CN112836576B - 一种越野道路路面模型的快速分析方法 - Google Patents

一种越野道路路面模型的快速分析方法 Download PDF

Info

Publication number
CN112836576B
CN112836576B CN202011611322.1A CN202011611322A CN112836576B CN 112836576 B CN112836576 B CN 112836576B CN 202011611322 A CN202011611322 A CN 202011611322A CN 112836576 B CN112836576 B CN 112836576B
Authority
CN
China
Prior art keywords
road
road surface
model
ramp
function
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
CN202011611322.1A
Other languages
English (en)
Other versions
CN112836576A (zh
Inventor
吴维
郭智蔷
苑士华
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 Institute of Technology BIT
Original Assignee
Beijing Institute of Technology BIT
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 Institute of Technology BIT filed Critical Beijing Institute of Technology BIT
Priority to CN202011611322.1A priority Critical patent/CN112836576B/zh
Publication of CN112836576A publication Critical patent/CN112836576A/zh
Application granted granted Critical
Publication of CN112836576B publication Critical patent/CN112836576B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
    • G06F17/13—Differential equations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/15—Correlation function computation including computation of convolution operations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/02—Preprocessing
    • G06F2218/04—Denoising
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/08—Feature extraction
    • G06F2218/10—Feature extraction by analysing the shape of a waveform, e.g. extracting parameters relating to peaks

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Theoretical Computer Science (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Data Mining & Analysis (AREA)
  • Algebra (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Multimedia (AREA)
  • Operations Research (AREA)
  • Length Measuring Devices With Unspecified Measuring Means (AREA)

Abstract

本发明提供一种越野道路路面模型的快速分析方法，包括以下步骤：S1、对越野道路进行建模，得到越野道路原始路面高程模型；S2、对所述越野道路原始路面高程模型进行滤波，得到滤波后的路面模型曲线，并得到越野道路的坡道角度函数；S3、对所述越野道路原始路面高程模型进行坐标变换，得到实际路面不平度函数；S4、根据所述越野道路的坡道角度函数及所述实际路面不平度函数进行越野道路路面分析。本发明可以为越野工况下的行驶履带车辆同时提供坡道激励和路面不平度激励，实现履带车辆在越野工况下的动力学研究。

Description

一种越野道路路面模型的快速分析方法
技术领域
本发明涉及道路建模分析技术领域，具体涉及一种越野道路路面模型的快速分析方法。
背景技术
当履带车辆行驶在越野工况条件时，越野道路变化复杂，为研究越野道路对履带车辆动力学的影响，需建立路面模型作为履带车辆的外部激励模型。路面模型是沿履带车辆行驶方向的路面不平度函数，其描述的是越野路面相对基准水平面的偏离，路面模型作为越野履带车辆动力学的外部激励，引起车辆的垂向、俯仰、侧倾及纵向的动力响应，基于路面模型的定义，通过沿水平道路行驶的履带车辆在受到高低不平路面不平度函数激励作用时产生的动力学响应研究越野道路对车辆的作用，这种情况无法体现车辆在上坡或下坡工况下的动力响应。例如专利《轮胎噪音性能的模拟方法及生产轮胎的方法》中使用有限数量的单元构建路面模型，直接将该路面模型作用于轮胎模型进行轮胎噪音分析，没有考虑路面模型中长波成分构成的坡道工况；专利《一种公路自动建模方法及系统》中的路面模型考虑了边坡并建立边坡模型，但没有考虑纵向方向的坡道成分。实际越野道路不仅包含随机变化的路面高程，也包含上下坡道，为了更加准确地描述越野道路路面模型，并且能够通过路面模型快速分析，为履带车辆动力学模型提供必要的道路激励输入条件，需要设计一种应用于越野工况下履带车辆动力学行为研究的越野道路路面模型快速分析方法。
发明内容
针对现有技术存在的问题，本发明提供一种越野道路路面模型的快速分析方法，可以为越野工况下的行驶履带车辆同时提供坡道激励和路面不平度激励，实现履带车辆在越野工况下的动力学研究。
为达到上述目的，本发明提出如下技术方案：本发明提供一种越野道路路面模型的快速分析方法，包括以下步骤：
S1、对越野道路进行建模，得到越野道路原始路面高程模型；
S2、对所述越野道路原始路面高程模型进行滤波，得到滤波后的路面模型曲线，并得到越野道路的坡道角度函数；
S3、对所述越野道路原始路面高程模型进行坐标变换，得到实际路面不平度函数；
S4、根据所述越野道路的坡道角度函数及所述实际路面不平度函数进行越野道路路面分析。
2.根据权利要求1所述的越野道路路面模型的快速分析方法，其特征在于，所述随机路面高程模型采用随机过程的统计特性进行描述。
优选地，所述越野道路原始路面高程模型的构建过程为：将所述路面不平度方差的空间频率积分划分为若干个区间，并取每个区间的中心频率处的功率谱密度作为第i个区间的功率谱密度，得到功率谱密度标准差；根据每个区间的功率谱密度标准差及频率得到每个区间的正弦函数，得到第i个区间的路面模型；将每个区间的正弦函数叠加，得到随机路面激励的路面高程函数。
优选地，所述对越野道路原始路面高程模型进行滤波的过程为：采用巴特沃斯滤波器对所述原始路面不平度模型按照设定波长对应的空间频率进行滤波，计算滤波器的分母和分子系数；采用零相移数字滤波器得到滤波结果。
优选地，所述对越野道路原始路面高程模型进行坐标变换的过程为：
x1＝xθ+x′1cosθ-q′(x′1)sinθ
q1＝qθ+x′1sinθ+q′(x′1)cosθ
其中：q(x)为大地坐标系下的越野道路原始路面高程模型；θ为某段坡道路段的坡道角度；xθ为坡道路段的起始位置，其对应的路面不平度函数值为qθ；x1为坡道路段上的某一点大地坐标系下的横坐标，对应路面不平度函数值为q1，其惯性坐标系下的横坐标为x′1，对应的路面不平度函数值为q′(x′1)。
优选地，所述越野道路的坡道角度函数的构建过程为：对滤波后的路面模型曲线求导，得到越野道路整体轮廓曲线的斜率曲线；将滤波后的路面不平度函数模型的一阶导数等于零的所有点进行标记，得到各点在所述越野道路原始路面高程模型中的位置；依次连接各点，得到预先确定的坡道路段构成；对预先确定的坡道路段依次求坡道角度，当坡道角度大于给定坡道阈值时，保留该段坡道，当坡道角度小于给定坡道阈值时，忽略该段坡道，最终连接不构成坡道的路段的道路起始点与道路终止点，得到坡道角度接近零的中间路段。
优选地，所述越野道路的坡道角度函数的临界大波长为50米，对应的路面模型的空间频率0.02为截止频率。
优选地，所述原始路面高程模型由特定范围内的空间频率离散点的三角函数值叠加形成；所述原始路面高程模型包括若干波长成分。
本发明公开了以下技术效果：
(1)本发明的越野道路路面模型快速分析方法充分考虑了实际履带车辆在越野工况下行驶过程中受到的坡道激励和随机道路不平激励，能够更加准确地描述越野道路对履带车辆的激励作用；
(2)本发明对原始越野道路路面模型进行滤波和坐标转换，能够快速有效地提取越野道路路面模型中的坡道角度信息，并得到实际作用于履带车辆的路面高程激励，有效提高了计算效率，为履带车辆在越野工况下动力学分析提供可靠的外部激励输入条件；
(3)通过本发明的越野道路路面模型快速分析方法，得到越野道路坡度角度和实际路面不平度模型，既能够为履带车辆提供坡道激励输入条件和随机不平路面激励输入条件，又能够提高计算效率，缩短履带车辆动力学响应的计算时间。
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，下面将对实施例中所需要使用的附图作简单地介绍，显而易见的，下面描述中的附图仅仅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为本发明一种越野道路路面模型的快速分析方法流程示意图；
图2为本发明实施例越野道路原始路面模型与滤波后路面模型对比示意图；
图3为本发明实施例越野道路路面模型坡道路段提取结果示意图；
图4为本发明实施例坡道路段上实际路面不平度函数坐标转换示意图；
图5为本发明实施例得到的原始越野道路作用于履带车辆的实际路面不平度函数激励示意图。
具体实施方式
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，所描述的实施例仅仅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。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
如图1所示，本发明提供一种越野道路路面模型的快速分析方法，包括以下步骤：
S1、对越野道路进行建模，得到越野道路原始路面高程模型。
构建路面功率谱密度函数，并根据功率谱密度函数得到路面不平度的方差；获取路面不平度方差的第i个区间的功率谱密度，得到第i个区间的路面模型。
首先，需要对越野道路进行建模，得到越野道路原始路面高程模型q(x)。越野道路由于其路面凹凸不平，常通过建立一种满足各态历经的平稳随机过程的随机路面高程模型来对其进行建模，通常采用随机过程的统计特性对这种随机路面高程模型进行描述。
通用路面功率谱密度的函数表达式为：
Figure GDA0003222778880000061
其中：Gq(n)为路面不平度功率谱密度，单位m3；n为路面空间频率，为波长的倒数，单位m-1；Gq(n0)为参考空间频率下的路面功率谱密度，也称为路面不平度系数，单位m3；n0为参考空间频率，n0＝0.1·m-1；w为频率指数。
上述标准定义的路面模型为频域的功率谱模型，谐波叠加法是一种将上述路面功率谱模型转换为路面空间模型的有效方法。在空间频率(n0,n1)内的路面不平度功率谱密度为Gq(n)，式(1)中，n0＜n＜n1。则根据平稳随机过程的频谱特性可以得到路面不平度的方差为：
Figure GDA0003222778880000062
对于式(2)中的积分运算，可以将空间频率的积分范围划分为m个小区间，每个小区间的宽度为Δni，并取每一个区间的中心频率nmid,i(i＝1,2,…,m)处的功率谱密度Gq(nmid,i)作为第i个区间的功率谱密度代表值，则离散化的路面不平度方差可以表示为：
Figure GDA0003222778880000071
为了得到随机的路面不平度，根据谐波叠加法的基本定义，则每个区间均用一个频率为nmid,i(i＝1,2,···,n)，标准差为
Figure GDA0003222778880000072
的正弦函数来表示路面模型，第i个区间的路面模型为：
Figure GDA0003222778880000073
将上述对应每个区间的正弦函数叠加，得到随机路面激励的路面高程函数表达式：
Figure GDA0003222778880000074
其中：x为路面的纵向位置；q(x)为随机路面模型的路面高程；θi为(0,2π)内服从均匀分布的随机数，单位rad。
S2、对越野道路原始路面高程模型进行滤波，得到滤波后的路面模型曲线，并得到越野道路的坡道角度函数。
根据采用谐波叠加法建立随机不平路面模型的实现过程描述可知，路面模型是由一定范围内的空间频率离散点的三角函数值叠加而成，即路面模型中包括了多种波长成分，小波长成分使路面凹凸不平，大波长成分使路面上下起伏。根据路面模型的构成本质特征，借鉴信号处理中的滤波方法。
滤波是将信号中特定波段频率滤除的操作，信号处理中滤波的应用对象为工程信号，且认为信号为不同频率的正弦波线性叠加而成，本发明中的路面不平度模型也是由不同空间频率的正弦波线性叠加而成，因此为了提取路面模型中的大波长成分，可以采用低频滤波器对原始路面模型进行数据处理。本发明采用较为成熟的巴特沃斯滤波器对原始路面不平度模型按照设定波长对应的空间频率进行滤波，巴特沃斯滤波器的特点是通频带内的频率响应曲线最大限度平坦没有起伏，而在阻频带则逐渐下降为零。根据设定的临界大波长以及对应的空间截止频率，由巴特沃斯滤波器设计函数计算滤波器的分母和分子系数，然后采用零相移数字滤波器得到滤波结果，进而得到原始越野道路路面模型中的坡度构成。
为了得到路面模型中较大波长的正弦函数组成部分，从而获得越野道路的坡道角度函数，本实施例设定临界大波长为50米，对应的空间频率0.02为截止频率，由巴特沃斯滤波器设计函数计算滤波器的分母和分子系数，然后采用零相移数字滤波器得到滤波结果，越野道路原始路面模型与滤波后的结果如图2所示。
根据滤波后的路面模型曲线，提取越野道路的坡道角度函数，具体步骤为：对滤波后的路面不平度函数模型求导，得到越野道路整体轮廓曲线的斜率曲线；将滤波后的路面高程模型的一阶导数等于零的所有点进行标记，得到各点在越野道路原始路面高程模型中的位置，依次连接各点，得到预先确定的坡道路段构成；对预先确定的坡道路段依次求坡道角度，当坡道角度大于给定坡道阈值时，保留该段坡道，当坡道角度小于给定坡道阈值时，忽略该段坡道，最终连接不构成坡道的路段的道路起始点与道路终止点，得到坡道角度接近零的中间路段。
本实施例得到的越野道路路面模型坡道路段提取结果具体如图3所示。
S3、对越野道路原始路面高程模型进行坐标变换，得到实际路面不平度函数。
得到越野道路的坡道路段后可知，履带车辆的实际行驶方向不再沿水平方向，车辆的惯性坐标系与大地坐标系不再一致，为了得到履带车辆实际受到的路面不平度函数激励，需将沿水平方向的原始路面高程函数经过坐标变换，转换为沿相应位置的坡道基准面的路面不平度函数，原始路面高程模型q(x)转换为实际路面不平度函数q′(x′)，两者的转换关系如图4所示。其中，大地坐标系下的越野道路原始路面高程模型为q(x)，某段坡道路段的坡道角度为θ，坡道路段的起始位置为xθ，其对应的路面不平度函数值为qθ。则对于坡道路段上的某一点，其大地坐标系下的横坐标为x1，对应路面不平度函数值为q1，其惯性坐标系下的横坐标为x′1，对应的路面不平度函数值为q′(x′1)，两者之间的左边转换关系式为：
Figure GDA0003222778880000091
本实施例得到的原始越野道路作用于履带车辆的实际路面不平度函数激励如图5所示。
以上所述的实施例仅是对本发明的优选方式进行描述，并非对本发明的范围进行限定，在不脱离本发明设计精神的前提下，本领域普通技术人员对本发明的技术方案做出的各种变形和改进，均应落入本发明权利要求书确定的保护范围内。

Claims (5)

1.一种越野道路路面模型的快速分析方法，其特征在于，包括以下步骤：
S1、对越野道路进行建模，得到越野道路原始路面高程模型；
S2、对所述越野道路原始路面高程模型进行滤波，得到滤波后的路面模型曲线，并得到越野道路的坡道角度函数；
S3、对所述越野道路原始路面高程模型进行坐标变换，得到实际路面不平度函数；
S4、根据所述越野道路的坡道角度函数及所述实际路面不平度函数进行越野道路路面分析；
所述越野道路原始路面高程模型采用随机过程的统计特性进行描述；
所述越野道路原始路面高程模型的构建过程为：构建路面功率谱密度函数，根据所述功率谱密度函数得到路面不平度方差，将所述路面不平度方差的空间频率积分划分为若干个区间，并取每个区间的中心频率处的功率谱密度作为第i个区间的功率谱密度代表值，得到离散化的所述路面不平度方差，根据谐波叠加法，所述每个区间均用正弦函数来表示路面模型，得到所述第i个区间的所述路面模型；将所述每个区间的正弦函数叠加，得到随机路面激励的路面高程函数；
所述越野道路的坡道角度函数的构建过程为：对所述滤波后的路面模型曲线求导，得到越野道路整体轮廓曲线的斜率曲线；将所述滤波后的路面模型曲线的一阶导数等于零的所有点进行标记，得到各点在所述越野道路原始路面高程模型中的位置，依次连接各点，得到预先确定的坡道路段构成；对所述预先确定的坡道路段依次求坡道角度，当所述坡道角度大于给定坡道阈值时，保留该段坡道，当所述坡道角度小于给定坡道阈值时，忽略该段坡道，最终连接不构成坡道的路段的道路起始点与道路终止点，得到所述坡道角度接近零的中间路段。
2.根据权利要求1所述的越野道路路面模型的快速分析方法，其特征在于，所述对越野道路原始路面高程模型进行滤波的过程为：采用巴特沃斯滤波器对所述越野道路原始路面高程模型按照设定波长对应的空间频率进行滤波，计算滤波器的分母和分子系数；采用零相移数字滤波器得到滤波结果。
3.根据权利要求1所述的越野道路路面模型的快速分析方法，其特征在于，所述对越野道路原始路面高程模型进行坐标变换的过程为：
x1＝xθ+x′1cosθ-q′(x′1)sinθ
q1＝qθ+x′1sinθ+q′(x′1)cosθ
其中：θ为某段坡道路段的坡道角度；xθ为坡道路段的起始位置，其对应的路面不平度函数值为qθ；x1为坡道路段上的某一点大地坐标系下的横坐标，对应路面不平度函数值为q1，其惯性坐标系下的横坐标为x′1，对应的路面不平度函数值为q′(x′1)。
4.根据权利要求1所述的越野道路路面模型的快速分析方法，其特征在于，所述越野道路的坡道角度函数的临界大波长为50米，对应的路面模型的空间频率0.02为截止频率。
5.根据权利要求1所述的越野道路路面模型的快速分析方法，其特征在于，所述越野道路原始路面高程模型由预设范围在n0至n1内的空间频率离散点的三角函数值叠加形成；所述越野道路原始路面高程模型包括若干波长成分。
CN202011611322.1A 2020-12-30 2020-12-30 一种越野道路路面模型的快速分析方法 Active CN112836576B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011611322.1A CN112836576B (zh) 2020-12-30 2020-12-30 一种越野道路路面模型的快速分析方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011611322.1A CN112836576B (zh) 2020-12-30 2020-12-30 一种越野道路路面模型的快速分析方法

Publications (2)

Publication Number Publication Date
CN112836576A CN112836576A (zh) 2021-05-25
CN112836576B true CN112836576B (zh) 2021-09-24

Family

ID=75925468

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011611322.1A Active CN112836576B (zh) 2020-12-30 2020-12-30 一种越野道路路面模型的快速分析方法

Country Status (1)

Country Link
CN (1) CN112836576B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116842385B (zh) * 2023-06-30 2024-03-19 南京理工大学 一种基于履带车振动特征的lstm路面不平度识别方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4741207A (en) * 1986-12-29 1988-05-03 Spangler Elson B Method and system for measurement of road profile
CN104408771A (zh) * 2014-11-12 2015-03-11 东北大学 一种基于三维模型的地下矿山斜坡道构建方法
CN110161513A (zh) * 2018-09-28 2019-08-23 腾讯科技（北京）有限公司 估计道路坡度的方法、装置、存储介质和计算机设备
CN111563298A (zh) * 2020-05-19 2020-08-21 北京理工大学 一种越野路面阻力快速获取方法
CN111583402A (zh) * 2020-04-09 2020-08-25 奇瑞汽车股份有限公司 路面模型建立方法及装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4741207A (en) * 1986-12-29 1988-05-03 Spangler Elson B Method and system for measurement of road profile
CN104408771A (zh) * 2014-11-12 2015-03-11 东北大学 一种基于三维模型的地下矿山斜坡道构建方法
CN110161513A (zh) * 2018-09-28 2019-08-23 腾讯科技（北京）有限公司 估计道路坡度的方法、装置、存储介质和计算机设备
CN111583402A (zh) * 2020-04-09 2020-08-25 奇瑞汽车股份有限公司 路面模型建立方法及装置
CN111563298A (zh) * 2020-05-19 2020-08-21 北京理工大学 一种越野路面阻力快速获取方法

Also Published As

Publication number Publication date
CN112836576A (zh) 2021-05-25

Similar Documents

Publication Publication Date Title
CN106951657B (zh) 一种磨损钢轨打磨目标廓形快速设计方法
CN112836576B (zh) 一种越野道路路面模型的快速分析方法
CN104881567A (zh) 一种基于统计模型的桥梁健康监测数据小波降噪方法
CN103217409A (zh) 一种拉曼光谱预处理方法
CN104050681A (zh) 一种基于视频图像的道路消失点检测方法
CN104809357B (zh) 一种三维粗糙表面多尺度接触行为的分析方法及装置
CN102609560B (zh) 一种3d任意粗糙表面的数字化模拟方法
CN105550691A (zh) 基于尺度空间的自适应山谷山脊线提取方法及系统
CN103559368B (zh) 化学机械抛光模拟方法及其去除率计算方法
CN101887576A (zh) 基于偏微分方程滤波器的图像去噪方法
CN104933639A (zh) 一种针对大规模电力系统的小干扰稳定性快速分析方法
CN104699980A (zh) 基于加速度传感器实现iri值软测量的方法
CN110930693A (zh) 一种用于道路断面的在线短时交通流预测方法
CN108549847B (zh) 一种无基准数据条件下的梁式结构裂缝损伤识别方法
CN104866636A (zh) 一种随钻测井数据实时处理方法
CN104730521A (zh) 一种基于非线性优化策略的SBAS-DInSAR方法
CN104143031A (zh) 一种基于小波多尺度分解的植被指数时序数据重构方法
Yang et al. Pavement curling and warping analysis using wavelet techniques
CN105427375A (zh) 一种三维路面轮廓生成的方法及系统
CN109635317B (zh) 一种高海拔地区cfd仿真地形拓扑方法
Dawkins Model based off-road terrain profile estimation
CN104618033B (zh) 一种多层自适应形态滤波重力信号噪声抑制方法
CN104730384A (zh) 基于不完全s变换的电能扰动识别与定位方法
CN114298106A (zh) 路基碾压中特征波识别方法、碾压状态判别方法及其应用
JP6474302B2 (ja) 路面プロファイル補正プログラムおよび路面プロファイル補正装置

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
CB03 Change of inventor or designer information
CB03 Change of inventor or designer information

Inventor after: Wu Wei

Inventor after: Guo Zhiqiang

Inventor after: Yuan Shihua

Inventor after: Ge Likun

Inventor before: Wu Wei

Inventor before: Guo Zhiqiang

Inventor before: Yuan Shihua