基于XDoG-Wiener算法的混凝土结构裂缝识别技术研究

混凝土结构是常见的建筑结构形式,建设期内养护不到位,后期运维过程中出现偶然荷载因素等,都会导致混凝土出现裂缝。就混凝土结构裂缝而言,常规的人工目视检查精度与效率较低,已不能满足现代化检测需要。文章基于XDoG-Wiener算法对混凝土结构裂缝识别技术开展相应的研究。通过高精度数字相机对混凝土裂缝信息进行数字采集,提出了用XDoG-Wiener耦合算法对混凝土结构信息进行裂缝信息边缘检测,通过优化二进制阈值函中敏感参数取值,运用Wiener模板算法进行降噪处理,实现数字图像裂缝信息可视化。

考虑测量不确定性的ANN-Wiener过程加速退化试验评估

考虑加速退化试验过程中关键性能参数的测量不确定性,将测量不确定性处理为区间数,并建立一种结合人工神经网络与Wiener过程的区间加速退化数据可靠性评估方法。基于ANN-Wiener过程构建加速退化数据的负对数似然函数,采用遗传算法建立负对数似然函数未知参数的求解方法,最终实现了区间加速退化试验的可靠性评估。通过激光器的加速退化试验,对该方法进行验证,比较该方法与其他方法评估得到的可靠度和真实可靠度的绝对误差,结果表明,基于ANN-Wiener过程对可靠度的评估结果更准确,且考虑到测量不确定性因素的影响,得到激光器可靠度的保守和乐观估计。相同可靠度的情况下,忽略测量不确定性时的评估时间晚于保守估计的评估时间,会导致产品预防维护时机的推迟,增大产品运行过程中的失效风险,增加因产品失效而造成的损失。

EM算法在Wiener过程随机参数的超参数值估计中的应用

Wiener过程广泛用于产品的性能退化建模,为了便于Bayesian统计推断大都采用随机参数的共轭先验分布。针对目前的二步法得到的超参数先验估计值精度不高的问题,研究了最大期望(expectation maximization,EM)算法在Wiener过程超参数先验估计中的应用。EM算法将随机参数作为隐含变量对先验信息进行整体处理,利用随机参数的期望值代替其估计值,通过Expectation和Maximization组成的递归迭代过程寻找超参数的估计值。仿真实验表明,EM算法相比于二步法提高了估计精度,特别是在采样数量较少时EM算法具有较大的精度优势。GaAs激光器实例应用表明EM算法不但具备很好的收敛性而且有良好的工程应用价值。

用Wiener滤波方法提取台站接收函数

本文提出了一种在时间域用Wiener滤波方法提取台站接收函数的方法 ,用远震P波波形的垂直分量为输入 ,接收函数作为滤波因子 ,远震P波波形的径向和切向分量作为期望输出 ,通过期望输出与实际输出的均方误差达极小 ,来提取接收函数。接收函数的计算可归结为Toeplitz方程的求解 ,可以采用Levinson递推算法。Toeplitz方程的非奇异性保证了Wiener滤波反褶积方法的稳定性。合成地震图与观测地震图的检验表明 ,用Wiener滤波方法测定台站接收函数是一种有效的时间域反褶积方法。

基于改进差分进化算法的Wiener模型辨识

针对非线性Wiener模型的参数辨识问题,提出了一种基于Sigmoid函数及自适应算子改进差分进化(improved differential evolution algorithm with Sigmoid function and adaptive mutation operator,SADE)算法的参数辨识方法。利用Sigmoid函数及自适应变异算子改进了基本差分进化算法的变异操作部分,改进的方法能够有效地克服基本差分进化算法的过早收敛和不稳定性等缺点。将该改进差分进化算法应用于对非线性Wiener模型的参数辨识问题,达到了较高的辨识精度。在仿真试验中,与其它已有方法进行比较,仿真结果说明了所给的参数辨识方法是合理和有效的。

直链烷烃取代衍生物Wiener指数的简便计算方法

根据直链烷烃衍生物分子拓扑结构的特点,将直链烷烃衍生物拆分为由直链单元和取代基团几个部分构成,再根据每部分的拓扑结构特点给出相应的计算公式.从而提出了一个计算直链烷烃衍生物Wiener指数的简便方法,达到简化计算的目的.该方法简化了传统Wiener指数的计算方法,使Wiener指数的计算具有效率高、不易出错等优点,便于Wiener指数计算程序化,从而提高了Wiener指数的实用性.

具有不确定Wiener噪声随机非线性系统的自适应逆最优控制

针对一类具有不确定 Wiener 噪声扰动和未知定常参数的随机非线性系统，采用随机微分方程描述系统，基于 Backstepping 算法，利用随机控制 Lyapunov 函数，研究了自适应逆最优控制问题的可解定理，系统地给出了全局依慨率渐近稳定和自适应逆最优控制策略的设计方法．这种方法可同时获得控制律和自适应律，仿真结果表明该控制算法的有效性．

含有过程噪声的Hammerstein-Wiener模型辨识算法及其收敛性分析

针对含有过程噪声的Hammerstein-Wiener模型,提出一种偏差补偿递推最小二乘辨识方法.通过将偏差补偿引入到递推最小二乘算法中,在线辨识包含原系统参数乘积项的参数向量.并用鞅收敛定理证明偏差补偿递推最小二乘辨识算法的收敛性,分析表明在持续激励的条件下参数估计偏差一致收敛于零.仿真结果表明该方法优于递推最小二乘辨识方法.

基于Wiener模型的变压器油纸绝缘老化剩余寿命评估方法

变压器的稳定安全运行是电网可靠供电的重要保证,为合理预测实际运行单台变压器油纸绝缘的剩余使用寿命,提供一种单台变压器油纸绝缘系统剩余使用寿命的预测方法。首先以Wiener随机模型为理论基础,建立其剩余概率密度函数方程;其次利用Bayesian定则对参数进行迭代更新处理,并采用最大期望算法,实现剩余寿命预测模型参数迭代更新,最终达到剩余寿命预测的目的。为进一步验证上述剩余寿命预测方法的准确性,在实验室中进行130℃加速热老化试验,分别获得老化温度下的油中糠醛退化数据及绝缘纸板聚合度退化数据,将退化数据与上述算法相结合,对比实测油纸绝缘剩余寿命的结果,验证了所提算法预测变压器油浸纸板剩余寿命的准确性。

一类Wiener非线性时变系统的迭代学习辨识

针对Wiener非线性时变系统的参数辨识问题,该文提出一种基于重复轴的迭代学习算法来实现对时变甚至突变参数的估计。文中将维纳系统输出非线性部分的反函数进行多项式展开,进而构造了回归模型,未知参数及中间变量用其估计替代,分别给出了采用迭代学习梯度算法和迭代学习最小二乘算法实现时变参数辨识的方法。仿真结果表明,与带遗忘因子的递推算法和迭代学习梯度算法相比,迭代学习最小二乘算法更具有参数估计收敛速度快,辨识精度高,系统输出误差小等优势,验证了所提学习算法的有效性。

应用自解卷积和增量Wiener滤波实现迭代盲图像复原

提出了一种基于自解卷积和增量Wiener滤波的迭代盲图像复原算法(SDIWF-IBD)。将自解卷积点扩散函数估计法应用于迭代盲目反卷积,准确估计了点扩散函数频域;在图像估计时使用增量Wiener滤波,确保算法稳定收敛。为进一步控制算法收敛速度,引入内迭代加速方法,有效减少了算法的外部迭代次数。实验结果表明,复原后图像细节明显增加且失真小,算法快速收敛于较小误差。该算法复原效果良好,收敛快速可控,有利于实时应用。

定阈值Wiener滤波在子波域图像去噪中的应用

针对图像处理中的去噪问题,分析了Wiener滤波中的统计误差,提出了定阈值Wiener滤波算法,通过定阈值对图像作预处理,提高了滤波器去噪性能。分别用标准Wiener滤波法、逆滤波法及定阈值Wiener滤波法对退化图像进行处理的结果表明,在进行图像恢复时,标准Wiener滤波效果比逆滤波好,定阈值Wiener滤波则优于标准Wiener滤波和逆滤波。与标准Wiener滤波相比,逆滤波降低了峰值信噪比,而定阈值Wiener滤波则提高了峰值信噪比。信噪比增大,表明定阈值Wiener滤波法对噪声的抑制能力增强。

基于差分进化算法的Wiener模型辨识

DE算法是一类基于种群的启发式全局搜索技术,该算法原理简单,控制参数少,鲁棒性强,具有良好的优化性能。利用差分进化算法对Wiener模型参数进行辨识,把辨识问题等价为以估计参数为优化变量的非线性极小值优化问题,并分析了算法中种群规模NP、缩放因子F、交叉概率CR等控制参数对辨识过程中的全局并行搜索能力和收敛速度的影响,以保证算法的全局收敛性。对Wiener模型的数值仿真结果表明了DE算法在参数辨识问题中的有效性,以及较PSO算法更强的非线性系统辨识能力。

一种FCMAC及在Wiener模型辨识中的应用研究

本文将模糊算法和小脑模型神经网络有机地结合在一起 ,提出了一种单输入单输出 (SISO)的模糊小脑模型神经网络 (FCMAC) .它在对输入进行分级量化的同时进行模糊量化 ,利用 Takagi- Sugeno模糊算法进行推理 ,并将模糊算法引入 CMAC的权值训练 ,具有输入量化级数少、函数逼近精度高等特点 .这种FCMAC用于 Wiener模型辨识具有结构确定、计算量小、训练速度快、辩识效果好等特点 .

基于神经网络的Wiener系统故障检测方法

针对一类线性部分严格正定且非线性部分可逆的Wiener模型,提出了基于神经网络参数估计的系统线性部分故障检测方法.引入卡尔曼滤波器滤除系统未知干扰和噪声,并将Wiener模型转化为ARMA模型,计算得到线性部分参数;神经网络在线估计系统线性部分的参数,通过参数估计值与实际值的比较检测系统故障.仿真实例证明了该方法的正确性和有效性.

快速次优固定区间Wiener平滑器算法

为了克服带相关噪声控制系统的最优固定区间Kalman平滑算法要求较大计算负担的缺点,应用Kalman滤波方法,基于CARMA新息模型,由稳态最优Kalman平滑器导出了带相关噪声控制系统的最优固定区间Wiener递推状态平滑器,它带有系数阵指数衰减到零的高阶多项式矩阵.用截断系数矩阵近似为零的项的方法提出了相应的快速次优固定区间Wiener平滑算法.它显著地减少了计算负担,便于实时应用,还给出了截断误差公式和选择截断指标的公式.仿真例子说明了快速平滑算法的有效性.

基于非线性Wiener过程航空发动机性能退化预测

针对基于线性随机过程航空发动机性能退化预测精度不高的问题,提出了一种漂移系数为指数形式的非线性Wiener过程发动机性能退化建模的方法,可以预测航空发动机的性能退化。基于直接监测发动机性能退化数据,构建发动机性能退化模型,根据Wiener过程首达阈值时间的数学性质,推导出性能退化的概率分布。通过极大似然估计构建退化模型中未知参数的似然函数,利用遗传算法得到发动机总体模型参数的离线估计值。考虑到不同发动机个体间的差异性,采用贝叶斯公式,结合发动机的实时监测数据与总体模型参数的先验分布对模型中随机参数进行实时更新,从而达到对个体发动机性能退化的实时预测。最后,选择商用航空发动机仿真数据集(C-MAPSS)进行实验,结果表明:针对个体发动机基于非线性随机过程方法,实时更新非线性Wiener方法能够提高航空发动机运行后期性能退化预测的准确性,提供更加可靠的预防性维修决策。

Wiener系统的变聚点样条逼近递推贝叶斯算法

为了辨识过程噪声干扰的Wiener非线性系统,提出了一种基于三样条函数逼近的递推贝叶斯算法.众所周知,传统的多项式逼近具有不能外推、高阶易震荡等缺点.为了克服这些缺点,首先利用三样条函数对Wiener系统的非线性反函数进行逼近,在此基础上将待辨识系统参数化为伪线性回归系统.然后把估计到的噪声方差融入算法,接着使用递推贝叶斯算法对参数进行了估计.为了提高三样条函数对非线性反函数的逼近能力,一种基于均值的变聚点选择方法被应用于算法.文中还对算法的收敛性进行了分析,并用数值仿真和案例建模验证了算法的有效性.

改进的Wiener滤波在图像恢复中的应用

在Wiener滤波进行图像恢复时,利用遗传算法(GA,Genetic Algorithm)全局和局部搜索力强的优势,搜索Wiener滤波的信噪比最优Γ。为了得到最优Γ值,利用峰值信噪比(PSNR,Peak Signal-to-Noise Ratio)作为图像恢复质量评价指标,对经过处理的LIVE数据库图像、IKONOS、ZY-3卫星图像进行实验。结果表明:无论图像噪声大小,该方法都可以找到Wiener滤波的最优Γ值。

基于Kalman滤波和Wiener过程的系统性能退化数据建模方法

目前寿命预测的建模过程中很少考虑漂移系数变化产生的影响,这并不合理且不符合实际情况,为解决这个问题,建立了基于Kalman滤波和Wiener过程的系统性能退化模型,在此基础上采用Kalman滤波和EM算法实现了模参数的估计和更新,最后通过某陀螺仪的寿命预测实例验证了方法的有效性。