针对某矿山爆破粉矿率偏高的问题, 采用传统连续装药爆破方法易在孔壁粉碎圈附近产生粉矿, 造成矿石级配不达标和资源的永久浪费。因此为改善爆破后矿石级配并提高骨料成品率, 借鉴中部空气间隔装药爆破技术, 依据现场工况参数, 分别在0 m、1 m、1.2 m、1.5 m中部空气间隔装药条件开展爆破试验研究。首先采用ANSYS/LS-DYNA有限元软件进行数值模拟试验, 建立了采用HJC本构关系的石灰岩模型, 模拟该矿实际地质条件。随后获取不同间隔距离条件下岩体损伤分布特点, 初步获取相对较优的空气间隔装药长度。由于ANSYS/LS-DYNA并未将爆生气体的作用考虑在内, 因此为了得到更准确的实验结论, 同时考虑到不宜使爆破大块率过度增加, 结合项目实际情况, 选用1.2 m、1.5 m中部空气间隔装药长度进行现场爆破试验, 对比不同爆破试验条件下的岩块级配。试验结果表明, 采用中部空气间隔装药的措施降低爆破粉矿率是有效的。采用空气间隔长度为1.5 m时, 可以降低不均匀系数Cu与爆破粉矿率。技改前平均粉矿率约为15.94%, 技改后4.75 mm以下的粉矿率可降低至9.37%左右, 使得爆堆级配达到良好水平。

针对同时定位与地图构建(SLAM)的闭环检测方法在多歧义复杂场景下易发生感知偏差的问题, 基于闭环概率模型提出了一种结合局部SURF特征和全局ORB特征的闭环检测方法。首先, 分别采用鲁棒SURF特征和全局ORB特征对图像进行局部和全局的场景描述; 其次, 构建多特征场景描述的离散贝叶斯闭环概率模型, 对多特征空间分别构建观测似然概率, 其中,局部特征空间基于词袋模型的方法计算观测似然概率, 全局特征空间基于KNN最近邻的方法计算观测似然概率; 最后, 考虑图像的时间一致性, 基于极线约束设计多步闭环候选帧提取方法, 进一步减少感知偏差问题。实验结果表明, 在多歧义场景下所提方法可以消除绝大部分的误正匹配情况, 对比FAB-MAP2.0和BoW方法具有更好的闭环检测效果, 可以达到更高的闭环准确率。

氮化硅陶瓷与金属的有效连接, 对于充分利用二者优异性能、满足材料或构件在复杂环境下服役要求至关重要。利用粉末冶金、梯度复合技术实现了大物性差异氮化硅陶瓷(Si3N4)和金属钼(Mo)的梯度连接, 研究和探明了不同烧结温度以及不同Si3N4添加量下各梯度层内Si3N4和Mo的反应机理。基于反应机理, 结合浓度分布指数p对Si3N4/MoxSiy/Mo梯度材料的过渡层结构进行优化, 实现了Si3N4和Mo的梯度连接及力学性能的提升。结果表明: Si3N4和Mo主要通过Mo、Si之间的扩散反应形成钼硅化合物, 反应过程为(Mo+Si)→(Mo3Si/MoSi2+Si)→(Mo5Si3); 当浓度分布指数p=1.5时, Si3N4/MoxSiy/Mo梯度材料的弯曲强度达到最大值371.42 MPa, 剪切强度达到最大值30.58 MPa, 过渡层内各元素呈准连续梯度分布。

针对在单目视觉-惯性同时定位与地图构建（VI-SLAM）初始化阶段, 初始转动较小导致加速度计的零偏和重力耦合难以估计, 同时初始化过程估计的尺度、重力向量等缺少细化, 导致初始状态估计精度低的问题, 并为了保证实时性, 该文提出了一种从粗到精的单目VI-SLAM在线初始化方法。该算法利用相机和惯性测量单元（IMU）几何约束进行相机-IMU旋转外参数的标定, 同时标定出陀螺仪零偏值; 通过预积分约束对重力向量、尺度等初始状态进行粗略估计; 引入重力矢量的切线空间对重力、尺度估计值细化, 同时估计加速度计零偏和速度; 最后通过基于滑动窗口的非线性优化对已估计的外参数进一步细化。实验结果表明, 该在线初始化方法提高了估计精度和估计收敛稳定性, 标定了加速度计零偏, 提高了VI-SLAM系统的定位精度, 绝对位姿误差的均方根误差平均降低11.7%。

针对微机电系统(MEMS)陀螺仪数据误差建模不精确或无法给出模型的情况，提出了误差反馈(BP)神经网络辅助卡尔曼滤波对陀螺仪数据进行降噪处理的方法。分析卡尔曼滤波器的系统噪声方差Q矩阵可知，当模型不精确时可通过Q补偿。基于BP神经网络优化Q值原理，首先把采集到的MEMS陀螺仪数据输入卡尔曼滤波器得到Q；再把新息、滤波增益、量测噪声方差输入神经网络，把Q作为神经网络的输出，神经网络优化系统噪声协方差矩阵得到Q*；最后将Q*作为卡尔曼滤波算法系统噪声方差矩阵。实验结果表明，在建模不精确的情况下该方法也能有效提高陀螺仪的精度。

激光捷联惯组(LSIMU)在工作环境下受测量噪声干扰大,尤其是小型激光陀螺仪,不能精确识别地球自转角速度,导致捷联惯导系统无法准确、快速对动基座进行初始对准。针对该问题,提出了一种基于小波卡尔曼级联滤波的LSIMU动基座初始对准算法。仿真对比实验结果表明,相比其他初始对准算法,本算法可以有效提高初始对准精度、减小姿态角对准误差,将全球定位系统辅助激光捷联惯导系统的初始对准精度从10''提高到了5''以内,且方差最小,可以使对准误差更稳定、快速的收敛。

基于静态Allan方差分析方法无法有效分析和辨识动态工况下激光陀螺仪的随机误差,也无法给动态工况下激光陀螺仪的随机误差补偿提供准确依据。为此,提出时间框动态Allan方差分析方法,利用分段建模对随机误差项进行动态Allan方差分析和辨识。建立灰色GM(1,1)预测模型,对辨识出的随机误差参数项进行预测,针对传统GM(1,1)预测模型因数据不全存在波动大的问题,基于小波滤波平滑处理原始数据,并利用残差修正模型改进GM(1,1)预测模型。实验结果表明,针对激光陀螺仪在同一工况下的随机误差系数,改进GM(1,1)模型预测算法的预测精度高于传统GM(1,1)模型预测算法的预测精度。

探讨组合模型在土壤重金属含量高光谱估算中的可行性, 以四川古蔺工矿废弃地复垦土壤为研究对象, 采集样品并测得重金属含量(Cd、Cr、Ni、As和Hg)和光谱信息; 对土壤光谱进行预处理, 探索响应波段; 利用PLS、ANN和RF构建单一估测模型; 利用熵值法进行较优模型组合。结果表明, 4种光谱预处理技术对光谱与重金属含量之间的相关性均有不同程度的提升; 单一预测模型MSC-RF模型效果最优, 可最大程度对重金属含量进行预测; 通过熵值法构建的组合预测模型较单一预测模型效果有所提升, 验证集R2最高达到0.91; 表明组合模型能够较大限度利用多种单个模型的样本信息, 减少单个模型中随机因素的影响, 增强模型的稳定性, 对矿业废弃地复垦土壤重金属含量的预测具有更好的发挥作用。

特征金字塔网络(FPN)在融合不同尺度特征图时采用上采样和相加的方法,然而经过上采样的特征图的空间层级化信息丢失严重,简单地进行相加必然引入一定的误差。同时,FPN结构的深层特征信息前向传递性较差,其对更浅层的辅助效果基本消失。对此,结合长短时记忆(LSTM)网络在处理上下文信息上的优势对FPN结构进行改进,在不同深度的特征层之间建立一条自上而下的记忆链接,建立多门控结构对记忆链上的信息进行过滤和融合以产生表征能力更强的高级语义特征图。最后,将改进的FPN结构加入到SSD(Single Shot MultiBox Detector)算法框架中,提出新的特征融合网络——MSSD(Memory SSD),并在Pascal VOC 2007数据集上进行验证。实验表明,该改进取得了较好的测试结果,相比于目前较先进的检测算法也有一定的优势。