基于核函数-Wiener过程的轧辊非线性退化建模与剩余寿命预测

在轧钢生产过程中,由于磨损等原因,长时间复杂工况运行下的轧辊工作性能会呈现逐步衰退的特征.考虑轧辊工作环境具有工况复杂、随机干扰强等特点,提出基于核函数-Wiener过程(KWP)退化模型,使用Wiener过程刻画轧辊退化趋势的强随机性特征,引入核函数捕捉轧辊的非线性退化路径,推导贝叶斯框架下参数估计的解析表达式,并构造轧辊可工作转动量的健康指标,进一步预测轧辊剩余寿命(RUL).结合某钢铁公司1580热轧生产线现场数据,所构建模型拟合优度达到0.989,剩余寿命预测误差低于4.7%,相较常见机器学习算法取得了更好效果,有助于提高设备运转效率与安全性并实现视情维护.

基于Wiener核和BP神经网络的非线性模拟电路故障诊断

研究提出基于非线性电路的Wiener核和BP神经网络的故障诊断方法。在输入为高斯白噪声的情况下,对输入、输出信号进行采样,通过计算各阶相关函数的方法得到正常及各种故障状态下非线性电路的Wiener核。把该核作为状态特征并进行适当的预处理,与对应的状态一起组成BP神经网络的输入和输出样本来对神经网络进行训练,从而实现对模拟非线性电路的故障诊断。文中给出了Wiener核的数字计算方法和诊断神经网络的建立方案,并通过诊断实例加以验证。

Modeling Distortion Signals of Power Grid Based on Wiener-G Functionals

The uniform mathematical model of distortion signals in power grid has been setup with the theory of Wiener-G Functional. Firstly,the Matlab simulation models were established. Secondly,the Wiener kernel of power load was found based on the Gaussian white noise as input. And then the uniform mathematical model of the power grid signal was established according to the homogeneous of the same order of Wiener functional series. Finally,taking three typical distortion sources which are semiconductor rectifier,electric locomotive and electric arc furnace in power grid as examples,we have validated the model through the Matlab simulation and analyzed the simulation errors. The results show that the uniform mathematical model of distortion signals in power grid can approximation the actual model by growing the items of the series under the condition of the enough storage space and computing speed.

Wiener核的快速提取算法

对于非线性特性未知的模拟电路,可以运用Wiener泛函级数来描述,且Wiener核值可以表示电路特征。但是随着阶数及采样点数的增加,Wiener核值提取运算次数呈指数形式增长,这给应用带来困难。针对这一问题,提出了一种折叠递推快速算法,经分析计算本快速算法比常规算法节省乘法计算量90%以上。在此基础上,运用快速算法与常规算法针对典型电路进行了对比实验,提取的核相同,可以快捷有效的诊断电路的正常状态及不同软故障状态。

YEH-WIENER过程的希尔伯特空间再生核

本文证明定义在集合Q中的函数Г是在集合口上一个协方差核,然后找出在Q上协方差核Г的希尔伯特空间再生核,同时讨论了这个再生核的一些线性算子。

基于核函数主分量的维纳滤波方法研究

针对强随机噪声地震资料背景下经典维纳滤波方法在信号的保幅及高维数据空间求解过程中产生病态矩阵的问题,提出利用核函数主分量维纳滤波压制强地震勘探随机噪声.首先利用线性核函数将地震信号映射到特征空间,再通过主分量分析方法提取地震数据主分量进行数据降维,并得到核主分量维纳滤波因子,从而进行核主分量维纳滤波(K-WPC).正演仿真及对实际地震资料处理表明,该方法对随机噪声有较好的压制作用,保幅效果也令人满意.

一种改进的核维纳滤波器图像去噪算法研究

提出一种新的改进核维纳滤波器图像去噪算法。维纳滤波器通过最小化去噪图像与原始无噪图像之间的均方误差准则进行线性变换完成去噪,维纳滤波器给出了贝叶斯意义下最好的解。但是单纯的线性变换通常难以满足非平稳随机过程,采用核方法将维纳滤波器扩展到特征空间进行非线性变换是一种很好的处理手段。在进行特征空间的非线性维纳滤波时,重构输入空间的原图像时常常会遇到局部收敛性、对初始点较为敏感等问题,考虑到在高斯核函数下,特征空间均方误差和输入空间均方误差有一定的内在相关性,将输入空间下的维纳滤波结果约束到特征空间的均方误差中,在有训练样本下,不但可以进一步提高收敛速度和最优化,而且能更好地恢复原始信号信息。实验结果表明,所提方法的要比传统的维纳滤波和核维纳滤波更为有效。

基于改进时空特征的三维人体位姿估计方法

针对传统三维人体位姿估计方法后期处理易受自我遮挡或镜像的影响,提出直接从边界盒的时空体估计中央帧的三维位姿的方法。选择连续帧中目标周围的边界盒,利用卷积神经网络进行运动补偿,使目标始终位于中央位置,形成修正时空体,从时空体中提取三维梯度方向直方图特征,作为修正时空特征,训练回归器估计中央帧的人体三维位姿。对Human3.6m、HumanEva和KTH多视角足球3种数据集进行实验,实验结果表明,与传统方法相比,提出方法通过综合利用外观信息和运动信息,三维人体位姿的估计准确性得到明显提高,泛化性能更强。

应用维纳核辨识非线性系统

利用维纳理论 ,对非线性系统中一种重要而基本的模型结构一般模型的离散形式进行了分析 。

一般模型的核函数

基于Ｖｏｌｔｅｒｒａ理论和Ｗｉｅｎｅｒ理论，较为系统地研究了连续与离散时不变一般模型及其在有外部扰动情况下的Ｖｏｌｔｅｒｒａ核和Ｗｉｅｎｅｒ核的计算方法，并给出计算结果与数值模拟算例。

基于Tetrolet变换域核维纳滤波斑点噪声抑制

针对图像中广泛存在的斑点噪声,提出了一种基于Tetrolet变换域抑制方法。该方法首先对噪声图像进行三层Tetrolet分解,获得低频和高频分解系数;然后对于高频Tetrolet分解系数采用基于核方法的自适应维纳滤波器进行滤波处理;对于低频Tetrolet分解系数设计出一种可调节参数的自适应阈值函数进行噪声抑制;最后进行系数重构。实验结果表明,该算法具有较好的滤波效果。

二类具有卷积核和Hilbert核的奇异积分方程

提出并讨论了含有卷积核和Hilbert核的Wiener-Hopf型、对偶型奇异积分方程,利用离散的Fou-rier变换将其转化为方程组,并首次在L2[-π,π]上得到了这二类方程的可解条件和一般解.

基于RGB通道自适应的维纳滤波图像去模糊研究

图像去模糊是针对当图像受到模糊,复原出期望的清晰图像的过程;由于图像受到模糊的程度及过程未知,很难利用精确的模糊核对图像进行复原;同时要考虑到图像的三个通道在受到模糊时的影响不一致,对维纳滤波复原图像进行了研究,提出一种基于RGB三通道下自适应的维纳滤波图像去模糊技术研究;首先对图像进行模糊核估计,求出模糊核,然后将图像分为有限个图像块,对图像进行降维,最后,通过求出的模糊核应用到维纳滤波模型中,进行图像复原;与现有的方法比较,基于RGB通道自适应的维纳滤波图像去模糊研究的方法能够得到更好的恢复效果,并有效的抑制了边界出现的振铃现象。

基于先验知识的模糊影像运动模糊核估计研究

无人机模糊影像恢复的效果取决于模糊核的精确度,高质量的模糊核是模糊影像恢复的关键。文中提出了一种利用先验知识预估模糊核的算法。根据无人机相邻影像,结合随机模糊核生成模糊影像的样本数据库,利用模糊影像和样本影像之间的残差,拟合多项式,计算模糊核。结合实验进行验证,对获取的无人机模糊影像进行验证,运动模糊影像水平方向模糊核的预估准确度达到100%,结合维纳滤波算法进行影像恢复,该方法可以很好的恢复运动模糊影像。

干扰信号作用下一般模型的分析

研究了连续与离散时不变一般模型的高斯白噪声干扰信号的作用下 ,其固有Wiener核所受到的影响 。