基于迭代增强变分模态提取的滚动轴承复合故障诊断

针对变分模态提取对多分量复合故障提取能力不足,且存在中心频率和平衡因子两个超参数优化等问题,提出了一种迭代增强变分模态提取(iterative enhanced variational mode extraction,IEVME)的滚动轴承复合故障诊断新方法。首先,提出引入中心频率趋势收敛现象优化VME的初始中心频率,使其能自适应寻找合适的初始中心频率进行提取并加入新的收敛准则对信号进行迭代提取的迭代变分模态提取方法(iterative variational mode extraction,IVME);然后,通过优化IVME的平衡因子得到多个分量信号,再利用图拉普拉斯能量指数选取最优分量进行重构;接着,为全面提取复合故障信号中的主要周期,提出了结合加强运算减去运算的增强最小噪声幅值解卷积(enhanced minimum noise amplitude deconvolution,EMNAD)方法,以降低噪声并增强相对较弱的周期信号;最后,通过融合平方包络谱实现对滚动轴承的复合故障诊断。将所提方法应用到滚动轴承复合故障诊断中,通过仿真和实例信号验证所提IEVME方法的有效性和鲁棒性,并将所提方法与现有多种方法进行对比,结果表明所提IEVME方法准确性更高,效果更优。

FCM迭代增强与划分混合聚类算法

提出了一种以迭代增强和空间划分为基础的模糊C均值聚类方法,利用弱学习理论在每次迭代之后将产生的训练集合重新归并,在原有划分集的基础上通过分布质量权重选举方法更新产生最优假设划分集,克服了传统的简单重复训练方法的聚类效果不理想的缺点。通过形状分类实验和聚类量化指标对比,证明了该方法具有分类质量高、形状分割彻底的优点。

基于模糊松弛迭代的分层图像增强算法

映射函数的研究是图像增强技术的关键,模糊松弛技术利用模糊函数建立其映射函数,通过设置该算法的模糊松弛参数可以达到对图像可控增强处理的目的。为了实现针对不同层次的图像内容实现可控式模糊增强,提出了多层次交互迭代的模糊松弛图像增强算法。通过分析各子层图像的直方图,分别设定各子层的模糊松弛参数,并建立对应的模糊松弛映射函数;分别对各子层图像进行可控迭代增强,选择合适的迭代次数作为终止条件。给出的实验结果证明了该算法能够取得较好的增强效果。

基于双重迭代的零样本低照度图像增强

针对低光照条件下拍摄图像质量低下的问题,该文提出一种基于双重迭代的零样本低照度图像增强方法。其外层迭代通过卷积神经网络估计增强参数,再由内层迭代进行图像增强,增强结果进一步用于计算损失函数并反馈更新外层的参数估计网络,最终通过多轮迭代生成高质量的图像。在该框架下,还设计了多尺度增强系数估计模块、基于注意力的像素级大气光估计模块,并提出了基于亮度对比度、大气光、颜色均衡以及图像平滑性先验的无监督损失函数。大量实验结果表明,该方法可有效将低光照图像增强为高质量的清晰图像,其性能优于现有的同类方法。同时该方法基于零样本学习,不需任何训练数据集,具有良好的普适性。

基于色调色相不变约束的迭代自适应彩色图像增强

针对低照度图像增强后容易出现亮度过大和颜色失真的问题,提出了一种迭代自适应彩色图像增强算法.最初,原始图像从RGB色彩空间到YCbCr色彩空间进行转换,而后在色调不变和色相不变的约束下,利用推导出的结论和算法,在图像质量指标的控制下进行局部空间中搜索,获得较好的迭代的次数,最后得到增强的彩色图像.通过视觉注意机制的检验,算法在焦点覆盖比和速度上均得到良好的效果.

基于相似场景的低照度监控图像增强

为了使低照度监控图像增强后的效果近似于自然光照下的图像,更有利于辨识,对基于相似场景的低照度监控图像增强方法进行研究。首先获取良好光照下,与低照度监控图像场景相似的图像,并建立图像库,从中选择最合适的图像作为参考图像;然后通过直方图匹配的方法,以参考图像为标准,对低照度图像进行增强,并用迭代增强的方法不断提高图像的清晰度;最终得到增强后的低照度监控图像。实验结果表明,该方法改善了图像的视觉效果,提高了图像的亮度和对比度。

On the Characteristics of the Convergence of Ishikawa Type Iterative Sequences for Strong Pseudocontractions and Strongly Accretive Operators

In this paper, the results characterize the convergence of Ishikawa type iterative sequences (with errors) for constructing the solutions of strongly accretive operator equations, the solutions of rn-accretive operator equations, and the fixed points of strong pseudocontractions. These results extend and improve Theorems 1-3 of Chidume and Osilike (Nonlinear Anal. TMA, 1999, 36(7): 863-872).