基于旋涡漂移假设的流线型闭口箱梁竖向涡振机理研究

旋涡脱落和漂移是桥梁涡振发生的关键流场特征,有必要从涡动力学的角度揭示涡振机理。以典型流线型闭口箱梁为例,从气动力做功能量角度,构建简化涡模型,并结合基于风洞试验的断面表面气动力时频特征和基于数值模拟方法的断面周围流场特性,揭示流线型闭口箱梁多阶涡振机理,验证上述模型。研究表明:分离涡斯托罗哈数表征旋涡气动力做功能量特征,其可表达为旋涡漂移速度与来流风速比值的正整数倍,即同一分离点可对应多个涡振锁定区。流线型箱梁断面存在3阶竖向涡振锁定区,其中,第2阶和第3阶涡振锁定区均由来流经过断面前缘附属设施时产生的大尺度旋涡,在分离点至断面尾缘之间发生周期性漂移诱导与维系。在第2和第3阶涡振锁定区内分离涡分别耗费约2个和1个振动周期完成从分离点至截面尾缘的漂移,即二者分别由该分离点诱发的2阶和1阶简化涡模式主导。该研究验证了简化涡方法推演桥梁断面周围旋涡演变特性的合理性。

基于P-L双重特征提取的PEMFC系统故障诊断方法

针对质子交换膜燃料电池系统故障诊断问题,提出基于P-L双重特征提取的故障诊断方法。使用P-L双重特征提取对预处理后的样本数据进行特征提取,通过冗余变量剔除与二次特征提取,最大程度保留分类特征并有效降低样本数据维度。利用二叉树多类支持向量机与极限学习机对二维故障特征向量进行分类实现故障诊断。通过实例验证,对比线性判别分析的特征提取效果,P-L双重特征提取可使相同分类器测试集诊断准确率提高21.19%,诊断准确率达99.27%,实现了PEMFC系统膜干、氢气供应故障的精准快速诊断。

多特征非接触式测谎技术

为提高测谎准确率,提出了一种基于多模态信息融合的测谎模型。在该模型的支持下,仅需对测谎者在说话期间的视频与音频信号进行处理即可有效完成测谎评估任务。心率可以反映测谎者的情绪变化,通过光电体积描记(Photo-Plethysmography,PPG)方法及全连接网络提取心率变化特征,通过3D卷积神经网络(3D-Convolutional Neural Networks,3DCNN)及Word2Vec+CNN提取视频与语义特征,并将特征进行融合;使用线性支持向量机(Linear Support Vector Machines,L-SVM)对融合后的特征进行分类。在开源Real-life Trial数据集上的仿真实验结果表明,与其他多模态模型相比,本文提出的测谎模型在三模态下的准确率提升了2.74%。

基于K-L变换与LS-SVM的玉米品种识别方法

为实现外观相似的不同玉米品种的有效识别,提出了K-L变换与最小二乘支持向量机相结合的籽粒品种鉴别方法。采用标记算法及多尺度小波分析方法获得玉米单籽粒图像,应用K-L变换技术提取籽粒图像的特征数据,设计了二叉树型多类LS-SVM分类器,实现了对特征数据的有效分类。通过试验分析,确定了较为合理的状态空间维数(L=3),正确识别率可达95.3%。

基于聚类动态LS-SVM的L-赖氨酸发酵过程软测量方法

针对生化反应过程中软测量模型存在的模型失效问题,提出了一种基于模糊C均值聚类(FCM)和动态LS-SVM的混合建模方法。首先,采用FCM算法将训练集分成具有不同聚类中心的子集,然后对每一类分别采用LS-SVM进行训练并建立子模型。对于带有新信息的样本数据首先计算其对每一类的模糊隶属度函数,然后用隶属度最大的一类所对应的子模型进行动态学习,并更新子模型。将所提出的软测量建模方法用于对L-赖氨酸发酵过程关键生物量参数的预测,实验结果表明所提出的建模方法可以有效地增强软测量模型适应工况变化的能力,提高其预测精度。

基于IVUS图像的动脉硬化斑块分析与识别

在血管内超声图像中识别动脉硬化斑块类型,为临床诊断动脉血管病变提供了客观依据。针对动脉血管内斑块超声波图像的特征,选取斑块及其外围区域图像,通过K-L变换提取图像分类信息,利用支持向量机模型设计分类器识别动脉斑块的类型。实验结果表明本方法对不同斑块的正确识别率均达到80%以上,所构造的识别系统具有较高的正确识别率。

基于PSO-SVM逆的赖氨酸发酵过程软测量

针对赖氨酸发酵过程非线性、大滞后、多变量动态耦合,关键生化参数难以实时在线测量等问题,提出一种改进的粒子群-支持向量机(PSO-SVM)逆发酵过程软测量建模方法。首先分析逆系统的存在性,并结合赖氨酸发酵过程,引入发酵特征信息和舍弃次要信息构造逆扩展模型;然后利用支持向量机离线辨识初始逆扩展模型,并根据系统输入与模型输出的偏差信号,采用粒子群算法对初始逆扩展模型进行在线校正;最后将校正后的逆扩展模型串联在原发酵过程之后构成复合伪线性系统,实现不直接可测关键生化参数的在线预测。以L-赖氨酸流加发酵过程为例,验证了所提算法能够对发酵过程关键生物量参数进行较准确的在线预测,较普通的SVM逆建模方法具有更高的预测精度。

Modified L-P小波最小二乘支持向量机及在动态系统辩识中的应用

为了提高动态系统的辩识品质,提出了一种新的可调带宽多维支持向量小波核函数—modified L-P小波核函数。理论上证明了这种核函数是满足平移不变核定理的支持向量核函数。由于该核函数具有平移伸缩正交性,而且适用于信号的局部分析、信噪分离和突变信号的检测,从而提升了支持向量机的泛化性能。应用Modified L-P小波核作为最小二乘支持向量机的核函数,可以简化计算复杂性,提高学习效率。回归实验和动态系统辩识的仿真结果表明,Modified L-P小波核函数最小二乘支持向量机的建模和逼近能力优于基于L-P小波核函数或高斯核函数最小二乘支持向量机,更适合工程应用。

基于K-L变换和支持向量机的三维肺结节识别

针对传统二维结节感兴趣区的特征提取忽略了肺结节在三维空间的细部特征问题,提出了一种基于K-L变换和支持向量机(SVM)的肺结节识别新方法.首先对三维肺结节的几何特征和密度特征进行分析,计算并提取三维特征形成原始特征空间,然后使用K-L变换方法进行原始空间变换,去除特征间相关性,最后采用支持向量机分类方法来进行肺结节识别,并引入ROC曲线对算法性能进行评价.实验针对36组具有临床标注"金标准"的肺部HRCT数据进行,结果表明该方法的识别准确率可以达到94.33%,ROC曲线的Az值为0.94.

HL-Isomap+SVM在网络入侵检测中的应用

支持向量机所具有的处理小样本和良好的推广能力的优势,在入侵检测中得到了广泛应用。考虑到数据特征的高维性和冗余性,特征提取是一个关键步骤。采用非线性流形学习算法L-Isomap对入侵检测数据进行特征选择,然后应用one-classSVM训练并识别异常。通过将异构值差度量(HVDM)距离代替欧几里德距离提出了HL-Isomap。选用KDD数据集来比较上述不同模型,实验结果表明了降维方法的有效性,尤其是误警率性能得到了显著的提高。

一种新的离线手写签名识别方法

脱线签名的验证较难,他仅依靠签名图像的静态信息,而书写过程中的动态信息几乎完全消失。针对脱线手写签名识别的特点,提出基于提升小波变换的特征选取方法,将传统的结构特征与统计特征有机结合起来。运用K-L变换对已提取的特征向量进行降维。最后通过支持向量机进行真伪识别。实验结果表明该算法对测试样本具有高识别率。

赣南脐橙叶片含水量和叶绿素含量的近红外检测

[目的]得到一种快速检测叶片含水量和叶绿素含量的定量估计模型。[方法]选取88片赣南脐橙叶片作为研究对象,运用近红外光谱技术检测叶片含水量和叶绿素含量2个指标。通过6种不同预处理方法（SG/MSC/1st D/2nd D/SNV/Baseline）在全波段4 000-12 000 cm^-1范围内建立了叶片含水量和叶绿素含量的PLS、PCR和LS-SVM定量检测模型。[结果]试验得出,在预测叶片含水量的模型中,PLS、PCR和LS-SVM预测效果整体相差不大,其最优的预测模型是使用PLS建模,其中RP=0.985,RMSEP=0.023。在预测叶片叶绿素含量的模型中,3种方法预测效果相差不大,最优预测模型是MSC-LS-VSM,其中RP=0.933,RMSEP=0.23。[结论]研究表明,应用近红外光谱技术对赣南脐橙叶片含水量和叶绿素含量的快速检测具有可行性。

基于LS-SVM的汽轮机组加热器运行经济性评价方法

提出了采用最小二乘支持向量机(LS-SVM)及选择径向基(RBF)核函数模型计算汽轮机组低压加热器端差应达值与相应实测值之间的偏差对加热器性能进行评价的方法。以某300MW机组6号低压加热器的正常运行状态为例,验证了采用LSSVM模型计算加热器端差应达值的可行性,并应用该计算模型对6号低压加热器在故障状态下的经济性进行计算分析。结果表明,该加热器上、下端差的实测值与应达值之间的均方差分别为0.536 3、5.055 3℃,均远大于其正常状态时的相应均方差值(0.005 3、0.007 8℃),说明该加热器发生了故障。经检查,证明其故障为该机组6、7号低压加热器之间的旁路门发生内漏及6号低压加热器水位偏低。表明该计算模型可应用于低压加热器运行热经济性评价,并可实现对加热器故障的早期发现。

基于K-L散度与PSO-SVM的齿轮故障诊断

针对表征齿轮故障信号特征难提取及支持向量机结构参数基于经验选取,致使故障状态识别精度差的问题,提出了一种基于K-L散度与PSO-SVM的齿轮故障诊断方法。首先,用经验模式分解(EMD)将齿轮振动信号筛分为多个本征模式分量(IMF);然后,选取包含有信号主要特征的IMF并求其与无故障原信号的K-L散度值;其次,利用粒子群算法(PSO)优化支持向量机(SVM)的惩罚系数和高斯核宽度系数两个结构参数,在此基础上建立齿轮故障分类模型;并利用实验齿轮数据验证方法的有效性,结果表明,与TF-SVM、TF-PSO-SVM、K-L-SVM方法相比,基于K-L散度与PSOSVM的齿轮故障诊断方法具有更高的精度。

基于变量筛选的烟气流量软测量研究

为了解决烟气流量主要依靠硬件传感器测量,高温腐蚀使得传感器损坏,烟气湍流、紊流现象的存在,使得测量不准确等问题,提出一种基于投影重要性分析和前向搜索筛选辅助变量,使用支持向量机建模的软测量方法,测量SCR反应器入口烟气流量。以电厂阵列式传感器测量出的烟气流量作标准,使用最小二乘支持向量机方法建立模型预测输出,对比投影重要性分析筛选辅助变量和不筛选变量结果表明,投影重要性分析和前向搜索筛选辅助变量的方法对建模有较好优势,能够减小系统结构,增加软测量建模的泛化能力。

基于K-L变换和LS-SVM的车牌字符识别新方法

针对车牌识别中识别率和识别速度难以同时提高这一难点,本文提出一种K-L变换和最小二乘支持向量机相结合的车牌字符识别新方法。首先使用K-L变换对预处理后的车牌字符图像进行特征降维;然后根据车牌字符的排列特征采用聚类分析中类距离思想,设计四组最佳二叉树的最小二乘支持向量机子分类器来分别实现字母、数字和汉字的识别。实验结果表明,该方法所设计的分类器较好的解决了传统多类算法中存在的不可分区域情况,具有较高的识别率和识别速度及分类推广能力。

Fisher准则K-L变换和SVM在分类中的应用

在模式分类问题中,利用Fisher准则及K-L变换将样本数据从高维特征空间映射到低维特征空间以提取特征;而SVM(支持向量机)引进核函数隐含的映射把低维特征空间中的样本数据映射到高维特征空间来实现分类。文章利用三种方法对鸢尾属植物数据集的分类进行仿真试验,并对仿真结果进行分析比较,给出了三种方法在模式分类应用中的异同以及他们之间的内在联系和区别。

基于PCA和SVM分类的跨年龄人脸识别

对不同年龄的人脸进行识别,以ORL人脸库作为数据来源进行特征提取,得到每幅图像对应的矩阵,然后建立PCA主成分分析模型,对人脸特征矩阵进行K-L降维得到基特征脸。最后基于SVM(支持向量机)分类器学习,用Matlab编程对模型进行求解,对人脸进行分类识别。测试仿真结果显示,基于ORL人脸库测得的识别准确率为83.5%,准确度较高,证明该方法有效。

基于第二代Bandelet的脱线签名识别

由于脱线签名鉴定丢失了在书写过程中的动态信息,鉴定难度大。本文针对脱线签名识别的特点,提出了基于Ban-delet变换的特征提取方式,将传统的结构特征和统计特征有效地结合起来。通过K—L变换降低特征向量的维数,然后采用支持向量机(SVM)的方法进行训练和识别。对400个手写样本进行了识别,实验证明该方法能有效提高脱线签名的识别率。

基于双目视觉的固定翼无人机自主着陆技术研究

针对固定翼无人机自主着陆需求,结合旋翼机自主着陆方法优势,提出一种基于双目视觉的固定翼无人机自主着陆方法。分析无人机着陆过程,设计地标形状及其摆放方式;基于轮廓几何特征及SVM分类器完成目标识别。为保证算法实时性,对目标图像进行网格采样,以基于前后双向跟踪误差与相邻帧局部区域图像相似性约束改进的金字塔L-K光流法为核心对采样点进行跟踪;设计目标再搜索算法,进行跟踪失败再搜索,保证跟踪稳定性。最后,提取亚像素级特征角点,基于透视投影理论完成相对位姿解算,并进行双目均值融合。实验结果表明:算法实时性、稳定性较好,有较高估计精度,可满足固定翼无人机自主着陆需求。