流體晃蕩問題廣泛存在于海洋、航空航天工程等領(lǐng)域。模型實驗方法是驗證理論模擬、數(shù)值計算和有效分析流體物理特性的重要手段。自由液面識別與提取是分析流體水動力的前提,因而如何精確提取自由液面一直是流體力學實驗中的一項技術(shù)難題。本文試采用圖像分割技術(shù)解決自由液面識別問題,以期在液面提取領(lǐng)域發(fā)揮一定的應用價值。當外部激勵頻率接近艙室內(nèi)液體的固有頻率時,很容易引起劇烈的晃蕩,使自由液面破碎并包裹氣體進入流場,氣液混合易導致局部砰擊荷載過大,引起結(jié)構(gòu)破壞的危險。因而對液體固有頻率等參數(shù)的分析是研究氣液耦合問題的一部分。本文主要研究工作內(nèi)容如下:本文采用圖像分割技術(shù)對液艙內(nèi)自由液面識別問題開展了一系列的研究。評估指標檢驗自由液面分割情況的結(jié)果表明:基于高斯差分濾波的分水嶺算法可高效精確的識別平整、光滑的自由液面,精確度達到99%以上,而對于表面模糊、局部微破碎的液面識別卻存在一定的偏差問題�；赟obel算子濾波的分水嶺算法能夠?qū)崿F(xiàn)對局部微破碎、表面模糊、附有氣泡等類型液面的識別,精確度達到98%以上,但對于復雜破碎的液面識別卻具有一定的局限性。針對破碎液面識別的特殊性,本文開發(fā)了基于U-net網(wǎng)絡(luò)的... 

【文章來源】：大連理工大學遼寧省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：76 頁

【學位級別】：碩士

【部分圖文】：

儲液貨船F(xiàn)ig1.1Liquidcargoship

圖 1.2 船體內(nèi)部結(jié)構(gòu)破壞Fig 1.2 Damage of ship interior structure發(fā)電領(lǐng)域，液艙內(nèi)液體通過活塞作用改變氣體系統(tǒng)發(fā)電，如大型的岸式和浮式 OWC 波能轉(zhuǎn)換活塞運動和減少液體晃蕩現(xiàn)象，來提高該裝置的

U-net模型

【參考文獻】：
期刊論文
[1]基于分水嶺算法的地質(zhì)塌陷遙感識別方法研究[J]. 鄭重,張敬東,杜建華.  地質(zhì)科技情報. 2018(06)
[2]LNG獨立C型艙晃蕩的頻域共振特性試驗研究[J]. 劉戈,林焰,管官,王翀.  浙江大學學報(工學版). 2017(12)
[3]振蕩水柱裝置波浪水槽試驗中用于模擬非線性能量俘獲系統(tǒng)的孔口特性(英文)[J]. Fang HE,Zhenhua HUANG.  Journal of Zhejiang University-Science A（Applied Physics & Engineering）. 2017(05)
[4]二維晃動自然頻率與阻尼比系數(shù)的試驗識別[J]. 王立時,李遇春,張皓.  振動與沖擊. 2016(08)
[5]振蕩水柱波能發(fā)電裝置的研究應用進展[J]. 劉德興,鄭艷娜,張佳星.  大連海洋大學學報. 2015(02)
[6]Laboratory investigation of the hydroelastic effect on liquid sloshing in rectangular tanks[J]. 蔣梅榮,任冰,王國玉,王永學.  Journal of Hydrodynamics. 2014(05)
[7]二維晃動模態(tài)的統(tǒng)一Ritz計算格式[J]. 李遇春,張皓.  振動與沖擊. 2014(19)
[8]有限液深下彈性側(cè)壁液艙內(nèi)晃蕩共振特性實驗研究[J]. 蔣梅榮,任冰,李小超,王永學.  大連理工大學學報. 2014(05)
[9]超大型儲液艙內(nèi)晃蕩載荷實驗研究[J]. 衛(wèi)志軍,阮詩倫,岳前進,謝彬.  海洋工程裝備與技術(shù). 2014(01)
[10]液艙晃蕩及其與船舶耦合運動問題的研究進展[J]. 黃碩,段文洋,馬慶位,朱鑫,吳海濤.  船舶力學. 2013(10)

博士論文
[1]圖像局部特征匹配性能增強研究[D]. 周保余.吉林大學 2017
[2]月池流噪聲及水動力特性的實驗研究[D]. 康莊.哈爾濱工程大學 2006

碩士論文
[1]基于超聲圖像的甲狀腺疾病智能診斷[D]. 張雅奎.哈爾濱工業(yè)大學 2018
[2]基于超聲圖像的肝臟智能識別與彌漫性疾病診斷[D]. 李佳昕.哈爾濱工業(yè)大學 2018
[3]基于邊緣檢測技術(shù)的地層邊界和地層傾角提取[D]. 王研博.吉林大學 2018
[4]基于深度學習的心室分割系統(tǒng)設(shè)計與實現(xiàn)[D]. 閆聰.哈爾濱工業(yè)大學 2018
[5]基于深度學習的細胞核圖像分割方法研究[D]. 李剛森.哈爾濱工業(yè)大學 2018
[6]基于深度學習的MR圖像肝臟腫瘤自動化分割方法的研究[D]. 黃賽.南京大學 2018
[7]基于深度學習網(wǎng)絡(luò)的血管內(nèi)超聲影像斑塊識別與評估方法研究[D]. 吳宇鵬.華南理工大學 2018
[8]基于改進U-net的多光譜遙感影像分類方法研究[D]. 薛磊.吉林大學 2018
[9]圖像匹配算法的硬件優(yōu)化研究[D]. 夏順興.浙江大學 2018
[10]基于機器視覺的肺結(jié)節(jié)初篩算法研究與實現(xiàn)[D]. 嚴忱君.浙江大學 2018



本文編號：3299975