深度级联CNN下机械手故障残差阈值超范围判定

全驱动机械手的结构采用PC机为上位机,大量的串联结构导致精准传动难度较大,适应负载能力较差。相比之下,欠驱动机械手结构更简单,可实现多于控制输入的自由度,但是,当连杆式欠驱动机械手出现故障时会产生自振,故障特征难以获取,信号残差阈值超出范围时无法精准判定。为此,研究一种连杆式欠驱动机械手故障残差阈值超范围判定方法。构建深度级联卷积神经网络,提取每组故障信号深层意义特征,计算故障信号残差值。利用连接层降维转换,使信号归一化处理。通过插值层提取机械手形状和点级别,输出故障信号预测标签。设计深度级联卷积神经网络信号观测器,跟随机械手运行实时更新数据,设置特征点残差阈值,以此为依据判定该特征点是否为故障点。实验测试结果证明:研究方法能够精准根据故障残差信号的输出判断连杆式驱动机械手的故障位置,且收敛速度较快、误差较小。

基于残差比阈值的迭代终止条件匹配追踪稀疏分解方法

基于传统的迭代终止条件,应用匹配追踪(MP)稀疏分解方法分解高噪信号,研究了固定迭代次数及阈值迭代终止条件的不足.引入相邻残差之比,规格化相邻残差之差,减少了噪声的干扰,设计了残差比阈值迭代终止条件.采用残差比阈值迭代终止条件,对高噪声超声信号进行稀疏分解,分解过程会根据噪声成分的水平自适应地终止迭代,克服了传统迭代终止条件无法选择迭代终止阈值的问题.理论推导与实验都证明了残差比阈值迭代终止条件具有很强的鲁棒性.

基于残差比阈值优化冲击衰减字典的轴承故障特征提取研究

机械设备工作时引起的振动信号蕴藏着丰富的工作状态信息。轴承是机械设备中重要的部件,其工作状态严重影响着设备的工作性能。根据信号特征张成与信号匹配度较高的冲击衰减字典,通过对比几种不同的稀疏表示迭代停止条件的优劣后,选用残差比阈值作为迭代停止条件,并结合稀疏表示中的MP算法进行轴承故障特征的提取研究。分别验证了轴承故障仿真信号、加工故障信号以及加速疲劳失效轴承故障信号,对比传统去噪方法,结果表明其能够在强背景噪声中较为准确的重构出故障特征信号,极大地提高了恶劣工况下故障特征提取的成功率与准确性,同时显示该方法在轴承早期故障信号中能准确可靠地提取出故障频率。

基于改进深度学习的航拍滑坡检测方法

为及时发现滑坡险情展开应急救援,提出一种结合逐通道不同阈值的深度残差收缩网络(DRSN-CW)方法的更快速区域卷积神经网络(Faster-RCNN)模型的航拍图像滑坡检测算法。利用图像增强的伽马变换、高斯滤波方法提高图片的质量;使用群组归一化方法消除batchsize大小对模型的影响;为减少噪声以及无关特征区域的干扰,采用DRSN-CW网络对滑坡检测目标进行精准定位。实验结果表明,改进后模型与先前模型相比F1值以及平均精度分别增加了10.7%、10.2%,可以有效检测滑坡险情。

1982—2015年黄土高原植被变化特征及归因

黄土高原植被对于黄河中下游泥沙量减少以及区域生态安全维持发挥着重要作用。气候变化和人类活动是驱动黄土高原植被覆盖度变化的两大因素,然而先前研究多基于统计方法建立植被覆盖度与气候变化的线性关系,忽略了植被覆盖度与气候变化之间复杂的非线性关系,限制了对黄土高原植被变化驱动机制的理解。基于1982—2015年黄土高原植被覆盖度(GIMMS NDVI)数据,以1999年退耕还林工程开始实施为界限,采用随机森林和残差阈值法等手段量化并分析了1982—2015年植被变化特征及气候变化和人类活动对植被变化的影响。结果表明:(1)1982—2015年黄土高原植被覆盖度整体上呈现增长趋势,1999年之后植被覆盖度增加的面积大于1999年之前,1999年以前显著增长的区域只占总面积的54.68%,1999年以后显著增长的区域面积占比增长至85.11%;(2)在考虑时滞效应的基础上,1982—1998年黄土高原超过80%的区域的逐月温度、降水、日照时数与植被覆盖度存在显著的正相关关系,表明1999年以前植被覆盖度变化主要与气候变化有关。随机森林算法能较好地模拟植被覆盖度与气候因子之间的关系,99.71%的区域拟合的决定系数R2达到0.5以上;(3)2000—2015年,气候因素和人类活动对植被覆盖度的影响具有空间异质性。人类活动对植被覆盖度产生积极影响的面积增加了55.94%,气候消极影响的面积减少了42.58%,气候积极影响的面积减少了12.86%。研究提出的量化气候变化与人类活动对植被覆盖度影响的方法能够更好的区分黄土高原植被覆盖度变化的驱动因素,为黄土高原生态建设以及黄河流域的生态安全和高质量发展提供数据支撑。

全数字逆变电源信号Kalman预测处理

逆变焊机工作在大电流、强干扰的恶劣环境中,要实现它的全数字化,必须对反馈信号进行滤波,本文提出一种基于卡尔曼(Kalman)预测的信号去噪方法。详细分析了现场获取的电流反馈信号的特征,针对噪声信号的特点,构建了Kalman最小方差估计等式组,通过测量值和预测值的残差来确定脉冲干扰发生的时刻和幅值大小。设定残差阈值作为信号处理的临界点,从观测信号中提取有用的信息,为电流型脉冲宽度调制控制器及时提供准确的反馈信号。试验结果表明,相比移动中值平均滤波和巴特沃思滤波器,本方法动态响应快,滤波输出无相移,能够有效地降低过程噪声和测量噪声的影响,保证逆变焊机精确、可靠地工作。

MANET网络MAC层攻击综合检测方法

针对IEEE 802.11协议的MAC层攻击存在多样化、智能化的情况,提出一种基于人工免疫的综合检测方法.针对恶意攻击记录每隔一定时间信道的传帧计数作为特征序列,采用滑窗双元累积算法检测;针对自私性攻击检测区分2种情况,即当检测节点处于饱和状态时,记录每个节点每隔一定时间传帧计数序列,采用残差阈值判别法进行初始检测,将检测到的自私节点的退避时间序列进行记录,并进一步进行编码和基因化处理作为基因检测体;当检测节点处于非饱和状态时采用基于相对位置的子串相关函数基因匹配检测.实验表明,该综合攻击检测方法达到了较低的误判率和较快的检测速度,提高了无线网络的可信性.

基于卡尔曼预测的逆变焊接电源信号处理方法

逆变焊接电源作为焊接过程中的一种能量转换设备,通常工作在强干扰等复杂恶劣的环境中,为了有效地滤除电源中夹杂的噪声,提出了一种基于卡尔曼预测的焊接电源信号去噪处理方法。首先分析了焊接过程中电流反馈信号特点,针对电流反馈信号的具体特征,建立了卡尔曼预测的数学模型,由测量值和预测值的残差对脉冲干扰发生的时间和幅值大小进行估计。将残差阈值作为电源反馈信号处理的临界点,从观测信号中对有价值的信息进行了提取,为脉冲宽度调制提供准确的反馈电流信号。仿真结果表明,与传统的几种滤波方法相比,该方法动态响应速度更快,能够有效地获得有价值的电流信号,保证逆变焊机的精确、可靠地运行。

基于网络攻击节点可信度的电力系统状态估计

黑客在状态节点上恶意注入的虚假数据可以误导电力系统状态估计,对电力系统的安全可靠性运行产生巨大的威胁。现阶段检测数据注入攻击的研究通常采用的是残差阈值法,该检测方法对于攻击者精心构造的隐蔽数据注入攻击失效。因此,建立了一种网络攻击节点可信度模型并提出了节点可信度的更新算法。为消除攻击者所注入虚假数据对电力系统状态估计的干扰,提出了一种基于数据注入攻击节点可信度的电力系统状态估计算法,解决了虚假数据注入攻击节点对邻居节点状态估计影响的问题。采用标准IEEE-14、IEEE-30和IEEE-57节点测试系统和14母线节点系统,实验平台对状态更新算法的测试结果验证了基于节点可信度的电力系统状态估计的可靠性及状态估计算法对注入虚假数据节点状态估计的有效性。

局部放电信号稀疏表示去噪方法

局部放电(partial discharge,PD)(简称局放)信号易受噪声干扰,影响监测效果。针对局放信号噪声抑制问题,提出了一种局放信号稀疏表示去噪方法。该方法以信号的稀疏表示及其匹配追踪算法为核心,构建了与局放信号特征相匹配而与噪声信号不相关的局放脉冲匹配原子,并组成过完备原子库。在该原子库中采用匹配追踪算法对染噪局放信号进行稀疏表示,提取最佳局放脉冲匹配原子;并通过改进量子遗传算法加速最佳匹配原子搜索进程,减小计算时间复杂度;同时以残差比阈值作为MP算法迭代终止条件,避免因迭代次数选取不当对去噪结果的影响。最后利用各次迭代提取的最佳脉冲匹配原子仅能对染噪局放信号中原始无噪局放分量进行有效稀疏表示实现去噪目的。运用该方法对仿真信号及实测信号进行了去噪处理,并与基于传统小波理论的局放去噪结果作对比。结果表明,该方法能准确抑制局放信号的噪声干扰,去噪效果优于传统小波方法。

基于加权POCS的图像超分辨率重建

对凸集投影(POCS)图像超分辨率重建算法中的残差修复阈值选取问题进行分析,提出一种基于图像超分辨率重建的改进算法。改变传统POCS算法中固定残差修复阈值模式,通过引入低分辨率图像清晰度这一先验信息,用表征图像相对清晰度的参数控制阈值,从而实现整个重建过程阈值动态选取。实验结果证明,该算法能提高残差计算和阈值选取的针对性,对提升重建图像的清晰度及信噪比具有较好的效果。

基于BCC-OMP优化的原子分解去噪算法

为提高电网电能质量的检测精度及识别准确率,提出一种基于细菌群体趋药性算法和正交匹配追踪算法结合(BCCOMP)优化的原子分解算法,并将其应用于电能质量扰动信号去噪中。该方法在Gabor原子库的基础上,采用正交匹配追踪算法优化匹配追踪算法,并对原子分解过程使用细菌趋药性算法做进一步优化,从而提高收敛速度、增强去噪能力。通过设置合理残差比阈值确定终止迭代次数,对各种类型含噪信号均可自适应去噪,提高原子分解法去噪的普适性。仿真算例验证了所提方法的有效性、快速性和准确性。

一种改进K-奇异值分解稀疏表示图像去噪算法

为解决传统K-奇异值分解(K-SVD)算法字典训练耗时过长以及低信噪比情形下去噪效果不佳的问题,提出了一种改进算法。首先将原始含噪图像进行高低频分离,然后对图像的高频部分使用基于残差比阈值的批量正交匹配追踪算法(Batch-OMP)实现稀疏重构,最后将图像的高低频部分叠加完成最终的去噪。实验结果表明,相较于小波变换去噪、DCT稀疏表示去噪以及传统K-SVD稀疏表示去噪,改进的算法能够更好地保留图像的边缘轮廓信息,并且去噪时间明显缩短。

基于改进MP的地震信号去噪

地震资料中的噪声分为相干噪声和随机噪声。针对随机噪声,采用匹配追踪(MP)算法进行去噪,能取得一定的去噪效果,但是MP算法过大的计算量严重影响去噪的效率。为解决这个问题,本文采用遗传算法(GA)寻找最优原子,大大减少了算法的运算量,提高了算法的运算速度。本文对Ricker子波进行改进,加入尺度参数、位移参数和相位参数,利用改进后的Ricker子波构建的过完备原字库进行去噪可以取得更好的效果。本文采用相邻残差比阈值作为迭代终止条件,与采用硬门限作为迭代终止条件相比增强了算法的鲁棒性。实验仿真时,首先对加有随机噪声的人工合成地震信号进行去噪,仿真结果表明:本文改进的去噪算法与基础MP算法相比,在信噪比、均方差和计算速度上具有明显优越性,然后将本文改进的方法应用于实际地震信号去噪,并取得很好的去噪效果。

基于集员未知输入观测器的风力机桨距执行器故障诊断

风力机一般放置在恶劣的环境中,其桨距执行器极易出现故障。文中针对一类含有未知但有界干扰和噪声的风力机系统的桨距执行器故障问题,设计了集员未知输入观测器对桨距的执行器故障进行检测并分离。采用气动机理和现代辨识原理建立风力机系统模型,通过优化未知输入观测器设计对系统中的干扰解耦,基于中心对称多胞体估计不考虑故障时残差的区间包络,并将其作为残差估计的上下动态阈值,实现状态估计。在上述基础上提出了利用一组集员未知输入观测器进行故障诊断的策略。仿真结果表明,在实验过程中,文中所设计的集员未知输入观测器准确地诊断出了风力机桨距执行器的3阶和5阶线性系统在发生突变故障和缓慢时变故障的时间和位置,证明了所提故障诊断策略的有效性。

基于稀疏分解的音频信号智能识别

由于噪声音频信号中存在噪声干扰影响因素,导致对音频片段起始和终止时间的识别误差较大,不利于音频信号的智能识别。因此,为了精准识别音频片段起止时刻,提升音频信号的智能识别效果,引入了稀疏分解算法,提出一种新的音频信号智能识别方法。将短时平均过零率作为原始无噪声音频信号结构特征参数,构建音频信号匹配的过完备原子库。引入残差阈值参数作为稀疏分解的终止条件,分解原始无噪声音频信号,实现对含噪音频信号的去噪处理。通过高频内容加权处理对去噪后音频信号进行起止时刻的识别,以信号不同频带能量差异值对其进行差异化赋权,完成音频信号智能识别。分析测试表明,设计方法对中文音频片段起始和终止时刻的识别结果中,误差在±100.0 ms以上的占比为5.72%,对英文音频片段起始和终止时刻的识别结果中,误差在±100.0 ms以上的占比为6.94%,由此表明音频信号智能识别误差较低,设计方法具有较高的识别精度。