水下机器人标准体系框架构建探索          下载免费PDF全文

郭小勇  汤海荣  徐春红 《海洋开发与管理》2021,38(1):53-56

水下机器人作为一类特种机器人,日益成为探索海洋奥秘、开发海洋资源的重要工具,被称为海洋高技术的皇冠,正逐步成为国家间海洋技术竞争的制高点。水下机器人标准体系最直接的作用是指导、规范水下机器人标准制定工作,使人们清楚水下机器人标准化工作方向和重点,有助于推动水下机器人研发和产业化进程,促进快速、健康发展。文章在介绍国内外水下机器人标准制订的基础上,探讨水下机器人标准体系框架构建思路,提出标准体系建设路径,明确水下机器人标准化工作范围和领域,并构建了水下机器人标准体系序列结构、三维结构、层次结构3种框架模型,为构建我国水下机器人标准体系提供了有价值的参考。  相似文献   

“长沙模式”蜚声全国 长沙智能制造大会助力“智造湘军”     

段雯娟 《地球》2019,(9):112-112

博世长沙公司,湖南省首条工业4.0生产线成功诞生;上汽大众长沙"分钟工厂"里,机器人焊接和测量的普及,实现了1分钟下线一台合格整车;加加食品集团,5条生产线每个小时就能产出18万瓶酱油……三一重工、中联重科、蓝思科技、华曙高科、山河智能、威胜集团、长沙格力、海信基地、中信戴卡……新一代智能制造将给制造业带来革命性的变化,已经成为制造业未来发展的核心驱动力,长沙智能制造展示着骄人成绩。  相似文献   

基于深度学习卷积神经网络的地震波形自动分类与识别   总被引：9，自引：0，他引：9       下载免费PDF全文

赵明  陈石  Dave Yuen 《地球物理学报》2019,62(1):374-382

发展高效、高精度、普适性强的自动波形拾取算法在地震大数据时代背景下显得越来越重要.波形自动拾取算法的主要挑战来自如何适应不同区域的不同类型地震事件的分类与筛选.本文针对地震事件-噪音分类这一问题,使用13839个汶川地震余震事件建立数据集,应用深度学习卷积神经网络(CNN)方法进行训练,并用8900个新的汶川余震事件作为检测数据集,其训练和检测准确率均达到95%以上.在对连续波形的检测中,CNN方法在精度和召回率上优于STA/LTA和Fbpicker传统方法,并能找出大量人工挑选极易遗漏的微震事件.最后,我们应用训练好的最优模型对选自全国台网的441个台站8天的连续波形数据进行了识别、到时挑取及与参考地震目录关联,CNN检出7016段波形,用自动挑选算法拾取到1380对P,S到时,并与540个地震目录事件成功关联,对1级以上事件总体识别准确率为54%,二级以上为80%,证明了CNN模型具有泛化能力,初步展示了CNN在发展兼具效率、精度、普适性算法,实时地震监测等应用上具有巨大潜力.  相似文献   

地震道瞬时强度比法拾取初至波   总被引：2，自引：1，他引：2       下载免费PDF全文

张伟  王彦春  李洪臣  谭昌勇  王连山  赵贵菊  秦亚玲 《地球物理学进展》2009,24(1):201-204

本文结合地震记录时窗属性和瞬时属性特征,提出了一种改进算法一基于时窗的瞬时强度比法,该方法的基本原理是通过复数道分析来提取地震记录的瞬时属性,采用强度比来判断初至时间,研究表明,滑动时窗能量比法的处理效果较差,在拾取过程中对某些特殊点的处理上存在误差较大;而采用瞬时强度比法后,初至曲线的同向轴变得更加光滑,拾取异常点的情况大为减少,从而有效的提高拾取的精度.  相似文献   

基于样本增强的卷积神经网络震相拾取方法   总被引：2，自引：2，他引：0       下载免费PDF全文

李安  杨建思  彭朝勇  郑钰  刘莎 《地震学报》2020,42(2):163-176

为了快速、高效地从地震数据中识别地震事件和拾取震相,本文利用基于样本增强的卷积神经网络自动震相拾取方法,将西藏林芝地区L0230台站3个月数据作为训练集,该区内另外6个台站连续1个月的波形数据作为测试集,采用高斯噪声、随机噪声拼接、随机挑选噪声、随机截取地震事件等4种样本增强的方法扩增训练集,以提高自动震相拾取技术的准确率。结果显示:样本增强前模型在测试集上的地震事件识别准确率为80%,样本增强后提升至97%,表明样本增强有效地提高了模型的泛化性能和抗干扰能力;在0.5 s误差范围内,震相自动拾取准确率高于81%,在1.0 s误差范围内,准确率高于95%;利用基于样本增强的卷积神经网络震相拾取方法能够检测出人工拾取震相中误标和漏检的震相。   相似文献   

基于加权K均值聚类的多属性初至拾取方法          下载免费PDF全文

周竹生  曾维祖  刘思琴  陈文样 《地震学报》2020,42(2):177-186

为提高初至拾取方法的准确性和自适应能力,将变异系数加权K均值聚类算法引入初至拾取中。首先提取均方根振幅、相邻道相关性、线积分、振幅谱主频等多种地震属性;然后针对地震属性进行加权K均值聚类,自动识别初至所在时窗;最后结合相位校正法,实现时窗内初至波起跳时间的拾取。在此基础上通过实际数据测试,并与长短时窗能量比法、反向传播神经网络方法对比,验证了本文方法的有效性与可行性。结果表明,基于加权K均值聚类的多属性初至拾取方法能较快速、准确地拾取低信噪比数据的初至,并且无需人为判断时窗,从而提高了拾取的自适应能力。   相似文献   

云南腾冲地区三维地震定位          下载免费PDF全文

杨旭  李永华 《地震学报》2020,42(2):121-134

本文利用中国数字测震台网和流动台站的地震资料,基于参数优化的AICD自动拾取算法和质量评估方案得到了高质量的震相到时,并在此基础上使用一维、三维定位方法对腾冲地区的799次地震事件进行了重新定位。定位结果显示:水平方向上,一维、三维重定位结果相差较小;深度方向上,三维定位的震源成丛分布比一维定位结果更加密集,地震主要位于地壳内低速层之上。分别利用一维、三维定位方法对典型地震、人工震源进行定位,结果表明,三维定位的精度明显优于一维定位,其在水平、深度方向上的平均绝对定位误差分别为0.7 km和1.3 km。   相似文献   

兼顾速度和精度的深度神经网络震相拾取   总被引：1，自引：1，他引：0       下载免费PDF全文

于子叶  储日升  盛敏汉  马海超 《地震学报》2020,42(3):269-282

深度神经网络虽然在震相拾取中取得了良好效果,但作为高复杂度的机器学习模型,深度神经网络在取得较高精度的同时需要付出较高的计算代价,而且试验研究表明震相拾取中并不需要过高的模型复杂度。为此,本文根据地震波形的特点设计了四种具有不同复杂度的深度神经网络改进模型,可以综合具体的精度和速度需求从中选取合适的模型。在此基础上,将改进模型与现有四种到时拾取的深度学习网络模型进行了对比,结果表明本文中的网络模型在到时拾取上具有较高的速度和精度。同时,本文的深度神经网络通过使用多种深度学习模型压缩手段可将震相拾取模型的大小压缩到2.0 MB以内,从而使得模型可以在低功耗设备上完成高速震相拾取的同时尽可能地减少精度损失。   相似文献   

秒采样精度下磁暴急始自动拾取方法研究     

李健  周少辉  马媛  李潇  孙三健  李位苏 《中国地震》2020,36(2):341-349

磁暴急始的自动识别拾取与磁暴报告自动产出是国家地磁台网数据产品产出中重要的内容。为实现在1s采样率下的磁暴急始高精度拾取,本文针对性地提出基于Walsh变换和Akaike信息准则(AIC)的起跳点检测算法——Walsh-AIC算法,将其应用于98个磁暴急始事件的拾取上,并采用由国际地磁指数服务(ISGI)发布的磁暴时刻为标准对应用效果进行评估。结果表明,该算法不仅能够将急始磁暴起跳时刻的位置更加明显地刻画出来,而且能够有效避免传统识别急始磁暴的AIC算法中存在的识别起跳时刻结果晚于实际起跳时刻的情况。同时,将Walsh-AIC算法与其他主流拾取方法进行对比,发现前者定位结果的平均偏差和标准差均明显小于其他算法。此外,Walsh-AIC算法结果的误差关于0点的对称性较好,表明该算法拾取磁暴急始起跳时刻的精度较高,适合于解决磁暴急始的自动拾取问题。  相似文献   

用B-样条双正交小波拾取P波到时   总被引：3，自引：0，他引：3       下载免费PDF全文

滕云田  王喜珍  王晓美  马洁美  许建华 《地震学报》2006,28(3):329-333

地震波包含有许多震相,这些震相蕴涵着丰富的地球物理信息,反映了震源、传播路径等介质的特征,识别这些震相对于了解震源机制、地层结构以及地震波特性是很重要的.地震事件检测的一个重要目的是在地震发生前后提供地震的相关信息,以减少或避免地震带来的损失.由于P波和S波的特殊性,地震事件检测主要是识别P波和S波以及确定它们的到时,因此准确而高效地确定P波和S波到时方法的研究成为众多地球物理学家的研究热点.  相似文献