基于改进联合分布适应的轴承智能故障诊断方法

在轴承故障诊断过程中,存在缺乏足量故障样本、变工况下信号分布差异等问题。虽然基于机器学习和深度学习方法的智能故障诊断方法的运用取得了许多成果,但该方法在应用过程中仍面临一些挑战,阻碍了智能故障诊断方法在实际工业场景下的应用。为此,提出了一种基于改进联合分布适应的轴承智能故障诊断方法(BIFD-IJDA)。首先,利用小波包变换对振动信号进行了分解与重构,再计算了重构信号的统计参数,构成了原始特征集;然后,设计了基于特征重要度与KL散度的迁移特征选取方法,对各统计参数特征进行了量化评估;采用了改进联合分布适应方法,对源域和目标域特征集进行了分布适应处理,降低了域间分布差异;最后,利用源域特征样本训练的故障诊断模型预测了目标域样本故障类别,采用美国凯斯西储大学实验台和机械故障模拟(MFS)实验台的轴承故障数据,开展了不同工况下的故障诊断实验。实验结果表明:该故障诊断方法在2种轴承故障数据下取得的最大故障诊断准确率分别为100%和96.29%,明显优于其他对比模型。研究结果表明:该故障诊断方法具有应用于实际工业场景的潜力。

均值替代边缘的模板差分法用于红外行人跟踪

提出了一种新的基于模板差分的红外行人跟踪算法。算法以红外序列图像中前一帧目标模板与当前帧差分后得到的正负值区域为基础,计算出正值区域质心到负值区域质心的向量,并将模板沿向量方向以单个像素移动,实现了基于红外序列图像的行人跟踪。文章在跟踪算法原有基础上整合了跟踪窗口自适应大小、行人交汇的检测和区分功能,一定程度上解决了红外行人跟踪过程中,两个身高和形体相近的行人交汇后难以分辨的问题。

上下位机通信在汽车组合仪表检验台中的应用

在测控系统中,串行通信的应用越来越广泛,利用MSComm(Microsoft Communication Control)控件可以方便快捷地实现测控系统的上下位机通信.以汽车组合仪表检验台为实例,详细地介绍了实现PC机和单片机之间串行通信的RS-232-C串口标准,并且给出了硬件通信电路和部分程序代码.

一种快速的基于模板差分的红外行人跟踪算法

为解决红外图像中对人体进行实时鲁棒跟踪的问题,本文针对红外图像的特点,提出一种新的基于模板差分的红外人体跟踪算法。该算法以视频中前一帧目标模板与当前帧差分后得到的正负值区域为基础,得到人体在当前帧的准确位移,并通过以模板灰度均值替代模板边缘的方式提高跟踪精度,算法跟踪的准确度和运算速度相比常用的粒子滤波和Mean Shift跟踪算法都有大幅度的提升,实验结果表明,本文所提出的算法运算速度快,准确性高,能够很好的实现红外图像序列中对人体目标的跟踪。

基于LoRa的矿工体征状态监测系统设计

提出了一种基于LoRa的矿工体征状态监测系统,其整体架构包括矿工可穿戴装备和无线智能网关.可穿戴装备驱动多种传感器,采集矿工生命体征状态数据,采用LoRa无线通信将数据传输至无线智能网关,再将体征状态数据上传至地面服务端.测试结果表明:矿工可穿戴装备能够有效采集与上报体征状态数据,并且具有优异的低功耗性能;无线智能网关具有较好的数据传输性能,丢包率和传输时延均较低.

基于体域网的矿工生命体征监测与运动状态识别

提出提出一种基于小波包与随机森林的矿工运动状态识别算法MSR-WPT-RF,用于监测矿工生命体征,识别运动状态.实验测试结果表明,构建的矿工体域网生命体征采集节点具有低功耗性能、丢包率低、时延低等优点,运动状态识别算法能够取得最高91%的识别准确率.

视频智能监控技术

近年来,随着经济迅猛发展,社会治安问题日益凸显,各种场合对安全防范的需求不断增加,传统的监控模式已经远远不能满足现有需求,结合各监控场景特点的视频智能监控系统是热门发展趋势。本文在查阅大量参考文献的基础上,首先对视频智能监控系统的一般流程进行了概述,然后对智能视频监控系统相应常用技术进行了梳理归类,最后指出了视频智能监控系统存在的一些实际问题和困难,并对将来视频智能监控系统的发展趋势进行了展望。

基于特征迁移学习的提升机轴承智能故障诊断

针对提升机复杂实际工况导致的现有故障诊断方法准确率低和适应性弱的问题,提出了一种基于深度迁移特征选取(DTF)与平衡分布自适应(BDA)的提升机轴承智能故障诊断方法。对不同工况下的轴承故障信号进行时频分析,提取时域、频域统计特征,采用深度置信网络进行高维深度特征提取。为从高维深度特征集中选取出既有利于故障模式识别,也有利于跨域故障诊断的特征,采用基于ReliefF与域间差异的迁移特征选取(TFRD)方法对各特征的可迁移性进行量化评估,利用TFRD方法对各特征进行类别区分度和域不变性量化评估,采用ReliefF算法处理各类特征数据,获得表征类别区分度的权重值;计算同一特征在不同域间的最大均值差异,构建一种新的特征可迁移性量化指标。基于TFRD方法,选取特征可迁移性大的深度特征构建特征子集,利用BDA对源域和目标域的特征子集进行分布适应,降低两者间的分布差异。采用源域特征集训练故障模式识别分类器,对目标域样本进行故障识别与分类。采用经典机器学习方法、深度学习方法和迁移学习方法构建了8种故障诊断模型,用于与提出的DTF-BDA故障诊断模型进行故障诊断准确率对比。结果表明:① DTF-BDA故障诊断模型能够取得明显优于其他对比模型的性能,最高故障诊断准确率可达100%。② TFRD方法能有效提高基于迁移学习方法构建的故障诊断模型的性能,与迁移成分分析和联合分布自适应相结合情况下的最高故障诊断准确率分别可达96.46%和97.67%。

基于ARM和FPGA的船舶姿态测量系统的设计

姿态测量系统是船舶运动控制系统和组合导航系统中的关键一环。为了满足测量的实时性和准确性,基于扩展卡尔曼滤波的姿态解算方法,充分利用STM32丰富的片内外资源和FPGA快速的硬件处理速度,设计了一种基于STM32和FPGA的主从结构的船舶姿态测量系统。所提船舶姿态解算方法使用四元数形式进行姿态描述,避免了采用欧拉角形式带来的角度奇异问题以及方向余弦矩阵形式带来的计算量过大问题。实验结果显示所提出的方法能够获得较好的测量实时性和准确率。