基于RBF神经网络的润滑油自动识别系统设计

目前通过油料常规质量指标和成分结构信息进行油料种类识别的方法因所需仪器设备多,分析测试过程复杂而缺乏实用性和推广价值;在分析油品理化性能指标与其类别间的相关关系及神经网络的特点后,以最简单方式提取尽可能多的特征参数为原则,通过表观特征参数的途径,设计了一种简单小巧的装置,可同时提取油料密度、粘度、吸光度、电导率和介电常数等参数的特征向量,提出了用RBF神经网络进行油料种类识别的方法,并给出了实现算法;实验结果及应用情况表明,该方法识别效果比较理想,为当前油料种类识别问题给出了一种新的解决途径。

幅相二元距离加权的自适应滑动平均滤波

对于光谱图、心电图、线阵CCD光斑图等尖峰型信号,既要滤除噪声又要保持信号峰的位置、幅度、面积、边缘陡度等特征,这是一对难以兼顾的矛盾。在分析了常规加权滑动平均滤波算法的基础之上,提出了幅相二元距离权系数的概念。它不仅考虑了参与加权滑动平均运算的采样数据点间在相位上的相关性,同时也考虑了它们在幅值方面的相关性,有效地解决了峰脚数据被拉高的问题。通过动态调整相位距离阈值或幅值距离阈值,有效地解决了峰顶数据被拉低的问题,从而建立了基于幅相二元距离加权的自适应滑动平均滤波算法。该算法已成功应用于基于线阵图像的视觉式全参数车轮定位检测系统中,使得光斑位置亚像素检测精度从原来的0.5像素提高到了0.03像素。