|
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}
一種基于渦致效應(yīng)的自對流方柱海流能發(fā)電裝置
本實(shí)用新型公開了一種基于渦致效應(yīng)的自對流方柱海流能發(fā)電裝置，包括發(fā)電箱體，所述發(fā)電箱體 包括上箱體、下箱體和發(fā)電組件，其中發(fā)電組件通過選用對水流存在攻角的方柱來激發(fā)振動(dòng)，較大攻角 抑制馳振的產(chǎn)生，使得方柱振子的振動(dòng)處于渦致振動(dòng)狀態(tài)，具有較高的振動(dòng)頻率;上下箱體的設(shè)置使得 發(fā)電的部分裝置與水隔離，延長了裝置的使用壽命;并且加入了流速調(diào)整裝置，在不同的流域流速情況 下可以通過流速調(diào)整裝置進(jìn)行調(diào)整，使得進(jìn)入到發(fā)電裝置的水流速度達(dá)到最佳的激發(fā)渦致振動(dòng)的范圍; 加裝了保護(hù)裝置，使得整個(gè)裝置更加環(huán)境友好;加入了對流裝置，使得整個(gè)裝置能夠始終正對水流沖擊 方向，取得更好的發(fā)電效果。
武漢大學(xué)
2021-04-13
一種柔性自適應(yīng)的支撐式管道內(nèi)檢測機(jī)器人
本發(fā)明公開了一種柔性自適應(yīng)的支撐式管道內(nèi)檢測機(jī)器人，包括柔性自適應(yīng)支撐機(jī)構(gòu)、驅(qū)動(dòng)機(jī)構(gòu)、檢測 機(jī)構(gòu)和攝像機(jī)構(gòu);攝像機(jī)構(gòu)安裝在柔性自適應(yīng)支撐機(jī)構(gòu)前端;柔性自適應(yīng)支撐機(jī)構(gòu)與驅(qū)動(dòng)機(jī)構(gòu)連接，用于保 證機(jī)器人在管道內(nèi)移動(dòng)時(shí)，具有自動(dòng)適應(yīng)變徑管、障礙或彎管的能力;檢測機(jī)構(gòu)安裝在驅(qū)動(dòng)機(jī)構(gòu)上，當(dāng)機(jī)器 人在管道內(nèi)檢測作業(yè)時(shí)，檢測機(jī)構(gòu)中的探頭部分與管道內(nèi)壁完全接觸。本發(fā)明實(shí)現(xiàn)了機(jī)器人對管道的柔性自 適應(yīng)以及支撐式管道內(nèi)機(jī)器人的模塊化，增強(qiáng)了機(jī)器人在管道內(nèi)的行走能力，也方便了此類機(jī)器人的檢修; 本發(fā)明同時(shí)還實(shí)現(xiàn)了管內(nèi)檢測機(jī)器人搭載無損檢測設(shè)備，從而提高了問題管道的檢測能力。
武漢大學(xué)
2021-04-13
利用 GPU 實(shí)現(xiàn)外輻射源雷達(dá)多通道時(shí)域雜波抑制的方法
本發(fā)明涉及一種利用 GPU 實(shí)現(xiàn)外輻射源雷達(dá)多通道時(shí)域雜波抑制的方法，主要解決雷達(dá)探測環(huán)境 中的雜波抑制問題。主要步驟為:首先獲取校準(zhǔn)后參考和監(jiān)測通道數(shù)據(jù)，并分配計(jì)算所需內(nèi)存、顯存; 然后加載數(shù)據(jù)到 GPU 顯存，采用迭代算法計(jì)算自相關(guān)矩陣 Rx，求逆得利用參考和監(jiān)測通道數(shù)據(jù)計(jì)算互 相關(guān)矩陣 C，計(jì)算與 C 乘積得到矩陣 D，計(jì)算參考通道數(shù)據(jù)與矩陣 D 乘積得到監(jiān)測通道中直達(dá)波與多徑 分量從監(jiān)測通道數(shù)據(jù)中減去得到目標(biāo)回波分量;最后釋放已分配的內(nèi)存、顯存。本發(fā)明克服了迭代類雜 波抑制算法收斂速度和穩(wěn)定性等難以確定的困難，降低了 ECA 及 ECA-B 算法的時(shí)間和空間復(fù)雜度，并 具有平臺(tái)搭建簡單、穩(wěn)定性好、運(yùn)算速度快、擴(kuò)展性強(qiáng)、易于開發(fā)等優(yōu)點(diǎn)。
武漢大學(xué)
2021-04-13
一種基于能量函數(shù)的網(wǎng)頁時(shí)間敏感性度量方法
本發(fā)明公開了一種基于能量函數(shù)的網(wǎng)頁時(shí)間敏感性度量方法，屬于數(shù)據(jù)質(zhì)量的研究范疇，涉及時(shí)態(tài) Web、網(wǎng)絡(luò)信息質(zhì)量評估、使用模式等技術(shù)領(lǐng)域。目前，Web 垃圾信息泛濫，數(shù)據(jù)質(zhì)量低下已經(jīng)成為普 遍現(xiàn)象。導(dǎo)致這一現(xiàn)象的一個(gè)重要原因是信息是時(shí)間敏感的，即信息是隨著時(shí)間的推移而變化的。然而 不同信息的時(shí)間敏感程度是不一樣的，為統(tǒng)一度量信息的時(shí)間敏感度，本發(fā)明根據(jù) Web 用戶對信息的需 求、信息量的增加和頁面的鏈接關(guān)系三個(gè)方面對網(wǎng)頁的能量進(jìn)行度量，用能量的變化刻畫網(wǎng)頁的時(shí)間敏 感度。本方法可應(yīng)用于網(wǎng)頁質(zhì)量評價(jià)和排序，也可應(yīng)用于信息檢索中，以提高檢索結(jié)果的質(zhì)量。
武漢大學(xué)
2021-04-13
基于圖割能量優(yōu)化的影像間最優(yōu)拼接線尋找方法及系統(tǒng)
一種基于圖割能量優(yōu)化的影像間最優(yōu)拼接線尋找方法及系統(tǒng)，進(jìn)行待拼接影像數(shù)據(jù)準(zhǔn)備，獲得各待 拼接影像之間所有重疊區(qū)域及相應(yīng)重疊度;對待拼接影像進(jìn)行預(yù)處理，綜合考慮顏色、梯度以及紋理信 息確定圖割全局能量函數(shù)，圖割全局能量函數(shù)包括數(shù)據(jù)項(xiàng)和平滑項(xiàng)，平滑項(xiàng)能量權(quán)重設(shè)置，采用圖割能 量優(yōu)化方法，對總能量進(jìn)行優(yōu)化，獲取最優(yōu)拼接線。本發(fā)明所得拼接線盡量避免通過色差過大、紋理復(fù) 雜區(qū)域以及明顯地物的邊緣，從而最大程度上保證了拼接線的最優(yōu)化，解決了多影像多度重疊區(qū)域拼接 線聯(lián)合優(yōu)化的問題，適用性廣。
武漢大學(xué)
2021-04-13
一種基于基礎(chǔ)地理信息數(shù)據(jù)的電子地圖制圖方法
本發(fā)明公開了一種基于基礎(chǔ)地理信息數(shù)據(jù)的電子地圖制圖方法，主要步驟包括:標(biāo)準(zhǔn)化基礎(chǔ)地理信 息數(shù)據(jù);配置符號(hào)及注記的金字塔規(guī)則;配置基礎(chǔ)地理信息數(shù)據(jù)目錄;導(dǎo)入基礎(chǔ)地理信息數(shù)據(jù);按照符 號(hào)及注記的金字塔規(guī)則進(jìn)行符號(hào)化及注記配置;導(dǎo)出電子地圖的柵格瓦片;本發(fā)明提供了一種方法易行， 配置效率高，能夠滿足普通柵格式電子地圖成圖的制圖方法。
武漢大學(xué)
2021-04-13
用于互聯(lián)網(wǎng)中加速經(jīng)驗(yàn)知識(shí)積累的信息采集方法及系統(tǒng)
本發(fā)明提供一種用于互聯(lián)網(wǎng)中加速經(jīng)驗(yàn)知識(shí)積累的信息采集方法及系統(tǒng)，包括用戶初次訪問網(wǎng)站時(shí)， 服務(wù)器收到查詢問題后，生成查詢結(jié)果，生成一個(gè) cookie 項(xiàng)并連同查詢結(jié)果一起返回給客戶端，并發(fā)送 是否接受回訪請求給客戶端;所述 cookie 包括網(wǎng)址、用戶標(biāo)識(shí)、存活時(shí)間和問題標(biāo)識(shí);服務(wù)器在收到用 戶接受回訪請求的標(biāo)識(shí)后在本地的 cookie 數(shù)據(jù)庫保存該 cookie 項(xiàng)，并添加其他數(shù)據(jù)項(xiàng);所述其他數(shù)據(jù) 項(xiàng)包括，用戶輸入的查詢問題，服務(wù)器回訪日期范圍，根據(jù)用戶輸入的查詢問題生成的回訪問卷。用戶 再次訪問網(wǎng)站時(shí)，如果當(dāng)前日期在用戶標(biāo)識(shí)對應(yīng)項(xiàng)的服務(wù)器回訪日期范圍內(nèi)，通過瀏覽器采集用戶對已 有答案及回訪問卷的回復(fù)。
武漢大學(xué)
2021-04-13
一種基于代價(jià)矩陣的多重軟約束立體匹配方法
本發(fā)明公開了一種基于代價(jià)矩陣的多重軟約束立體匹配方法，首先計(jì)算一個(gè)三維匹配代價(jià)矩陣并對 其進(jìn)行多尺度降采樣，構(gòu)成代價(jià)矩陣金字塔；同時(shí)對影像也進(jìn)行相應(yīng)的多尺度降采樣，構(gòu)成影像金字塔， 并對其各層影像分別進(jìn)行圖像分割；然后逐層進(jìn)行自適應(yīng)權(quán)重的代價(jià)積聚和―投票式‖分割約束下的代價(jià) 積聚，并通過將上層代價(jià)積聚結(jié)果傳遞給下層代價(jià)矩陣，實(shí)現(xiàn)多尺度約束下的代價(jià)積聚；最后在底層代 價(jià)矩陣中結(jié)合可靠點(diǎn)代價(jià)擴(kuò)散方法實(shí)現(xiàn)立體匹配。本發(fā)明增強(qiáng)了匹配結(jié)果的穩(wěn)定性和可靠性，大大改善 了弱紋理和重復(fù)紋理區(qū)域以及視差不連續(xù)處的匹配問題，可用于改進(jìn)基于圖像的建模等涉及立體匹配的 工程應(yīng)用問題。
武漢大學(xué)
2021-04-13
一種支持對地觀測數(shù)據(jù)元數(shù)據(jù)注冊的映射方法及系統(tǒng)
一種支持對地觀測數(shù)據(jù)元數(shù)據(jù)注冊的映射方法及系統(tǒng)，首先構(gòu)建存儲(chǔ)觀測數(shù)據(jù)元數(shù)據(jù)信息的注冊信 息模型，包括構(gòu)建觀測數(shù)據(jù)元數(shù)據(jù)注冊信息模型的注冊包;依據(jù)觀測數(shù)據(jù)元數(shù)據(jù)注冊對象，構(gòu)建注冊信 息模型的外部對象類;依據(jù)觀測數(shù)據(jù)元數(shù)據(jù)對象之間的相互關(guān)系，構(gòu)建注冊信息模型的關(guān)系類;依據(jù)觀 測數(shù)據(jù)元數(shù)據(jù)的分類信息，構(gòu)建注冊信息模型的分類架構(gòu);依據(jù)觀測數(shù)據(jù)元數(shù)據(jù)的相關(guān)屬性，構(gòu)建注冊 信息模型的擴(kuò)展屬性類。然后構(gòu)建觀測數(shù)據(jù)元數(shù)據(jù)信息模型到注冊信息模型的映射關(guān)系，包括構(gòu)建觀測 數(shù)據(jù)元數(shù)據(jù)信息模型到注冊信息模型的映射流程;構(gòu)建觀測數(shù)據(jù)元數(shù)據(jù)類型和注冊對象的類型映射;構(gòu) 建觀測數(shù)據(jù)元數(shù)據(jù)屬性到注冊對象的屬性映射。
武漢大學(xué)
2021-04-13
一種面向超光譜數(shù)據(jù)庫的小波去噪算法
本發(fā)明公開了一種面向超光譜數(shù)據(jù)庫的小波去噪算法，屬于超光譜數(shù)據(jù)的處理方法，用于對帶有噪 聲的超光譜曲線進(jìn)行降噪。本發(fā)明順序包括小波降噪?yún)?shù)選擇、小波降噪。本發(fā)明在小波降噪?yún)?shù)學(xué)習(xí) 過程中充分考慮了超光譜數(shù)據(jù)庫中各種物質(zhì)超光譜曲線的特性，快速的選擇適合超光譜數(shù)據(jù)庫絕大多數(shù) 光譜曲線的小波降噪?yún)?shù)，然后使用選擇得到的參數(shù)對測量到的超光譜曲線進(jìn)行降噪。該方法能快速的 針對各種不同應(yīng)用場景的超光譜數(shù)據(jù)庫選擇與之適應(yīng)小波降噪?yún)?shù)，提高了降噪的效果，提高光譜匹配 的準(zhǔn)確率。
武漢大學(xué)
2021-04-13