无先验知识下基于CHMM的刀具磨损监测技术

切削刀具的状态直接影响工件加工质量、生产率和产品成本,因此在切削加工过程中监测刀具的状态显得尤为重要。针对实际监测系统通常无法获取刀具各磨损退化状态先验知识的情况,以切削力与切削振动为监测信号,提出无先验知识下基于小波包分析与连续隐马尔可夫模型的刀具磨损监测技术。应用小波包分析技术提取信号特征信息,采用S函数实现特征值归一化处理。利用监测过程中的刀具正常状态下归一化特征信息建立基于连续隐马尔可夫模型的监测模型;根据刀具未知状态特性向量与监测模型间的对数似然度获取刀具性能指标PV,实现刀具磨损状态评价。采用铣刀磨损全寿命数据来验证该方法的有效性,实验结果表明:该方法能在无先验知识的情况下对刀具的健康状态进行较为准确的评估,且所需样本数较少,训练速度快。该技术对实现无先验知识下的刀具智能化在线状态监测具有重要意义。

基于自然场景统计的透射率优化图像去雾算法研究

针对有先验知识去雾算法的局限性,提出了一种基于自然场景统计的透射率优化图像去雾算法。该算法在判定有雾图像NSS特征与透射率相关性的基础上,构建了雾浓度透射率优化模型;通过敏感度和冗余度对比筛选NSS特征,从而提升算法去雾效率;对比实验结果证明,该方法去雾后的图像对比度与亮度都较高,远景区域也能较好去雾,很好地保留图像边缘的完整,避免了失真现象,且具有较高去雾效率。