多通道信息融合与深度迁移学习的旋转机械故障诊断

针对单通道信号特征信息不充分的问题,提出了一种多通道信息融合与深度迁移学习的旋转机械故障诊断方法。首先使用小波变换将多传感器采集的一维信号生成多幅时频图,然后将时频图信息融合为多通道图像,最后将预训练的深度残差网络作为迁移模型对旋转机械进行故障诊断。圆柱滚子轴承、某局机务段机车轴承和齿轮箱数据集的识别准确率分别为99.23%、99.78%和99.50%,凯斯西储大学轴承数据集的跨工况迁移试验识别准确率达93.12%,这表明所提方法具有一定的优越性和可扩展性。

多通道信息融合的改进乘积规则

用传统的多通道信息融合乘积规则计算出的融合分值的动态范围比较小，融合效果不理想，本文在假定所有通道都能同时正常工作的情况下，提出多通道信息融合的改进乘积规则．基本思想是对原乘积规则中的概率密度和融合分值平滑，使得融合分值的动态范围增大．文中的两个实验表明，改进的乘积规则的识别率有明显提高．最后文中给出了在已知每个单一通道系统识别率的条件下，由理想融合方法集成出的系统识别率的上限计算公式．

多通道信息融合技术的研究

在数字信号处理的过程中 ,利用信息科学原理建立了多通道信息融合的数学模型 并采集了车辆变速箱的多通道振动信号 ,计算其Shannon熵、信息含量效率和信息冗余 ,并对信号进行剔除 ,再对其进行多通道的信息融合 ,以获得比单一通道精度更高的信号特征 。

一种多通道信息融合的横向减振器性能退化阶段辨别方法

对于转向架这样复杂的系统,分布在系统不同位置的传感器可以实时检测大量数据。这些数据能够反映高速列车运行过程中转向架关键部件的性能退化状态,但单一通道的振动信号存在着信息缺失、信噪比低等缺陷,无法据此实现转向架关键部件性能退化阶段的精确辨识。因此,本文以横向减振器为研究对象,通过对转向架振动数据相关性分析,提出了车体和转向架上多个通道的振动信号共同用于横向减振器性能退化阶段辨识的方法。并通过构建基于CNN的多通道信息融合模型,将多个通道信息进行融合,实现了横向减振器性能退化特征的自适应提取与阶段辨识。将该方法与基于单个通道的方法进行比较,结果表明,该方法能够精确实现横向减振器间隔10%的性能退化阶段辨识。

一种基于多通道信息融合的教师运动跟踪方法

提出一种基于多通道信息融合的教师运动跟踪方法。该方法改进了传统的运动人像检测算法,能进行多目标的识别与跟踪。并结合智能教室的上下文环境信息,提出一个多通道信息融合推理算法,解决了单纯利用运动人像跟踪算法所带来的误检问题。实验表明该方法是有效的。

融合多通道信息的二维人脸识别

为充分提取人脸图像信息,进一步提高人脸识别效率,提出了一种融合图像多通道信息的二维人脸识别方法.该方法利用Haar小波变换将人脸图像变换到频率域,并获得图像4个频率域的信息;对每个频率域的图像,通过局部二值模式(LBP)进行统计编码,并提出基于HaarLBP直方图序列的人脸图像表征方法;提出2种直方图序列的匹配算法,并通过分析各个频域图像信息对识别的贡献率,进一步融合4通道图像信息进行人脸识别.在ORL和Yale人脸库上的实验结果证明,提出的识别方法对于人脸姿态、表情和光照变化有一定的鲁棒性.

智能教室中情境感知的多通道融合方法

现有的智能教室中多通道融合方法普遍缺乏情境信息的感知能力,融合策略固定、简单,不能很好解决多通道输入的二义性、非精确、冲突性和时间偏序关系。针对以上问题,采用EMMA标注语言调整时序关系,用层次任务网络规划器HTN规划动作行为,用证据理论融合各个情感检测通道的检测结果,提出了一种通用可扩展的基于情境感知的多通道融合模型及方法。实验结果表明,该方法较好地解决了多通道学生情感检测的冲突性、二义性,提高了检测的精确性与正确性。

多通道人机交互信息融合的智能方法

本文首先简要回顾了认知科学在单通道信息加工及多通道信息融合方面的假定;其次,介绍了计算机科学在多通道信息融合方面相对于单通道信息处理增强的理论模型及实验验证.在各通道特征能够同时获得并统一表示的前提下,多通道人机交互信息的融合可以转化为分类或者回归问题求解.对于实际的交互系统,目前的多通道信息融合技术除了依赖单通道信息识别的准确性外,还依赖于交互系统设计的合理性.最后通过一个多通道信息融合的人机交互的实例,讨论了目前多通道交互系统的缺陷,并给出多通道人机交互信息融合智能方法未来的一个突破方向.

基于小波变换和微分算子的图像边缘检测

本文提出了一种检测彩色图像边缘的新方法,该方法先把彩色图像分解为红、绿、蓝三基色图像,然后利用小波变换对三基色图像分别进行多尺度的分解,提取其低频系数,用微分算子检测其图像边缘,最后利用多通道信息融合的办法将三基色的图像边缘融合在一起。通过一个实验说明了该方法的有效性。

飞行事故调查辅助分析系统的开发及应用

针对飞行事故调查的实际需要,提出基于点对象构建飞行事故分析模型的思路.在该模型中,点对象可被用来描述事故的关键特征,如失事位置、飞行航迹、事故现场残骸分布等.基于该模型,将同一事故中的飞行数据、驾驶舱话音数据、雷达数据、目击数据以及现场残骸分布等信息整合起来,并在AutoCAD Map平台基础上开发了事故调查辅助分析系统.该系统通过绘制事故过程图和事故现场残骸分布图等手段,为事故调查提供直观、科学的辅助分析,从而有效地提高事故调查的水平.

基于SDP图像与VGG网络的旋转机械转子故障诊断研究

针对传统故障诊断方法对旋转机械转子故障状态识别精度较低的问题,提出了一种基于对称点模式图像特征信息融合与深度学习相结合的旋转机械转子故障诊断方法。采用SDP信息融合技术,对转子故障状态下的多通道振动信号进行了信息融合,通过SDP图形特征可简单直观地区分不同转子故障振动状态;结合深度学习VGG网络自适应提取了SDP图像的特征信息,对不同故障转化的SDP图像实现了准确的诊断识别,进而判别了其故障类型;通过变速器机械故障模拟实验验证了所提出方法的有效性,并与传统机器学习方法极限学习机(ELM)进行了比较。研究结果表明:基于SDP图像与VGG网络的旋转机械转子故障诊断方法解决了转子故障振动信号中存在的高复杂、非线性和不稳定问题,与传统机器学习方法ELM相比具有更高的识别精度。

一种新的彩色图像边缘检测算法

传统的边缘检测方法大都基于灰度图像,不能充分利用彩色图像的全部信息。针对已有算法中存在的像素点扩散、边缘定位不准确、边缘不连续等问题,提出了一种彩色图像边缘提取算法,基于图像自身梯度方向信息和多通道信息融合技术,将灰度边缘模板算子扩展应用到彩色图像的边缘检测中,在RGB空间中对原彩色图像进行多通道边缘检测;同时采用滤波来抑制噪声,依靠边缘生长保证检出边缘的连续性,并提出了自适应确定边缘提取门限值的方法。该文提出的彩色图像边缘检测算法计算量小,实验结果表明了其能充分利用图像的颜色和梯度信息,有效地消除噪声,提高边缘检测的准确性,保证边缘的连续性。

发动机配气机构振动信号时域分析

对康明斯6BT5.9型柴油发动机配气机构产生的振动信号进行了时域分析,采用振动加速度峰峰值作为判定发动机配气机构技术状态的特征量,并采用多通道信息融合技术实现配气机构的故障诊断。