为提高对爆破振动速度预测的准确性, 提出一种基于相关向量机(RVM)的爆破振动速度预测模型。利用该模型建立爆破振动速度与其影响因素之间的非线性映射关系, 通过选取影响爆破振动速度的3个主要因素(炸药用量、距离、高程差), 并对这3个主要影响因素产生的36组数据进行拟合训练, 根据这36组训练样本来对剩余5组样本进行精准预测。将该模型进行实例应用并与BP神经网络模型预测和GA-BP神经网络模型的结果进行对比, 在相同的影响因素数据样本条件下, RVM模型预测精度更高、离散性更小。与实际值相比, RVM预测的爆破振动速度的平均相对误差均明显优于利用BP神经网络和GA-BP神经网络预测得到的平均相对误差, 进一步验证了RVM模型能够提高预测精度的准确性和稳定性。

为快速获取及评价混凝土的综合性能，选取影响混凝土综合性能的6个主要因素为输入数据，混凝土综合性能(28 d强度、坍落扩展度及表观密度)为输出数据，建立基于相关向量机(RVM)的混凝土综合性能预测模型，对14组学习样本进行拟合训练，并对其余5组预测样本进行预测。结果表明：在相同的样本条件下，与BP神经网络模型进行对比，RVM模型预测精度更高，离散性更小；同时，与实际值相比，RVM模型预测的混凝土综合性能指标的平均相对误差均明显小于BP神经网络模型预测得到的平均相对误差，进一步验证了RVM模型对混凝土综合性能预测的可靠性，具有较好的推广价值。

电源监测系统为兰州重离子加速器装置(HIRFL)机器研究、自动调束、深度学习提供重要的实时数据, 在对HIRFL进行EPICS升级过程中, 重新设计电源监测系统, 采用分布式的设计布局, 形成一种由上层、中间件、底层构成的拓展架构, 实现上层数据的中间件处理、下层参数的中间件统一下发, 避免上层非法参数对下层设备的不利影响, 简化下层异常的处理; 为了调束方便, 整合显示界面, 优化不同功能界面上大数据量显示的难题, 提高显示的流畅度; 为了完成数据的后台分析, 搭建非关系型数据库集群, 实现重要数据多副本、实时数据分片多节点存储, 提高数据安全性及数据库读写速度, 避免复杂的数据库表结构设置, 拓展数据库集群优化及节点增加。

本文介绍了一种基于面阵探测器的凝视成像激光雷达系统。整个系统分为三部分, 第一部分是脉冲激光发射系统, 采用中心波长为 808 nm的半导体堆叠激光器作为光源; 第二部分是接收系统, 由成像物镜, 像增强器和面阵探测器组成。第三部分是计算机图像数据采集处理系统。系统使用分时的两次测量法, 先后用恒定增益和线性增益两种方式对接收到的光强进行调制, 由这两次测量得到的光强信息解调出距离信息。文章分析了系统的噪声特性, 对给定的系统参数用仿真软件估计了距离误差。实验表明, 系统的实际距离分辨力和仿真分析得到的距离分辨力相符。

相比传统的点扫描激光雷达，基于距离选通和增益调制测距原理的面阵成像激光雷达，具有测距速度快的优点，但同时会引起单帧图像信噪比降低。根据成像激光雷达的原理，建立了其在散粒噪声影响下的测距精度模型，基于该精度模型和机载面阵激光雷达成像的特点，提出了一种应用灰度图像配准叠加提高测距精度的方法。对飞机姿态、光源均匀性、叠加帧数等因素在采用该方法时是否对测距精度有影响进行了分析。分析结果表明，图像完全匹配后，飞机姿态对测距精度没有影响，光源均匀性优于40%时对测距精度影响可以忽略，一定叠加帧数内时灰度叠加不会影响目标之间的相对距离。进行了地面动态实验和机载航拍实验，并将此方法应用于图像的校正，实验结果验证了该方法的有效性。