材料和實驗數(shù)據(jù) 72
3.3.2 傳感器輸入輸出響應(yīng)分析 73
4.3.3傳感器受溫度的影響分析 74
4.3.4傳感器輸出信號的多尺度分析 76
4.4 多尺度貫序式Kalman融合模型 77
4.4.1卡爾曼和溫度融合模型 78
4.4.2 動態(tài)測量的分塊形式描述 79
4.4.3 分塊系統(tǒng)的多尺度表示 81
4.4.4 測量誤差定義及計算 81
4.4.5基于誤差*小的MSBKTF模型重構(gòu) 83
4.5 實驗結(jié)果及誤差分析 84
4.5.1 小波不同尺度反演的誤差分析 84
4.5.2 多尺度貫序式Kalman融合處理分析 86
4.5.3 Kalman濾波和一元、多元回歸分析比較 88
4.6 本章小結(jié) 90
5 基于IGA-RBF的含沙量檢測多傳感器融合模型 91
5.1電容式差壓法檢測含沙量 91
5.1.1 電容式差壓法檢測原理 91
5.1.2 電容式差壓傳感器 94
5.1.3 基于電容式差壓方法的含沙量檢測系統(tǒng) 95
5.2 環(huán)境因素影響分析及測量參數(shù)選擇 98
5.2.1 水溫變化對測量的影響分析 98
5.2.2 測點深度對測量結(jié)果的影響分析 99
5.2.3流速對測量結(jié)果的影響分析 100
5.2.4測量參數(shù)選擇 101
5.3 基于IGA-RBF的多傳感器非線性融合模型 101
5.3.1 基于RBF神經(jīng)網(wǎng)絡(luò)的非線性數(shù)據(jù)融合原理 101
5.3.2 改進遺傳算法優(yōu)化RBF神經(jīng)網(wǎng)絡(luò)參數(shù) 102
5.4 實驗結(jié)果及誤差分析 105
5.4.1 實驗材料和實驗數(shù)據(jù) 105
5.4.2 一元回歸分析 106
5.4.3 多元線性回歸反演和BP融合分析 108
5.4.4 S-RBF、AGA-RBF和DAGA-RBF的融合處理分析 109
5.4.5 IGA-RBF融合分析 112
5.5 本章小結(jié) 114
6基于Wavelet-Curvelet的含沙量多源多尺度融合模型 115
6.1 多源含沙量信息序列分析 115
6.1.1 含沙量信息分解模型 115
6.1.2 Curvelet含沙量信息分解模型 116
6. 2含沙量多源多尺度*優(yōu)融合理論及算法 117
6.2.1多源數(shù)據(jù)卡爾曼濾波 117
6.2.2 多源多尺度*優(yōu)融合估計方程 118
6.2.3 多源多尺度分段標量加權(quán)融合模型 119
6.2.4多源多尺度分段標量加權(quán)融合算法流程 120
6.3含沙量分布式多源多尺度融合系統(tǒng)設(shè)計 121
6.3.1含沙量分布式檢測系統(tǒng)整體架構(gòu) 121
6.3.2 實驗材料和實驗數(shù)據(jù) 122
6.4實驗結(jié)果及誤差分析 124
6.4.1 一元回歸分析 124
6.4.2 Wavelet多源多尺度標量加權(quán)融合分析 128
6.4.3 Curvelet多源多尺度融合分析 132
6.4.4 Wavelet-Curvelet多源多尺度融合分析 135
6.5 本章小結(jié) 136
7 基于多模型融合的含沙量測量研究 138
7.1 基于Kalman-BP協(xié)同融合模型的含沙量測量 138
7.1.1 Kalman-BP協(xié)同融合模型應(yīng)用背景 138
7.1.2 信息采集感知層設(shè)計 139
7.1.3 kalman-BP協(xié)同融合模型設(shè)計 140
7.1.4 kalman-BP協(xié)同融合誤差分析 143
7.2 基于曲面擬合法的含沙量檢測數(shù)據(jù)融合技術(shù) 146
7.2.1 曲面擬合融合方法 146
7.2.2 曲面擬合的試驗標定 147
7.2.3 曲面擬合方程待定常數(shù)的確定 147
展開全部
基于多源多尺度數(shù)據(jù)融合的黃河含沙量檢測模型研究 作者簡介
劉明堂，博士，副教授。主要從事水利、電子信息等方面的研究，發(fā)表SCI、EI期刊論文多篇。
書友推薦
- >
朝聞道
- >
山海經(jīng)
- >
月亮虎
- >
有舍有得是人生
- >
我從未如此眷戀人間
- >
中國人在烏蘇里邊疆區(qū):歷史與人類學(xué)概述
- >
煙與鏡
- >
回憶愛瑪儂
本類暢銷
