基于多尺度形态学滤波和K-SVD的轴承复合故障特征提取方法

针对滚动轴承复合故障诊断中的故障特征分离和提取难题,课题组提出一种基于多尺度形态滤波(multiscale morphological filtering,MMF)和K-SVD字典学习的复合故障特征分离与提取方法。首先,利用多尺度形态学滤波的尺度差异对信号进行分解,实现复合故障特征分离;其次,通过特征能量因子(feature energy factor,FEF)筛选出最佳尺度分量,并利用K-SVD分别构建学习字典库;然后,通过正交匹配追踪算法(orthogonal matching pursuit,OMP)从字典库中重构出信号;最后,结合迭代求差思想,对复合故障进行分离和特征强化。仿真和实验分析表明该方法能够自适应地分离并准确提取滚动轴承复合故障特征。与经典变分模态分解(variational mode decomposition,VMD)方法对比,该方法具有更好的鲁棒性。

基于DAEKF算法的锂离子电池主要状态在线联合估计

为实现三元锂离子电池荷电状态(SOC)、能量状态(SOE)和健康状态(SOH)这3种主要状态的在线联合估计,并应对电动汽车实际使用工况中各种噪声干扰带来的开环累积误差问题,提高锂离子电池在线估计的稳定性,提出了一种基于双自适应扩展卡尔曼滤波(DAEKF)算法的三元锂离子电池多时间尺度主要状态在线联合估计方法。在二阶RC模型基础上推导DAEKF算法的状态空间方程,用带遗忘因子的递推最小二乘法(FFRLS)进行在线参数辨识,以微观时间尺度进行锂离子电池SOC和SOE的在线估计,以宏观时间尺度进行锂离子电池SOH的在线估计,从而实现锂离子电池3种主要状态的在线联合估计。最后,以NVR18650B型三元锂离子电池的不同运行工况对所提出的方法进行实验验证。实验结果表明:在两种验证工况下,文中方法都能够快速收敛辨识模型参数,微观时间尺度中SOC和SOE的估计误差均稳定保持在1%以内,宏观时间尺度中SOH的估计误差稳定保持在1.6%以内;与EKF算法相比,文中所提出的方法具有更高的估算精度以及更好的估计收敛性和稳定性。

基于通道拉伸和改进MSR的蜗轮副接触斑点图像增强算法

在蜗轮副接触斑点视觉检测中,摄像头所采集到的图像整体亮度较低、对比度低,导致图像检测结果不够理想,所以需使用图像增强技术,对图像的亮度、对比度等信息进行增强。为此,提出了一种基于通道拉伸和改进多尺度Retinex(MSR)的图像增强算法。首先,在低光照环境下,对图片进行了通道拉伸,增强了其饱和度和对比度,避免了图像增强过程中出现图像细节颜色失真的情况;然后,为了进一步增加图像细节的对比度,采用改进MSR算法对拉伸后的图像进行了处理,利用自适应权重双边滤波、tanh函数分别替换了传统MSR中的高斯中心环绕函数和对数函数,以减少细节信息的丢失;最后,采用自适应伽马变换对图像亮度做了进一步改善,使图像的质量更高,便于图像的后续处理。实验结果表明:与MSR、基于双边滤波改进的MSR增强算法相比,基于通道拉伸和改进多尺度Retinex的蜗轮副接触斑点图像增强算法的图像增强效果更好;进行图像增强后,图片的均值、标准差、信息熵、对比度相比于原图分别提高了48.3%、61.6%、7.1%、91.3%。研究结果表明:采用该图像增强算法之后,图像的质量和特征信息更好,有利于图像的检测和处理。

基于AWMMD的柴油机气缸故障特征提取方法研究

针对柴油机气缸故障诊断时的噪声干扰问题,提出一种自适应加权多尺度形态分解(adaptive weighted multi-scale morphological decomposing, AWMMD)方法,从各个缸盖表面振动信号中提取故障特征。基于三种组合算子构造一种新的组合差值形态滤波器,用于对振动信号进行多尺度分解;以Teager能量峭度作为评判指标,设计基于遗传算法的各尺度形态模式分量(morphological mode component, MMC)权值自适应分配算法,提出加权多尺度形态分解方法;将自适应权值与多尺度分解的形态模式分量进行绑定,得到优化的故障特征提取结果。仿真信号测试与柴油机故障模拟信号分析结果表明,该方法能有效抑制噪声干扰并提取故障特征。

基于改进Canny算子的医学图像分割研究

为了提升传统Canny算子在医学图像分割中的准确性和有效性,解决图像分割后目标边缘特征点连续性差,难以形成闭合区域等问题,论文结合医学图像特点,提出一种多尺度滤波融合图像特征,结合形态学方法进行图像增强的改进Canny算子边缘检测医学图像分割算法,以实现医学图像的有效分割。实验结果表明,论文提出的方法可以准确地实现细胞显微图像和乳腺钼靶X线图像的目标分割,特别是对复杂细节区域的细碎边缘特征,可以得到较好的分割效果。

基于ALIF和TMFDE的滚动轴承故障诊断研究

为了提高滚动轴承的故障识别精度,提出了一种基于自适应局部迭代滤波(ALIF)和时移多尺度波动散布熵(TMFDE)的故障诊断方法。首先,利用ALIF对滚动轴承振动信号进行分解,获得一组IMF分量。其次,为了获得更集成的IMF分量,基于能量法评估各IMF分量的重要性,将前3阶分量视为有效分量。接着,利用TMFDE量化有效分量中的特征信息,构建故障特征向量。最后,将故障特征输入至粒子群优化的极限学习机中进行故障识别。利用东南大学的滚动轴承数据对该方法进行了评估,结果表明该方法能够准确地识别故障的类型,与其他方法相比,该方法在数据量较少时仍然具有优异的稳定性。

一种信号检测预处理的改进多尺度形态学滤波方法

通信信道冲击噪声干扰和宽带接收机非线性影响会导致接收的信号噪声基底不平坦,若不考虑噪声基底起伏而直接进行检测信号,可能会导致漏检。为提高信号检测精度,需估计信号噪声基底。为解决该问题,提出了一种信号检测预处理的改进多尺度形态学滤波方法。该方法采用多尺度开-闭组合运算对信号频谱进行形态学滤波,利用不同尺度的结构元素对不同带宽的信号进行局部滤波,并利用滤波后凸包的存在性作为滤波终止条件。仿真结果表明,该方法可以有效将不同带宽的信号滤除,有效提取噪声基底噪声,同时可消除频谱中低电平毛刺对噪声估计的影响。

改进YOLOv3的船舶检测算法研究

针对当前内河通航情况复杂和船舶目标尺度变化大,船舶目标的检测技术存在准确率低和鲁棒性差的问题,文中提出一种MA-YOLOv3船舶目标检测算法。在DarkNet-53主干网络结构中增添一个浅层检测尺度,并添加8倍上采样使其与最后一层检测尺度进行信息融合,利用8倍和2倍混合上采样的方式使特征信息进一步高效融合,有效地提升小目标的检测效果;然后,构建一种自适应特征处理结构,利用网络的自适应学习能力过滤无用的信息,保留有用的特征,从而减少梯度逆向传播时比例不一致的问题,有效增强网络对多尺度特征的检测效果。在公开的SeaShips船舶数据集上开展实验得出,所提算法检测精度高达95.45%,明显优于SSD、YOLOv3等其他主流的目标检测模型,该方法在船舶目标检测上具有优越性。

基于DIA的最优尺度形态滤波器及其在轴承故障诊断中应用

针对强背景噪声下无法获取滚动轴承故障特征的问题,提出一种基于最优尺度增强形态滤波器(Optimal Scale Enhanced Morphological Filter,OEMF)的滚动轴承故障特征提取方法。首先,构建一种增强差分积形态滤波算子(Enhanced Different Product Operation,EDPO)与直线型结构元素(Structuring Element,SE)相结合的增强形态滤波器;其次,构建冲击自相关度(Degree of Impact Autocorrelation,DIA)作为选取最优尺度的评判指标,并与传统的峭度(Kurtosis)指标进行比较。最后,将所提方法应用于仿真信号和牵引电机轴承故障信号中进行实验验证。结果表明,所提方法与集成经验模式分解(Ensemble Empirical Mode Decomposition,EEMD)方法相比具有更好的降噪效果,且在去除噪声干扰方面具有更好鲁棒性。

多特征的尺度自适应核相关滤波目标跟踪算法

针对传统的核相关滤波跟踪算法(KCF)在复杂背景下目标跟踪效果不理想问题,提出一种多特征融合、多峰值检测机制以及尺度自适应相结合的核相关滤波算法。采用多特征线性融合策略,将方向梯度直方图(HOG)与颜色特征(CN)进行融合;使用多峰值检测更新机制来判断目标是否因遮挡而丢失;对目标尺度进行放缩,寻找具有最大响应值的尺度值,即为当前目标的最佳尺度。通过OTB-100公开数据集对算法进行评估,与传统KCF核相关滤波算法对比,改进后的算法在复杂背景下跟踪精确度与跟踪成功率有显著提高,具有较好的鲁棒性。

基于数学形态学的自适应边缘检测新算法

考虑到在形态学中,不同形状的结构元素和不同尺度的元素在去噪声和保持图像细节方面的作用是不同的,提出了一种基于多结构多尺度自适应形态边缘检测算法。对一般边缘检测算子做了改进,增加了边缘细节信息。通过计算检测后的边缘信息熵,自适应确定权值系数。将多结构元素检测的边缘和多尺度元素检测的边缘做融合处理,得到最终的图像边缘。实验结果表明,与几种经典边缘检测算法相比,所提出的算法能有效地抑制图像的多种噪声对边缘检测的影响,较好地保持图像边缘细节,自适应提取完整连续边缘。

基于自适应多尺度形态梯度变换的滚动轴承故障特征提取

滚动轴承故障信号是一种典型的周期性冲击信号,如何从含有强噪声的振动信号中有效地提取出冲击特征信号是轴承故障诊断的关键。基于数学形态学理论,提出了一种自适应多尺度形态梯度变换(AMMG)方法,能够在有效抑制噪声的同时很好的保留信号的细节。仿真信号和实测轴承故障信号的分析结果表明,与常用的包络解调分析和近来提出的另一种基于数学形态学的形态闭变换方法相比较,自适应多尺度形态梯度变换具有更强的噪声抑制和脉冲提取能力,并且计算简单、快速,为滚动轴承故障特征提取提供了一种有效的方法。

多尺度多元素形态滤波自适应降噪研究

针对基本的数学形态滤波器存在的问题,提出了一种多尺度多元素形态滤波自适应降噪方法,首先利用不同尺度不同元素的基本形态滤波器对信号进行处理,得出各个误差。根据计算误差,设定权重系数级联基本的形态滤波器,对信号进行自适应降噪。针对正弦信号中复杂噪声干扰的特点,在信号中加入各种噪声,利用提出的方法对信号进行处理,并与多尺度滤波器进行了比较,证明了改进方法的有效性。通过将多尺度多元素形态滤波器应用于旋转检测地磁定向信号中分析与运算,有效降低了正弦信号中的噪声,提高了地磁定向精度,验证该方法降噪的有效性。

改进的多级移动曲面拟合激光雷达数据滤波方法

激光雷达数据滤波是为了获取高精度数字高程模型而改进的多级移动曲面拟合滤波方法。预处理剔除了粗差点和大部分建筑物侧面回波点,再通过格网化分,建立数据索引,相邻曲面保持一定的重叠度,利用最小二乘法求解拟合曲面参数,自动设置阈值后进行滤波。最后,利用多尺度加权插值方法生成数字高程模型。采用国际摄影测量与遥感学会(ISPRS)提供的测试数据进行实验。结果表明:改进的算法降低了三类误差产生的可能,第一实验区的总误差由8.39%降低到7.40%,第二实验区的总误差由6.39%降低到5.86%,生成的数字高程模型满足精度要求,具有推广性。

基于多尺度形态学大豆图像滤波方法

提出了一种基于多尺度形态学滤波算法,用于减少噪声影响从而提高大豆图像质量。首先用多尺度结构元素分别对原图像进行开闭重建运算,构造形态学开闭塔;然后计算相邻尺度形态学开闭重建图像间的差,构造亮特征和暗特征的差异塔;最后根据不同尺度的亮特征和暗特征重建图像。通过一组被不同噪声污染的大豆图像验证该文提出的滤波算法,并采用一些标准的评估方法将该文方法与文中提到的其它滤波方法在不同噪声污染情况下进行比较,试验结果表明本文方法的滤波效果优于其它方法。

基于迭代多尺度形态学开重建的城区LiDAR滤波方法

针对形态学运算在机载Li DAR滤波中最大窗口尺寸的选择问题,提出了一种基于形态学开重建的迭代多尺度点云滤波算法。通过循环迭代多尺度开重建运算,克服开重建对矮小地物的误判问题,自动获取开重建运算的最大窗口尺寸,解决了对城市区域滤波的窗口适宜尺寸选择问题,提高了地物与地面点分类的正确性。使用ISPRS提供的城区样本测试数据开展实验,结果表明:其Ⅰ类、Ⅱ类及总误差均值分别达到3.10%、6.05%和4.11%,在Ⅱ类误差不显著增加的情况下,Ⅰ类误差和总误差均值同比均为最小,整体分类与自动识别性能优于常规滤波算法。

形态滤波方法在抵肩力信号降噪中的应用研究

针对抵肩力实验信号采集过程中引入的噪声污染问题,基于数学形态学理论,提出了一种自适应多尺度形态学降噪方法。该方法采用形态开闭-闭开运算提取含噪信号的正、负冲击成分,根据不同尺度形态运算后的噪声统计分布,对不同尺度下形态运算的结果进行加权平均去噪,解决了细节保持与噪声滤波之间的矛盾。仿真实验以高斯白噪声干扰下的blocks信号为研究对象,信噪比和均方根误差为评定降噪结果的标准,结果表明该方法与传统阈值降噪方法相比具有更好的降噪效果。抵肩力实验结果的应用表明,该方法能够在有效抑制信号噪声的同时较好地保留抵肩力信号特征细节,为抵肩力信号特征的提取提供了一种降噪方法。

基于数学形态学的医学图像分割

采用分水岭算法对医学图像进行分割,并针对其容易产生过分割的缺点,作了两点改进:首先对原始图像进行自适应加权的多尺度形态滤波,然后引入浮点活动图像作为分水岭算法的输入。实验表明,该方法算法简单,能有效地抑制过分割现象,得到较好的分割效果。

边缘检测滤波尺度自适应选择算法

为回避多尺度边缘检测中融合多幅图像涉及的启发性规则,同时克服Jeong算法的局限性,奉文首先基于Tan的广义边缘定义设定一个适应度函数,然后采用自适应遗传算法针对单个像素及其邻域结构的特征搜索最佳滤波尺度得到局部最佳边缘检测尺度,最后由最佳尺度高斯滤波器得到最终边缘图像.实验证明能够得到令人满意的结果.

基于数学形态学与小波阈值组合滤波算法的大地电磁噪声压制

针对实测大地电磁信号资料中常出现的强噪声干扰问题,提出一种基于数学形态滤波和小波阈值滤波结合的大地电磁噪声压制方法。首先,利用自适应多尺度形态滤波算法对含噪信号进行初次滤波,以消除脉冲类干扰。然后,对已处理的信号进行小波阈值滤波提取大尺度强噪声轮廓。最后,剔除强噪声干扰重构大地电磁信号。通过仿真实验对比,在不同强度噪声干扰背景下,所提方法的性能优于普通小波阈值方法,能更多地保留大地电磁原始信号的细节特征。实测资料处理结果表明,该方法能有效地抑制大尺度强噪声干扰和基线偏移的影响,改善视电阻率曲线质量,具有较好的应用前景。