CN108228931B - 风力发电机样机用地形的评估方法和装置 - Google Patents

风力发电机样机用地形的评估方法和装置 Download PDF

Info

Publication number
CN108228931B
CN108228931B CN201611161240.5A CN201611161240A CN108228931B CN 108228931 B CN108228931 B CN 108228931B CN 201611161240 A CN201611161240 A CN 201611161240A CN 108228931 B CN108228931 B CN 108228931B
Authority
CN
China
Prior art keywords
matrix
terrain
area
optimal
altitude data
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201611161240.5A
Other languages
English (en)
Other versions
CN108228931A (zh
Inventor
永伟
方明
崔帅
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Goldwind Science and Creation Windpower Equipment Co Ltd
Original Assignee
Beijing Goldwind Science and Creation Windpower Equipment Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Goldwind Science and Creation Windpower Equipment Co Ltd filed Critical Beijing Goldwind Science and Creation Windpower Equipment Co Ltd
Priority to CN201611161240.5A priority Critical patent/CN108228931B/zh
Publication of CN108228931A publication Critical patent/CN108228931A/zh
Application granted granted Critical
Publication of CN108228931B publication Critical patent/CN108228931B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Wind Motors (AREA)

Abstract

本发明提供了一种风力发电机样机用地形的评估方法和装置，该方法包括：将以风力发电机样机为中心的正方形区域网格化，并获取所有网格中心点的海拔数据；根据测量扇区以及测风塔与风力发电机样机之间的距离，将海拔数据划分为多个区域的海拔数据；根据每个区域的海拔数据和风力发电机样机塔底中心的海拔数据，构建每个区域的待分解矩阵；基于奇异值分解对每个区域的待分解矩阵进行分解，求解每个区域的拟合平面；根据每个区域的拟合平面计算每个区域的地形评估的参数；根据每个区域的地形评估的参数与对应的标准门限值，进行地形评估。节省了进行基于风力发电机样机的地形评估的时间，提高了进行地形评估的效率。

Description

风力发电机样机用地形的评估方法和装置
技术领域
本发明实施例涉及风力发电技术领域，尤其涉及一种风力发电机样机用地形的评估方法和装置。
背景技术
基于风力发电机样机的地形评估是风力发电机样机的前期工作的重要内容之一。风力发电机样机用地形的评估方法核心思想为：将风力发电机样机的周围的高精度等高线数据或航天飞机雷达地形测绘任务(英文为：Shuttle Radar Topography Mission，简称为：SRTM)高程数据划分为多个区域的数据，然后计算各区域的地形拟合平面，根据计算出的各区域的地形拟合平面和对应区域的样机的风塔底的水平面计算各区域的地形拟合坡度和地形偏离拟合平面的极大值是否满足标准要求，以进行地形评估。若在进行地形评估后，各区域的地形拟合坡度和地形偏离拟合平面的极大值不满足标准要求，则需要进行场地标定。
现有技术中，风力发电机样机用地形的评估方法在计算各区域的地形拟合平面时，主要采用基于切比雪夫最优逼近的方法计算拟合平面。由于该方法运行于Excel回归分析环境，而该环境对于矩阵运算的支持并不理想，因此使该方法的计算效率低下，甚至造成计算机的卡顿，使其无法满足现实需求。并且由于在进行基于风力发电机样机的地形评估时耗费了大量时间，若各区域的地形拟合坡度和地形偏离拟合平面的极大值不满足标准要求，则增加了进行场地标定所耗费的时间。
发明内容
本发明实施例提供一种风力发电机样机用地形的评估方法，该方法解决了现有技术中采用基于切比雪夫最优逼近的方法计算拟合平面导致的计算效率低下，无法满足现实需求，在各区域的地形拟合坡度和地形偏离拟合平面的极大值不满足标准要求，增加了进行场地评估所耗费的时间的技术问题。
本发明实施例提供一种风力发电机样机用地形的评估方法，包括：
将以风力发电机样机为中心的正方形区域网格化，并获取所有网格中心点的海拔数据；
根据测量扇区以及测风塔与所述风力发电机样机之间的距离，将所述海拔数据划分为多个区域的海拔数据；
根据每个区域的海拔数据和风力发电机样机塔底中心的海拔数据，构建每个区域的待分解矩阵；
基于奇异值分解对所述每个区域的待分解矩阵进行分解，求解所述每个区域的拟合平面；
根据所述每个区域的拟合平面计算每个区域的地形评估的参数；
根据所述每个区域的地形评估的参数与对应的标准门限值，进行地形评估。
本发明实施例提供一种风力发电机样机用地形的评估装置，包括：
海拔数据获取单元，将以风力发电机样机为中心的正方形区域网格化，并获取所有网格中心点的海拔数据；
海拔数据划分单元，根据测量扇区以及测风塔与所述风力发电机样机之间的距离，将所述海拔数据划分为多个区域的海拔数据；
待分解矩阵构建单元，根据每个区域的海拔数据和风力发电机样机塔底中心的海拔数据，构建每个区域的待分解矩阵；
矩阵分解单元，基于奇异值分解对所述每个区域的待分解矩阵进行分解；
拟合平面求解单元，求解所述每个区域的拟合平面；
地形评估参数计算单元，根据所述每个区域的拟合平面计算每个区域的地形评估的参数；
地形评估单元，根据所述每个区域的地形评估的参数与对应的标准门限值，进行地形评估。
本发明实施例提供一种风力发电机样机用地形的评估方法和装置，通过将以风力发电机样机为中心的正方形区域网格化，并获取所有网格中心点的海拔数据；根据测量扇区以及测风塔与风力发电机样机之间的距离，将海拔数据划分为多个区域的海拔数据；根据每个区域的海拔数据和风力发电机样机塔底中心的海拔数据，构建每个区域的待分解矩阵；基于奇异值分解对每个区域的待分解矩阵进行分解，求解每个区域的拟合平面；根据每个区域的拟合平面计算每个区域的地形评估的参数；根据每个区域的地形评估的参数与对应的标准门限值，进行地形评估。由于基于奇异值分解求解每个区域的拟合平面，能够对每个区域的拟合平面进行快速拟合，节省了进行基于风力发电机样机的地形评估的时间，提高了进行地形评估的效率，能够满足现实要求，并且若地形评估不满足标准要求，由于地形评估的时间缩短了，也进一步减少了进行场地标定所耗费的时间。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明风力发电机样机用地形的评估方法实施例一的流程图；
图2为本发明风力发电机样机用地形的评估方法实施例二的流程图；
图3为本发明实施例二中以风力发电机样机为中心的正方形区域网格中心点的海拔数据的示意图；
图4为本发明实施例二中执行步骤202后的结构示意图；
图5为本发明风力发电机样机用地形的评估装置实施例一的结构示意图；
图6为本发明风力发电机样机用地形的评估装置实施例二的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
应当理解，本文中使用的术语“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。
取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于检测”。类似地，取决于语境，短语“如果确定”或“如果检测(陈述的条件或事件)”可以被解释成为“当确定时”或“响应于确定”或“当检测(陈述的条件或事件)时”或“响应于检测(陈述的条件或事件)”。
图1为本发明风力发电机样机用地形的评估方法实施例一的流程图，如图1所示，本实施例的执行主体为风力发电机样机用地形的评估装置，该风力发电机样机用地形的评估装置可以为计算机、笔记本电脑、服务器等设备。则本实施例提供的风力发电机样机用地形的评估方法包括以下几个步骤。
步骤101，将以风力发电机样机为中心的正方形区域网格化，并获取所有网格中心点的海拔数据。
其中，该正方形区域的网格中心点的海拔数据可以为实测数据，若未有实测数据，该正方形区域的网格中心点的海拔数据还可以为公开的数据库中的数据，公开的数据库可以为SRTM高程数据的数据库或其他数据库。
其中，风力发电机样机与测风塔之间的距离为L，则该正方形区域的边长可以为16L或大于16L，本实施例中对此不做限定。
本实施例中，海拔数据可以表示为矩阵形式或向量形式，本实施例中对此不做限定。在海拔数据中除包括具体的高程值外，还可以包括采集海拔数据的采样位置坐标。
步骤102，根据测量扇区以及测风塔与风力发电机样机之间的距离，将海拔数据划分为多个区域的海拔数据。
具体地，本实施例中，划分的区域的个数不做限定，如可以为3个区域。若划分的扇区为3个区域，则划分的区域分别为2L以内的全部区域、2L～4L之间测量扇区和4L～8L之间测量扇区。
步骤103，根据每个区域的海拔数据和风力发电机样机塔底中心的海拔数据，构建每个区域的待分解矩阵。
步骤104，基于奇异值分解对每个区域的待分解矩阵进行分解，求解每个区域的拟合平面。
其中，奇异值分解为线性代数中一种重要的矩阵分解，为矩阵分析中正规矩阵酉对角化的推广。假设A为一个m×n阶矩阵，其中的元素全部属于域K,也就是实数域或复数域，如此则存在一个分解使得A＝UΣVT,其中U是一个m×m阶酉矩阵，Σ是半正定m×n阶对角矩阵，VT是V的共轭转置矩阵，是n×n阶酉矩阵，则这样的分解就称为A的奇异值分解。
结合步骤103-步骤104对本实施例进行说明。
由于每个区域的待分解矩阵是根据求解的拟合平面推导出来的。所以对推导过程进行说明介绍。
本实施例中，可将拟合平面表示为E，风力发电机样机塔底中心所在的基准水平面表示为E′，为了使拟合平面尽可能与基准水平面近似，可使拟合平面上的点与基准水平面上的对应点的海拔数据差的欧式范数达到最小，即求解式(1)的最小二乘的解。
||E-E′|| (1)
其中，拟合平面E可采用法点式方程进行表示，由于风力发电机样机塔底中心点经过拟合平面，所以，拟合平面可用以下方程组表示：
Figure BDA0001181667950000051
在方程组(2)中，
Figure BDA0001181667950000052
表示拟合平面上对应具体采样位置的高程值。
将方程组(2)进行变换，可以表示为式(3)
Figure BDA0001181667950000061
将式(3)代入到式(1)中，可得到式(4)
Figure BDA0001181667950000062
假设
Figure BDA0001181667950000063
则求解式(1)的最小二乘解就转化为求解式(5)的最小二乘解。
||Ax|| (5)
本实施例中，在求解式(5)的最小二乘解时，对A进行奇异值分解，则式(5)可表示为式(6)所示：
||Ax||＝||UΣVTx|| (6)
由于矩阵U是正交矩阵，则式(6)可表示为式(7)所示：
||Ax||＝||ΣVTx||＝||Σy|| (7)
由于Σ是对角元素按照降序排列的一个对角矩阵。因此推出使式(7)最小时
Figure BDA0001181667950000064
由于y＝VTx，所以V的最后一列就是所要求解的最小二乘解。
通过上述推导过程，可知本实施例中，每个区域的海拔数据可以表示为矩阵形式，该矩阵为第一矩阵，该第一矩阵为一个n*3维的矩阵。该第一矩阵的第一列元素可以为对应的海拔数据的高程值，该第一矩阵的第二列和第三列元素可以为对应海拔数据的采样位置，其中第二列元素为对应海拔数据的采样位置的x坐标，第三列元素为对应海拔数据的采样位置的y坐标。具体地，本实施例中的第一矩阵可以表示为式(8)所示：
Figure BDA0001181667950000071
本实施例中，风力发电机样机塔底中心的海拔数据可以用n*3维的矩阵表示，该矩阵为第二矩阵。该第二矩阵的第一列元素为风力发电机样机塔底中心的海拔数据的高程值，该矩阵的第二列和第三列元素为风力发电机样机塔底中心的海拔数据的采样位置。其中第二列元素风力发电机样机塔底中心的海拔数据的采样位置的x坐标，第三列元素为风力发电机样机塔底中心的海拔数据的采样位置的y坐标。具体地，本实施例中的第二矩阵可以表示为式(9)所示：
Figure BDA0001181667950000072
则本实施例中，构建的每个区域的待分解矩阵可以表示为式(10)所示：
Figure BDA0001181667950000073
本实施例中，基于奇异值分解对每个区域的待分解矩阵进行分解，可表示为式(11)所示：
A＝UΣVT (11)
其中，待分解矩阵A为一个n*3维的矩阵，在待分解矩阵A中的元素均为实数。所以U为一个n*n的正交矩阵，∑为一个n*3维的矩阵，其中，当i＝j时，∑i,j≠0，这些非零值称为奇异值，并且Σi,i≥Σi+1,i+1。即奇异值在∑中呈从左上角到右下角递减趋势。VT为一个3*3的矩阵。
本实施例中，对VT进行转置以获得V矩阵，该V矩阵的最后一列即为拟合平面的法向量。由于风力发电机样机塔底中心的海拔数据在拟合平面上，所以根据点法式方程的计算方法，可计算获得每个区域的拟合平面。
步骤105，根据每个区域的拟合平面计算每个区域的地形评估的参数。
具体地，本实施例中，如划分的区域为上述3个区域。2L以内的全部扇区、2L～4L之间测量扇区和4L～8L之间测量扇区的地形评估参数均为拟合平面与对应基准水平面之间的坡度、所在区域的海拔数据与对应拟合平面的海拔数据的最大偏移量。
步骤106，根据每个区域的地形评估的参数与对应的标准门限值，进行地形评估。
具体地，本实施例中，每个区域的地形评估的参数具有标准门限值，若符合标准门限值的要求，则说明风力发电机样机的地形符合标准要求，否则不符合标准要求。
本实施例提供的风力发电机样机用地形的评估方法，通过将以风力发电机样机为中心的正方形区域网格化，并获取所有网格中心点的海拔数据；根据测量扇区以及测风塔与风力发电机样机之间的距离，将海拔数据划分为多个区域的海拔数据；根据每个区域的海拔数据和风力发电机样机塔底中心的海拔数据，构建每个区域的待分解矩阵；基于奇异值分解对每个区域的待分解矩阵进行分解，求解每个区域的拟合平面；根据每个区域的拟合平面计算每个区域的地形评估的参数；根据每个区域的地形评估的参数与对应的标准门限值，进行地形评估。由于基于奇异值分解求解每个区域的拟合平面，能够对每个区域的拟合平面进行快速拟合，节省了进行基于风力发电机样机的地形评估的时间，提高了进行地形评估的效率，能够满足现实要求，并且若地形评估不满足标准要求，由于地形评估的时间缩短了，也进一步减少了进行场地标定所耗费的时间。
图2为本发明风力发电机样机用地形的评估方法实施例二的流程图，如图2所示，本实施例提供的风力发电机样机用地形的评估方法，是在本发明风力发电机样机用地形的评估方法实施例一的基础上，对步骤101-步骤106的进一步细化，并且在步骤106之后，还包括选择最优测量扇区和最优测风塔位置的步骤。则本实施例提供的风力发电机样机用地形的评估方法包括以下步骤。
步骤201，将以风力发电机样机为中心的正方形区域网格化，并获取所有网格中心点的海拔数据。
进一步地，本实施例中，图3为本发明实施例二中以风力发电机样机为中心的正方形区域网格中心点的海拔数据的示意图。如图3所示，该正方形区域的边长为16L。其中，风力发电机样机与测风塔之间的距离为L，在图3中的正方形区域的正中心的矩形表示风力发电机样机，在风力发电机样机附近的三角形表示测风塔。
步骤202，根据测量扇区以及测风塔与风力发电机样机之间的距离，将海拔数据划分为多个区域的海拔数据。
进一步地，本实施例中，根据测量扇区的位置、测风塔与风力发电机样机之间的距离，将海拔数据划分为三个区域的海拔数据。
其中，划分的多个区域包括：2L以内的全部区域、2L～4L之间测量扇区和4L～8L之间测量扇区。图4为本发明实施例二中执行步骤202后的结构示意图。如图4所示，该图中左上角的有网格的区域为2L以内的全部扇区。该图中右上角的有网格的区域为2L～4L之间测量扇区，该图中的右下角有网格的区域为4L～8L之间测量扇区。需要说明的是该图中左下角有网格的区域为2L～4L之间测量扇区外的区域，该区域也要通过地形评估的参数与对应的标准门限值，参与地形评估，但具体的评估方法为采用现有技术中的方法。
步骤203，根据每个区域的海拔数据和风力发电机样机塔底中心的海拔数据，构建每个区域的待分解矩阵。
其中，多个区域为2L以内的全部区域、2L～4L之间测量扇区和4L～8L之间测量扇区。
进一步地，本实施例中，根据每个区域的海拔数据和风力发电机样机塔底中心的海拔数据，构建每个区域的待分解矩阵，具体包括以下步骤：
首先，根据每个区域的海拔数据构建每个区域对应的第一矩阵，第一矩阵的第一列元素为对应的海拔数据的高程值，第一矩阵的第二列和第三列元素为对应海拔数据的采样位置。
其中，对于2L以内的全部区域、2L～4L之间测量扇区、4L～8L之间测量扇区，则对应的第一矩阵分别表示为：M<2L_AS、M2L～4L_MS、M4L～8L_MS。
其中，M<2L_AS、M2L～4L_MS、M4L～8L_MS的表达形式与式(8)相似，在此不再一一赘述。
然后，根据风力发电机样机塔底中心的海拔数据构建第二矩阵，第二矩阵的第一列元素为风力发电机样机塔底中心的海拔数据的高程值，第二矩阵的第二列和第三列元素为风力发电机样机塔底中心的采样位置。
进一步地，本实施例中，风力发电机样机塔底中心的海拔数据构建的第二矩阵可表示为式(9)所示。
最后，将每个区域的第一矩阵和第二矩阵进行相减运算，获得每个区域的待分解矩阵。
进一步地，本实施例中，每个区域的第一矩阵和第二矩阵进行相减运算，获得每个区域的待分解矩阵分别表示为：A<2L_AS、A2L～4L_MS、A4L～8L_MS。
其中，A<2L_AS、A2L～4L_MS、A4L～8L_MS与式(10)相似，在此不再一一赘述。
步骤204，基于奇异值分解对每个区域的待分解矩阵进行分解，求解每个区域的拟合平面。
进一步地，本实施例中，基于奇异值分解对每个区域的待分解矩阵进行分解，求解每个区域的拟合平面，具体包括以下步骤。
首先，基于奇异值分解对每个区域的待分解矩阵进行分解，获得每个区域对应的三个分解矩阵。
进一步地，基于奇异值分解根据式(11)对待分解矩阵进行分解，获得每个区域对应的三个分解矩阵分别为U、∑和V。
其中，U为一个n*n的正交矩阵，该矩阵为待分解矩阵的左矩阵，∑为一个n*3维的对角矩阵，其中，当i＝j时，∑i,j≠0，这些非零值称为奇异值，并且Σi,i≥Σi+1,i+1。即奇异值在∑中呈从左上角到有效角递减趋势。VT为一个3*3的矩阵。V为一个3*3的矩阵，该矩阵为待分解矩阵的右矩阵。
然后，提取每个区域对应的三个分解矩阵中的右分解矩阵的最后一列元素，以获得每个区域对应的拟合平面的法向量。
本实施例中，由实施例一中的推导过程，可知在每个区域对应的右分解矩阵的最后一列元素，为每个区域对应的拟合平面的法向量，所以提取每个区域对应的右分解矩阵的最后一列元素，以获得每个区域对应的拟合平面的法向量。即每个区域对应的拟合平面的法向量可表示为式(12)所示：
a＝V(1,3)；b＝V(2,3)；c＝V(3,3) (12)
进一步地，本实施例中，奇异值分解为经济型奇异值分解。
具体地，本实施例中，待分解矩阵A为一个n*3维的矩阵，在待分解矩阵A中的元素均为实数。对待分解矩阵A采用奇异值分解时，产生的三个矩阵中，U为一个n*n的正交矩阵，∑为一个n*3维的矩阵，VT为一个3*3的矩阵。由于大部分情况U的有效元素只在前三行，剩余行的元素均为零。所以基于经济型奇异值分解对待分解矩阵A进行奇异值分解时，∑矩阵和VT矩阵的维度与基于奇异值分解的维度相同。而对于左矩阵U，只对左矩阵U的前三行元素进行奇异值分解，剩余n-3行的元素不再进行奇异值分解。所以基于经济型奇异值分解左矩阵U的维度明显小于奇异值分解时左矩阵U的维度，因此减少了奇异值分解所花费的时间和计算量，提高了运行效率。
最后，根据每个区域对应的拟合平面的法向量和风力发电机样机塔底中心的海拔数据，求解每个区域对应的拟合平面。
进一步地，本实施例中，由于风力发电机样机塔底中心的海拔数据在拟合平面上，所以根据在拟合平面上的一个点以及该拟合平面的法向量，可计算每个区域的对应的拟合平面。
步骤205，根据每个区域的拟合平面计算每个区域的地形评估的参数。
进一步地，根据每个区域的拟合平面计算每个区域的地形评估的参数，具体包括：
根据每个区域的拟合平面的法向量，计算每个区域的拟合平面与基准水平面之间的坡度。
根据每个区域的实际海拔数据，计算实际海拔数据与对应拟合平面的海拔数据的最大偏移量。
具体地，每个区域的拟合平面与基准水平面之间的坡度可以分别表示为：S<2L_AS,S2L～4L_MS,S4L～8L_MS。
根据每个区域的拟合平面的法向量，计算每个区域的拟合平面与基准水平面之间的坡度，其中，每个区域的拟合平面与基准水平面之间夹角，分别用α<2L_AS,α2L～4L_MS,α4L～8L_MS表示，每个区域的拟合平面与基准水平面之间的坡度分别用S<2L_AS,S2L～4L_MS,S4L～8L_MS表示，则以S<2L_AS为例，S<2L_AS的计算公式可表示为(13)：
S<2L_AS＝100*tan(α<2L_AS) (13)
同理，其他两个区域的拟合平面与基准水平面之间的坡度以和式(13)相同的方法进行计算。
具体地，根据每个区域的实际海拔数据，计算实际海拔数据与对应拟合平面的海拔数据的最大偏移量分别表示为：E<2L_AS,E2L～4L_MS,E4L～8L_MS。
本实施例中，根据每个区域的实际海拔数据，计算实际海拔数据与对应拟合平面的海拔数据的最大偏移量，具体为：将每个区域的海拔数据与对应拟合平面的海拔数据相减，计算相减后的绝度值，绝对值最大的为与对应拟合平面的海拔数据的最大偏移量。
步骤206，根据每个区域的地形评估的参数与对应的标准门限值，进行地形评估。
进一步地，本实施例中，若每个区域的地形评估的参数均小于对应的标准门限值，则确定地形符合标准要求，否则确定地形不符合标准要求。
其中，地形评估的参数包括坡度和最大偏移量，即需要每个区域的坡度和最大偏移量均小于对应的标准门限值，才确定地形符合标准要求。否则确定地形不符合标准要求。
具体地，表1记录了每个区域的地形评估的参数与对应的标准门限值及标准要求。其中，表1中的H表示轮毂高度，D表示叶轮直径，“<”后面的数值为对应的标准门限值。如在距离为“>＝4L and<8L”的测量扇区中，10表示该区域的拟合平面与基准水平面之间的坡度的标准门限值，0.13(H+D)表示该区域的海拔数据与对应拟合平面的海拔数据的最大偏移量的标准门限值。
表1：每个区域的地形评估的参数与对应的标准门限值及标准要求
Figure BDA0001181667950000121
需要说明的是，本实施例中，对于2L～4L之间测量扇区外的区域，可根据2L～4L之间测量扇区外的区域的实际海拔数据和风力发电机塔底中心的海拔数据，确定2L～4L之间测量扇区外的区域中与风力发电机塔底中心的海拔数据偏差最大的位置点；计算最大的位置点和风力发电机塔底中心的位置点之间的连线与基准水平面之间的坡度，作为该区域的地形评估参数。
可以理解的是，在对地形进行评估时，可将2L～4L之间测量扇区外的区域的地形评估参数也做为参考，即2L以内的全部区域、2L～4L之间测量扇区和4L～8L之间测量扇区的地形评估的参数均小于对应的标准门限值并且2L～4L之间测量扇区外的区域的地形评估的参数也需要小于对应的标准门限值，才能确定地形符合标准要求。
步骤207，按照预设策略缩减测量扇区和/或调整测风塔的位置，进行多次地形评估，以便获取多个地形符合标准要求的评估结果。
具体地，本实施例中，对缩减测量扇区和/或调整测风塔的位置的预设策略不做限定，如可按照某一算法同时缩减测量扇区和调整测风塔的位置多次进行地形评估。如可以先固定测风塔的位置，缩减测量扇区多次进行地形评估后，再固定测量扇区，调整测风塔的位置多次进行地形评估。
步骤208，获取多个评估结果对应的多个测量扇区和测风塔的位置，从中选取最优测量扇区及最优测风塔位置。
其中，理想情况下，在多次评估结果中的某一符合标准要求的地形评估结果中，对应的测量扇区为与可利用扇区的重合最多的测量扇区，对应的测风塔位置为与风力发电机组样机距离最接近于2.5D的位置。则在该符合标准要求的地形评估结果中，该测量扇区为最优测量扇区，测风塔位置为最优测风塔位置。
但在实际应用中，在很大概率上不能保证在某一个符合标准要求的地形评估结果中，测量扇区和测风塔位置均能满足上述要求，所以选取最优测量扇区及最优测风塔位置具体包括：
从多个评估结果对应的测量扇区中选取满足优选测量扇区要求的测量扇区；从满足优选测量扇区要求的测量扇区对应的测风塔位置中选取与风力发电机组样机距离最接近于2.5D的测风塔位置；其中，与风力发电机组样机距离最接近于2.5D的测风塔位置为最优测风塔位置，最优测风塔位置对应的测量扇区为最优测量扇区，D为叶轮直径。
或者，选取最优测量扇区及最优测风塔的位置具体包括：
从多个评估结果对应的测风塔位置中选取满足优选测风塔位置要求的测风塔位置；从满足优选测风塔位置要求的测风塔位置对应的测量扇区中选取与可利用扇区重合最多的测量扇区；其中，与可利用扇区重合最多的测量扇区为最优测量扇区，最优测量扇区对应的测风塔位置为最优测风塔位置。
其中，是否满足优选测量扇区的要求和是否满足优选测风塔位置可预先设定。如若测量扇区与可利用扇区的角度的差值小于第一预设阈值，则该测量扇区满足优选扇区的要求。若测风塔与风力发电机机组的距离与2.5D的差值小于第二预设阈值，则该测风塔位置满足优选测风塔位置。
其中，第一预设阈值和第二预设阈值的取值不宜过大，如第一预设阈值可以为5度，第二预设阈值可以为0.1D等。也可以为其他数值，本实施例中对此不做限定。
本实施例提供的风力发电机样机用地形的评估方法，通过将以风力发电机样机为中心的正方形区域网格化，并获取所有网格中心点的海拔数据，根据测量扇区的以及测风塔与风力发电机样机之间的距离，将海拔数据划分为多个区域的海拔数据，根据每个区域的海拔数据和风力发电机样机塔底中心的海拔数据，构建每个区域的待分解矩阵，基于经济型奇异值分解对每个区域的待分解矩阵进行分解，以获得每个区域的拟合平面，根据每个区域的拟合平面计算每个区域的地形评估的参数，根据每个区域的地形评估的参数与对应的标准门限值，进行地形评估，按照预设策略缩减测量扇区和/或调整测风塔的位置，进行多次地形评估，以便获取多个地形符合标准要求的评估结果。获取多个评估结果对应的多个测量扇区和对应的测风塔的位置，从中选取最优测量扇区及最优测风塔的位置。由于基于经济型奇异值分解对每个区域的待分解矩阵进行分解，减少了奇异值分解所花费的时间和计算量，提高了运行效率，所以进一步节省了进行基于风力发电机样机的地形评估的时间，提高了进行地形评估的效率，而且找到最优测量扇区和最优测风塔位置后，使原本需要标定的场地在使用最优测量扇区和最优测风塔位置后可不进行场地标定。
本领域普通技术人员可以理解：实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一可读取存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
图5为本发明风力发电机样机用地形的评估装置实施例一的结构示意图，如图5所示，本实施例提供的风力发电机样机用地形的评估装置包括：海拔数据获取单元51，海拔数据划分单元52，待分解矩阵构建单元53，矩阵分解单元54，拟合平面求解单元55，地形评估参数计算单元56和地形评估单元57。
其中，海拔数据获取单元51，将以风力发电机样机为中心的正方形区域网格化，并获取所有网格中心点的海拔数据。海拔数据划分单元52，根据测量扇区的以及测风塔与风力发电机样机之间的距离，将海拔数据划分为多个区域的海拔数据。待分解矩阵构建单元53，根据每个区域的海拔数据和风力发电机样机塔底中心的海拔数据，构建每个区域的待分解矩阵。矩阵分解单元54，基于奇异值分解对每个区域的待分解矩阵进行分解。拟合平面求解单元55，求解每个区域的拟合平面。地形评估参数计算单元56，根据每个区域的拟合平面计算每个区域的地形评估的参数。地形评估单元57，根据每个区域的地形评估的参数与对应的标准门限值，进行地形评估。
本实施例提供的风力发电机样机用地形的评估装置可以执行图1所示方法实施例的技术方案，其实现原理和技术效果类似，此处不再赘述。
图6为本发明风力发电机样机用地形的评估装置实施例二的结构示意图，如图6所示，本实施例提供的风力发电机样机用地形的评估装置在本发明风力发电机样机用地形的评估装置实施例一的基础上，进一步地，还包括：评估结果获取单元61和最优测量参数选取单元62。
进一步地，本实施例提供的风力发电机样机用地形的评估装置中，奇异值分解为经济型奇异值分解。
本实施例提供的风力发电机样机用地形的评估装置中，划分的多个区域包括：2L以内的全部扇区、2L～4L之间测量扇区和4L～8L之间测量扇区；其中，L为测风塔与风力发电机样机之间的距离。
进一步地，待分解矩阵构建单元53，具体包括：第一矩阵构建模块53a，第二矩阵构建模块53b和待分解矩阵获取模块53c。
其中，第一矩阵构建模块53a，根据每个区域的海拔数据构建每个区域对应的第一矩阵，第一矩阵的第一列元素为对应的海拔数据的高程值，第一矩阵的第一列和第二列元素为对应海拔数据的采样位置。第二矩阵构建模块53b，根据风力发电机样机塔底中心的海拔数据构建第二矩阵，第二矩阵的第一列元素为风力发电机样机塔底中心的海拔数据的高程值，第二矩阵的第一列和第二列元素为风力发电机样机塔底中心的采样位置。待分解矩阵获取模块53c，将每个区域的第一矩阵和第二矩阵进行相减运算，获得每个区域的待分解矩阵。
进一步地，矩阵分解单元54，具体包括：矩阵分解模块54a和法向量提取模块54b。
其中，矩阵分解模块54a，基于奇异值分解对每个区域的待分解矩阵进行分解，获得每个区域对应的三个分解矩阵。法向量提取模块54b，提取每个区域对应的三个分解矩阵中的右分解矩阵的最后一列元素，以获得每个区域对应的拟合平面的法向量。
相应的，拟合平面求解单元55，根据每个区域对应的拟合平面的法向量和风力发电机样机塔底中心的海拔数据，计算每个区域对应的拟合平面。
进一步地，地形评估参数计算单元56，具体包括：坡度计算模块56a和最大偏移量计算模块56b。
其中，坡度计算模块56a，根据每个区域的拟合平面的法向量，计算每个区域的拟合平面与基准水平面之间的坡度。最大偏移量计算模块56b，根据每个区域的实际海拔数据，计算实际海拔数据与对应拟合平面的海拔数据的最大偏移量。
进一步地，地形评估单元57，若多个区域的地形评估的参数均小于对应的标准门限值，则确定地形符合标准要求；否则，确定地形不符合标准要求。其中，地形评估的参数包括坡度和最大偏移量。
优选地，评估结果获取单元61，按照预设策略缩减测量扇区和/或调整测风塔的位置，进行多次地形评估，以便获取多个地形符合标准要求的评估结果。最优测量参数选取单元62，获取多个评估结果对应的多个测量扇区和测风塔的位置，从中选取地形符合标准要求对应的最优测量扇区及最优测风塔位置。
进一步地，最优测量参数选取单元62，具体包括：测量扇区选取模块62a，第一最优测风塔位置选取模块62b和第一最优测量扇区选取模块62c。
其中，测量扇区选取模块62a，从多个评估结果对应的测量扇区中选取满足优选测量扇区要求的测量扇区。第一最优测风塔位置选取模块62b，从满足优选测量扇区要求的测量扇区对应的测风塔位置中选取与风力发电机组样机距离最接近于2.5D的测风塔位置，其中，与风力发电机组样机距离最接近于2.5D的测风塔位置为最优测风塔位置，D为叶轮直径；第一最优测量扇区选取模块62c，选取最优测风塔位置对应的测量扇区作为最优测量扇区。
或者，最优测量参数选取单元，具体包括：测风塔位置选取模块62d，第二最优测量扇区选取模块62e和第二最优测风塔位置选取模块62f。
测风塔位置选取模块62d，从多个评估结果对应的测风塔位置中选取满足优选测风塔位置要求的测风塔位置。第二最优测量扇区选取模块62e，从满足优选测风塔位置要求的测风塔位置对应的测量扇区中选取与可利用扇区重合最多的测量扇区，其中，与可利用扇区重合最多的测量扇区为最优测量扇区。第二最优测风塔位置选取模块62f，选取最优测量扇区对应的测风塔位置作为最优测风塔位置。
本实施例提供的风力发电机样机用地形的评估装置可以执行图2所示方法实施例的技术方案，其实现原理和技术效果类似，此处不再赘述。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (12)

1.一种风力发电机样机用地形的评估方法，其特征在于，包括：
将以风力发电机样机为中心的正方形区域网格化，并获取所有网格中心点的海拔数据；
根据测量扇区以及测风塔与所述风力发电机样机之间的距离，将所述海拔数据划分为多个区域的海拔数据；
根据每个区域的海拔数据和风力发电机样机塔底中心的海拔数据，构建每个区域的待分解矩阵；
基于奇异值分解对所述每个区域的待分解矩阵进行分解，求解所述每个区域的拟合平面；所述奇异值分解为经济型奇异值分解；
根据所述每个区域的拟合平面计算每个区域的地形评估的参数；
根据所述每个区域的地形评估的参数与对应的标准门限值，进行地形评估；
按照预设策略缩减测量扇区和/或调整测风塔的位置，进行多次地形评估，以便获取多个地形符合标准要求的评估结果；
获取所述多个评估结果对应的多个所述测量扇区和所述测风塔的位置，从中选取最优测量扇区及最优测风塔位置；
所述根据每个区域的海拔数据和风力发电机样机塔底中心的海拔数据，构建每个区域的待分解矩阵，具体包括：
根据每个区域的海拔数据构建每个区域对应的第一矩阵，所述第一矩阵的第一列元素为对应的海拔数据的高程值，所述第一矩阵的第二列和第三列元素为对应海拔数据的采样位置；
根据所述风力发电机样机塔底中心的海拔数据构建第二矩阵，所述第二矩阵的第一列元素为所述风力发电机样机塔底中心的海拔数据的高程值，所述第二矩阵的第二列和第三列元素为所述风力发电机样机塔底中心的采样位置；
将每个区域的第一矩阵和所述第二矩阵进行相减运算，获得所述每个区域的待分解矩阵；
所述基于奇异值分解对所述每个区域的待分解矩阵进行分解，求解每个区域的拟合平面，具体包括：
基于奇异值分解对所述每个区域的待分解矩阵进行分解，获得每个区域对应的三个分解矩阵；
提取所述每个区域对应的三个分解矩阵中的右分解矩阵的最后一列元素，以获得所述每个区域对应的拟合平面的法向量；
根据每个区域对应的拟合平面的法向量和所述风力发电机样机塔底中心的海拔数据，求解所述每个区域对应的拟合平面。
2.根据权利要求1所述的方法，其特征在于，所述多个区域包括：2L以内的全部区域、2L～4L之间测量扇区和4L～8L之间测量扇区；
其中，L为测风塔与所述风力发电机样机之间的距离。
3.根据权利要求2所述的方法，其特征在于，所述根据所述每个区域的拟合平面计算每个区域的地形评估的参数，具体包括：
根据所述每个区域的拟合平面的法向量，计算所述每个区域的拟合平面与基准水平面之间的坡度；
根据所述每个区域的实际海拔数据，计算所述实际海拔数据与对应拟合平面的海拔数据的最大偏移量。
4.根据权利要求3所述的方法，其特征在于，所述根据所述每个区域的地形评估的参数与对应的标准门限值，进行地形评估，具体包括：
若所述多个区域的地形评估的参数均小于对应的标准门限值，则确定地形符合标准要求；否则，确定所述地形不符合标准要求；
其中，所述地形评估的参数包括所述坡度和最大偏移量。
5.根据权利要求4所述的方法，其特征在于，所述选取最优测量扇区及最优测风塔位置具体包括：
从所述多个评估结果对应的测量扇区中选取满足优选测量扇区要求的测量扇区；
从满足优选测量扇区要求的测量扇区对应的测风塔位置中选取与风力发电机组样机距离最接近于2.5D的测风塔位置，其中，与风力发电机组样机距离最接近于2.5D的测风塔位置为最优测风塔位置，D为叶轮直径；
选取所述最优测风塔位置对应的测量扇区作为最优测量扇区。
6.根据权利要求4所述的方法，其特征在于，所述选取最优测量扇区及最优测风塔的位置具体包括：
从所述多个评估结果对应的测风塔位置中选取满足优选测风塔位置要求的测风塔位置；
从满足优选测风塔位置要求的测风塔位置对应的测量扇区中选取与可利用扇区重合最多的测量扇区，其中，与可利用扇区重合最多的测量扇区为最优测量扇区；
选取所述最优测量扇区对应的测风塔位置作为最优测风塔位置。
7.一种风力发电机样机用地形的评估装置，其特征在于，包括：
海拔数据获取单元，将以风力发电机样机为中心的正方形区域网格化，并获取所有网格中心点的海拔数据；
海拔数据划分单元，根据测量扇区以及测风塔与所述风力发电机样机之间的距离，将所述海拔数据划分为多个区域的海拔数据；
待分解矩阵构建单元，根据每个区域的海拔数据和风力发电机样机塔底中心的海拔数据，构建每个区域的待分解矩阵；
矩阵分解单元，基于奇异值分解对所述每个区域的待分解矩阵进行分解；所述奇异值分解为经济型奇异值分解；
拟合平面求解单元，求解所述每个区域的拟合平面；
地形评估参数计算单元，根据所述每个区域的拟合平面计算每个区域的地形评估的参数；
地形评估单元，根据所述每个区域的地形评估的参数与对应的标准门限值，进行地形评估；
评估结果获取单元，按照预设策略缩减测量扇区和/或调整测风塔的位置，进行多次地形评估，以便获取多个地形符合标准要求的评估结果；
最优测量参数选取单元，获取所述多个评估结果对应的多个所述测量扇区和所述测风塔的位置，从中选取最优测量扇区及最优测风塔位置；
所述待分解矩阵构建单元，具体包括：
第一矩阵构建模块，根据每个区域的海拔数据构建每个区域对应的第一矩阵，所述第一矩阵的第一列元素为对应的海拔数据的高程值，所述第一矩阵的第二列和第三列元素为对应海拔数据的采样位置；
第二矩阵构建模块，根据所述风力发电机样机塔底中心的海拔数据构建第二矩阵，所述第二矩阵的第一列元素为所述风力发电机样机塔底中心的海拔数据的高程值，所述第二矩阵的第二列和第三列元素为所述风力发电机样机塔底中心的采样位置；
待分解矩阵获取模块，将每个区域的第一矩阵和所述第二矩阵进行相减运算，获得所述每个区域的待分解矩阵；
所述矩阵分解单元，具体包括：
矩阵分解模块，基于奇异值分解对所述每个区域的待分解矩阵进行分解，获得每个区域对应的三个分解矩阵；
法向量提取模块，提取所述每个区域对应的三个分解矩阵中的右分解矩阵的最后一列元素，以获得所述每个区域对应的拟合平面的法向量；
相应的，所述拟合平面求解单元，具体根据每个区域对应的拟合平面的法向量和所述风力发电机样机塔底中心的海拔数据，计算所述每个区域对应的拟合平面。
8.根据权利要求7所述的装置，其特征在于，划分的多个区域包括：2L以内的全部区域、2L～4L之间测量扇区和4L～8L之间测量扇区；
其中，L为测风塔与所述风力发电机样机之间的距离。
9.根据权利要求8所述的装置，其特征在于，所述地形评估参数计算单元，具体包括：
坡度计算模块，根据每个区域的拟合平面的法向量，计算所述每个区域的拟合平面与基准水平面之间的坡度；
最大偏移量计算模块，根据所述每个区域的实际海拔数据，计算所述实际海拔数据与对应拟合平面的海拔数据的最大偏移量。
10.根据权利要求9所述的装置，其特征在于，所述地形评估单元，具体：
若所述多个区域的地形评估的参数均小于对应的标准门限值，则确定地形符合标准要求；否则，确定所述地形不符合标准要求；
其中，所述地形评估的参数包括所述坡度和最大偏移量。
11.根据权利要求10所述的装置，其特征在于，所述最优测量参数选取单元，具体包括：
测量扇区选取模块，从所述多个评估结果对应的测量扇区中选取满足优选测量扇区要求的测量扇区；
第一最优测风塔位置选取模块，从满足优选测量扇区要求的测量扇区对应的测风塔位置中选取与风力发电机组样机距离最接近于2.5D的测风塔位置，其中，与风力发电机组样机距离最接近于2.5D的测风塔位置为最优测风塔位置，D为叶轮直径；
第一最优测量扇区选取模块，选取所述最优测风塔位置对应的测量扇区作为最优测量扇区。
12.根据权利要求10所述的装置，其特征在于，所述最优测量参数选取单元，具体包括：
测风塔位置选取模块，从所述多个评估结果对应的测风塔位置中选取满足优选测风塔位置要求的测风塔位置；
第二最优测量扇区选取模块，从满足优选测风塔位置要求的测风塔位置对应的测量扇区中选取与可利用扇区重合最多的测量扇区，其中，与可利用扇区重合最多的测量扇区为最优测量扇区；
第二最优测风塔位置选取模块，选取所述最优测量扇区对应的测风塔位置作为最优测风塔位置。
CN201611161240.5A 2016-12-15 2016-12-15 风力发电机样机用地形的评估方法和装置 Active CN108228931B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201611161240.5A CN108228931B (zh) 2016-12-15 2016-12-15 风力发电机样机用地形的评估方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201611161240.5A CN108228931B (zh) 2016-12-15 2016-12-15 风力发电机样机用地形的评估方法和装置

Publications (2)

Publication Number Publication Date
CN108228931A CN108228931A (zh) 2018-06-29
CN108228931B true CN108228931B (zh) 2022-09-06

Family

ID=62650612

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201611161240.5A Active CN108228931B (zh) 2016-12-15 2016-12-15 风力发电机样机用地形的评估方法和装置

Country Status (1)

Country Link
CN (1) CN108228931B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110968656B (zh) * 2018-09-30 2023-05-26 北京金风科创风电设备有限公司 地形图处理方法及处理装置
CN111677637A (zh) * 2020-06-02 2020-09-18 华能盐城大丰新能源发电有限责任公司 一种适应在运风电场测试场地地形评估方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101059340B (zh) * 2007-05-18 2010-05-19 东南大学 基于立体视觉和激光的车辆轮距测量方法
CN103776381A (zh) * 2014-02-25 2014-05-07 重庆邮电大学 一种mems微结构平面位移测量方法
CN105806315B (zh) * 2014-12-31 2018-06-26 上海新跃仪表厂 基于主动编码信息的非合作目标相对测量系统及测量方法

Also Published As

Publication number Publication date
CN108228931A (zh) 2018-06-29

Similar Documents

Publication Publication Date Title
CN109685152B (zh) 一种基于dc-spp-yolo的图像目标检测方法
CN106408011B (zh) 基于深度学习的激光扫描三维点云树木自动分类方法
CN108830931B (zh) 一种基于动态网格k邻域搜索的激光点云精简方法
CN106886980B (zh) 一种基于三维激光雷达目标识别的点云密度增强的方法
JP6186305B2 (ja) たわみ推定装置、及びプログラム
CN111145227B (zh) 一种地下隧道空间多视点云的可迭代整体配准方法
CN103488968A (zh) 遥感图像的混合像素物质构成精细化分解装置及方法
CN103020637B (zh) 一种基于K-plane算法的建筑物顶面点云数据分割方法
CN108228931B (zh) 风力发电机样机用地形的评估方法和装置
CN103325130B (zh) 基于t样条的几何迭代图像拟合方法
CN104112221A (zh) 渠道价值的确定方法和装置
Liu et al. A novel entropy-based method to quantify forest canopy structural complexity from multiplatform lidar point clouds
CN112926465B (zh) 基于点云类型的海岸线性质识别方法及装置
CN114548606B (zh) 一种气旋强度预测模型的构建方法及气旋强度预测方法
US10846559B2 (en) Image detection method, system and non-volatile computer readable medium
CN115457492A (zh) 目标检测方法、装置、计算机设备及存储介质
CN110490061B (zh) 一种遥感影像特征的不确定性建模与度量方法
US20120154398A1 (en) Method of determining implicit hidden features of phenomena which can be represented by a point distribution in a space
Ravaglia et al. Extraction of tubular shapes from dense point clouds and application to tree reconstruction from laser scanned data
CN106526597A (zh) 一种电离层返回散射交叉探测联合反演方法
KR20140063867A (ko) 파장가변 다이오드 레이저 흡수 분광학에 기초하여 가스 농도 재구성을 위한 베이지안 접근방식
CN115327553A (zh) 一种诱导变异的快速激光雷达样本生成方法
JP7231036B2 (ja) メッシュ構造設備検出装置、メッシュ構造設備検出方法、及びプログラム
CN114092653A (zh) 基于2d图像重建3d图像方法、装置、设备及存储介质
CN103246636A (zh) 一种汉字字形视觉重心的确定方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant