改进小波变换下的永磁同步电机机械故障识别

针对永磁同步电机部件参数具有延续性关联性特征,机械故障特征难以提取,导致识别精准度较低的问题,研究改进小波变换下的永磁同步电机机械故障识别技术。建立永磁同步电机内定子、转子的同步状态参数数学模型,通过三相方程按照正弦分布变化规律,得到在电机正常同步状态下各项参数的周期性数据,以该值作故障状态特征提取的初始参照。以永磁同步电机内高、低频作为特征提取尺度,基于改进小波包变换完成电机机械故障特征信号重构提取;基于Kalman滤波残差估计算法计算重构信号的故障残差值,与初始状态对比,完成故障识别。经过实验证明,所提方法识别精准度高,可以识别出短路故障下的三相定子电流和电机输出转矩,具有一定的实用价值。

10kV电缆接头典型缺陷局部放电类型模式识别

针对配电网10 kV电缆接头典型缺陷常见放电类型识别精度低问题,根据电缆接头常见放电类型建立4种放电模型,搭建局放试验平台并获取模型的放电谱图.对谱图的分布特征、矩特征、纹理特征进行提取,对比反向传播(Back Propagation,BP)神经网络算法和网格搜索参数优化的支持向量机算法(Support Vector Machine,SVM)对放电模型特征序列的识别精度.制作4种电缆接头典型缺陷实物模型并获取其放电谱图,提取谱图分布特征、矩特征及纹理特征.对比BP神经网络、基于网格搜索参数优化的SVM和基于遗传算法参数优化的SVM等3种算法对电缆接头缺陷放电类型的识别精度.研究结果表明:基于遗传算法参数优化的SVM算法能对电缆接头缺陷放电谱图的组合特征进行准确识别,且识别率高于其他传统算法,在电缆局部放电模式识别领域具有一定的工程应用价值.

基于粗-精立体匹配的激光焊接机器人三维视觉定位研究

激光焊接机器人在开展焊接任务时,难以找到最佳特征匹配点,导致目标三维视觉定位精度下降,直接影响焊接效果。为了提升激光焊接机器人目标定位精度,提出基于粗-精立体匹配的激光焊接机器人三维视觉定位方法。通过机器人搭载的摄像机获取目标图像,并对目标图像实施轮廓增强处理。根据轮廓增强结果提取目标特征点,结合粗-精立体匹配寻找最佳特征匹配点,建立激光焊接机器人目标的三维视觉定位模型,实现目标的三维视觉定位。实验结果表明,使用该方法进行激光焊接机器人目标定位时的时间短、效果好。

一种基于高斯混合模型的主机运行工况构建方法

对复杂的船舶主机运行数据进行有效的工况划分可以提升主机设备的监测能力,基于工况下各个设备参数的特征值变化情况,进一步提升主机设备故障诊断和预估能力。为此,提出一种基于高斯混合模型(GMM)的主机工况构建方法。该方法首先对实船监测数据进行预处理和初步筛选,再对各个特征参数之间的相关性进行分析,从而确定转速和功率为聚类划分的特征参数。引入置信区间获取目标船主机在主要营运要求下的转速范围,提升工况划分的效率,结合GMM构建主机工况划分方法。基于GMM的工况划分方法可以对复杂的主机运行工况进行有效划分,能为各个工况下的主机设备监测提供可靠的数据支撑。

压缩感知理论中的建筑电气系统故障诊断

针对目前建筑电气系统缺少有效诊断故障方法的问题,提出一种基于压缩感知理论的建筑电气系统故障分析诊断方法,其中的关键是将故障的分类归结为一个求解待测样本对于整体训练样本的稀疏表示问题。使用建筑电气故障模拟平台数据建立了其故障诊断模型,分别采用支持向量机、l1分类器和l2分类器对系统的5种故障状态进行了诊断对比,结果表明,利用稀疏表示算法可以达到很好的诊断效果,分类准确率为96.4%,诊断运行时间0.260 1 s,可以满足小样本数据的建筑电气故障诊断工程应用的需求。

基于最优Morlet小波自适应包络解调的弱故障特征提取方法

为自适应实现Morlet小波与故障冲击特征成分的最优匹配,采用基于Shannon小波熵的方法优化带宽参数设计最优Morlet小波。针对最佳尺度求取的难题,利用谱峭度与小波熵均能敏感反映冲击性的特性,提出了基于峭熵比求取最佳尺度。基于此,提出基于最优Morlet小波自适应包络解调的弱故障特征提取方法,该方法首先对信号进行最优Morlet连续小波变换;然后,依据峭熵比自适应地求取最佳尺度并提取最佳尺度的小波系数;最后,对最佳尺度的小波系数取模即可实现对最优频带的包络解调,得到包络谱,从而实现微弱故障特征的提取。实例分析表明:该方法克服了传统包络解调需要人为设定带通滤波器参数的不足,能有效地从强噪背景中提取微弱故障特征。

无人直升机视觉着舰中合作目标角点检测算法

舰载无人直升机自主着舰视觉导航在拍摄图像时,存在大尺度、角度畸变,使得合作目标角点难以检测,提出一种基于SIFT的分区双向匹配角点检测算法。设计了一种非对称彩色合作目标(由红色背板、绿色的H形和三角形组成),利用色彩信息对合作目标进行分割裁剪、识别,并分别对基准裁剪图和实拍裁剪图提取SIFT特征。为了提高SIFT特征匹配的实时性和准确性,提出了分区双向匹配策略。首先求取基准和实拍裁剪图中H形、小三角形重心以及H形上距离三角形重心最近的边缘点,以这三对匹配点求取基准图和实拍图间的粗略仿射模型。将基准裁剪图中的SIFT特征点经过该模型变换得到实拍裁剪图中的映射点,以每个映射点为圆心,以裁剪图宽度的1/4为半径将其分区,匹配时只选择每个映射点区域内的SIFT特征匹配点。同理,对基准裁剪图也进行分区处理。然后通过双向匹配及RANSAC算法剔除错误的匹配对,利用正确的匹配对完成基准图和实拍图仿射变换的精确模型。最后,将基准图中标定好的角点经过仿射变换获取实拍图中合作目标的角点位置。实验结果表明,该算法不仅精度高、鲁棒性强,而且具有较好的实时性。

基于物联网和深度卷积神经网络的冬枣病害识别方法

针对传统的作物病害识别方法中人为提取的分类特征,对复杂作物病害图像的形状、光照和背景比较敏感等问题,提出一种基于物联网和深度卷积神经网络(DCNN)的冬枣病害识别方法。DCNN由1个输入层、4个卷积层、3个下采样层、1个全连接层和1个输出层组成。利用该方法能够提取冬枣病害图像的有效特征,并识别病害类型,避免了传统作物病害识别方法中繁琐的特征提取过程。在4种冬枣病害果实数据库上进行了冬枣病害识别实验,识别率达到92%以上。试验结果表明,该方法适合利用物联网采集的大规模视频病害图像进行冬枣病害识别。

可用性测试中用户皮肤电水平变化分析——基于EEMD的方法

根据可用性测试过程中用户皮肤电水平(skin conductance level,SCL)的变化,提出了基于总体平均经验模式分解(ensemble empirical mode decomposition,EEMD)技术的用户SCL信号趋势和变化特征提取方法。首先,应用EEMD技术对SCL信号进行分解,得到若干独立的基本模式分量及趋势项;然后,对基本模式分量进行显著性检验,进而实现信号的去噪去趋势重构,得到用户SCL的变化特征。实验结果表明:界面的可用性问题使得用户SCL单调趋势变得不明显;当用户遇到可用性问题时,SCL去噪去趋势重构信号波动幅度明显变大,Wilcoxon符号秩检验表明不同阶段用户SCL去噪去趋势重构信号功率差异显著。因此,基于EEMD的信号处理方法能有效支撑可用性测试过程中用户SCL变化的分析。

基于多尺度形态学分解谱熵的电机轴承性能退化特征提取

结合数学形态学与信息熵理论,提出一种基于多尺度形态分解谱熵的电机轴承退化特征提取方法。对不同损伤程度轴承的振动信号进行多尺度形态分解,分别计算其在不同尺度域内的复杂性度量:能谱熵与奇异谱熵,以其作为预测特征矢量可以对性能退化趋势有很好的线性反映能力。仿真与实例数据验证了此方法的有效性。

钻削声发射信号高阶谱研究及应用

为解决批量钻削工序质量检测问题,采集各工步加工过程声发射监测信号,提出一种基于声发射信号高阶谱分析的批量钻削质量检测方法。基于统计意义上正常钻削过程声发射信号符合高斯分布的假说,对采集的信号进行小波包消噪后,计算批量钻削工步信号的双谱切片,描述信号偏离高斯分布的程度,并分析其与钻削加工工步质量的映射关系,实现钻削加工工步质量检测。实验及分析结果表明:基于声发射信号双谱切片提取的信号特征可有效辨别批量钻削工步中的质量不合格品。

幅度谱差分子空间雷达自动目标识别

雷达高分辨距离像是目标的重要结构特征,其维数通常很高,造成数据可分性表达差,识别过程计算复杂度高,识别率低。为降低距离像的维数,提出一种新的距离像特征提取方法,即采用直接线性判别分析(dLDA)在距离像幅度谱差分空间进行特征提取,得dLDA幅度谱差分子空间。目标识别即在所得dLDA幅度谱差分子空间中进行。采用外场实测数据,分别训练了最小距离分类器和one-against-all支撑向量机分类器,2种分类器的识别结果均表明,该方法可显著地降低数据维数并提高识别率。

LS-SVM的非线性特征提取新方法及与PCA的关系研究

提出一种基于最小二乘支持向量机(LS-SVM)的非线性特征提取新方法.先将线性特征提取公式表达成与LS-SVM回归算法中相同的形式;再根据SVM思想,将数据集由输入空间映射到高维特征空间,进而通过核技巧实现非线性特征提取.在理论上证明了所提特征提取方法的结果与PCA方法具有一致性,是传统PCA的一种对偶形式,更适合高维特征数据集的提取.最后,通过近红外光谱数据集特征提取实例验证了在上述条件下该方法的优越性.

基于灰度共生矩阵的眉毛识别方法

文章提出了一种基于灰度共生矩阵的眉毛识别方法.采用灰度共生矩阵提取眉毛特征,利用最近邻法则进行识别.通过实验结果表明,在一个109人的眉毛信息库上,该方法具有较高的识别率,最高识别率可达91.7%.

基于多特征的关键词抽取算法

互联网技术的快速发展导致信息爆炸式的增长。因此,在海量信息中查找关键信息变得非常困难,关键信息的提取技术就变得愈加重要,该关键信息通常表现为关键词。针对该问题,文章设计了一种无监督的关键词抽取算法,无需训练文档,根据候选词的统计特征和词性特征等直接从单个文档中提取关键词。实验表明,算法所提取的关键词优于现有算法所获取的关键词,同时,该算法的时间效率也优于现有的算法。

基于VMD-FHT的风机齿轮箱故障特征提取方法

针对风电机组齿轮箱运行工况复杂、背景噪声大,难以提取其故障特征信息的问题,提出一种基于变分模态分解(VMD)和分数阶希尔伯特变换(FHT)的风电机组齿轮箱故障特征提取方法。利用VMD分解风机齿轮箱各个故障信号,并且定义一种分解品质因数以选取VMD的最优分解层数K;对经最优化VMD分解后的各模态分量进行分数阶Hilbert变换,计算各模态分量的边际谱并进行线性叠加;提取该边际谱的频域特征作为齿轮箱故障信号的特征量。实验结果表明,采用该方法能够准确地提取出风机齿轮箱的故障特征,并获得更优的故障识别效果。

云环境下异常波动状态协作检测方法研究

传统异常检测技术受到冗余数据影响,检测准确率较低,存在一定片面性,由此,本文提出云环境下异常波动状态协作检测方法。分析云计算大规模、虚拟化、高可靠性等特征,据此建立具有部署简单、方便维护、延时较小等优势的云平台集中式监控结构;其次,将准确率、灵敏度与误报率确定为异常波动状态检测指标,利用小数定标方法对数据进行标准化处理,统一数据属性,提取融合后数据的异常特征参数,为数据融合奠定基础;在信息熵分析与非参数CUSUM算法协作基础上判断异常状态,确定异常波动状态,完成检测。仿真结果表明,所提方法检测准确度高,虚警率低,在理论创新的同时具有较强实用价值。

基于中值滤波和ICA的军事目标特征提取方法

针对电子侦察中存在的干扰或多特征重叠问题,提出一种基于中值滤波和独立分量分析(ICA)的军事目标特征提取方法。首先借助中值滤波对含噪声侦察图像进行去噪处理,然后利用无预白化的快速不动点(FastICA)算法对去噪后的侦察图像做目标特征的提取,最后再次通过中值滤波对提取的目标特征图像进行残留噪声的去除。仿真实验结果表明,该方法对噪声的去除效果较好,满足了人们的视觉需求;同时,提取的目标特征图像能够自主地分辨出不同的目标特征,去除掉重叠的目标特征。该方法具有较强的实用性和有效性。

基于Zernike矩和双谱特征的新型干扰识别算法

为了有效应对频谱弥散干扰(SMSP)和切片组合干扰(C&I),提出了一种利用Zernike矩和双谱分析的干扰识别方法。首先对雷达接收信号进行双谱分析,经过降维和归一化处理后,将三维双谱信息转化为二维特征信息,然后将得到的二维特征谱变为灰度图,运用数字图像处理技术对灰度图进行一系列的预处理后,利用Zernike矩特征提取图像的形状特征进行识别。仿真实验证明该方法具有较好的识别率,特别是受信噪比影响较少,且在低信噪比下识别率仍能达到90%。通过与文献[4~6]比较表明,该算法识别效果最好,进一步说明了采用该算法在雷达干扰信号识别领域中的可行性。

PACS图像处理中SURF特征点提取算法实现

在PACS图像处理中经常会遇到分辨率和视野的矛盾问题。视野范围越大则分辨率越小,分辨率越高则视野范围越小。图像拼接技术可以有效地解决这个矛盾问题。图像拼接最终能否达到良好效果,最重要的一点就是选择一个鲁棒而快速的图像配准方法。首先介绍了图像拼接流程,然后详细分析比较了基于特征图像配准中不同特征点检测算法的优劣性。最后用C语言实现了SURF特征点检测算法,并用真实的PACS图像进行试验,验证了不同PACS图像特征点检测算法有效性。