基于粗糙集和支持向量机的火炮内膛疵病识别方法

火炮内膛疵病智能识别是火炮内膛窥测的最终目标,它涉及到内膛疵病的特征提取和疵病识别两方面。首先建立了包括疵病形状、纹理与颜色特征的火炮内膛疵病特征体系;并采用模糊粗糙集理论分析了各疵病特征对疵病识别的敏感性,由此优化了疵病特征体系,降低了疵病特征维数;建立了最小二乘支持向量机小样本、非线性数据特征的多疵病分类器,提高了疵病识别效率和质量。     

基于Contourlet变换的火炮内膛疵病分割方法

对火炮内膛图像进行有效的疵病分割是内膛疵病识别的重要步骤。针对火炮身管导气孑L疵病的分割进行研究,提出基于Contourlet变换的火炮内膛疵病分割方法。通过对内膛图像Contourlet变换高低频系数的调整,在排除导气孔自身结构的影响下,提取出疵病的边缘,并结合形态学处理,实现导气孔疵病的分割。实验结果表明,该方法内膛疵病分割准确,抗噪能力强,适用于火炮内膛疵病分割。     

火炮身管内膛疵病检测现状与展望

简要回顾了火炮身管内膛疵病的光学检测方法及其局限性，详细介绍了目前重点研究的光电窥膛检测方法，分析了取得的成果和存在的问题。对火炮身管内膛疵病检测的发展方向进行了预测与展望，指出基于机器视觉的研究是一个新的方向。探讨了今后的研究思路，提出首要的任务是在软件方面实现“采集一识别一判定”的自动运行，为此需要重点研究疵病检测的机器视觉图像信息、图像的纹理特征分析技术、疵病评定体系等3方面的内容。     

基于改进支持向量回归机的火炮身管寿命预测

为准确预测火炮身管寿命终止时火炮射弹数,根据射击过程中火炮身管磨损量与身管寿命特性,分析了身管膛线起始部磨损量与身管射弹数之间的关系,提出了支持向量回归机算法,并采用遗传算法进行模型优化改进,得到火炮身管寿命预测最优模型。结合两种类型火炮的身管数据,利用该模型对身管寿命进行预测,并与原始支持向量回归机进行对比,通过分析可知改进的支持向量回归机预测效果好、精度高,为火炮在实际应用中身管的寿命预测提供了新的思路。     

基于拼接算法的炮膛疵病自动识别技术

针对当前采用目测识别方法进行炮膛疵病检测时存在的识别速度慢、精度低、人为影响因素大等缺点,提出了一种基于拼接算法的炮膛疵病检测方法。该方法采用Harris角点检测算法进行特征点提取,采用归一化互相关法进行特征点初匹配,采用马氏距离提纯算法消除误匹配,采用改进的8参数透视变换优化估计算法和基于边界保持的函数加权平滑融合算法进行炮膛图像融合,并选取图像面积、短长径之比为特征参数完成疵病的自动识别。实验结果表明：该算法对炮膛图像能较好地进行拼接,而且数值化的疵病识别方法相比传统目测识别方法也更加快速、准确,可为部队和相关工程人员进行身管检测提供有益参考。     

基于GA-SVM的装备保障设备报废技术鉴定方法

为提高装备保障设备报废技术鉴定的准确性,提出了一种基于支持向量机的报废技术鉴定方法.分析了报废技术鉴定主要特征,并给出了各特征的量化和预处理公式.介绍了支持向量机基本原理,并引入遗传算法对支持向量机的惩罚参数和核参数进行寻优.算例验证结果表明,与常见分类算法相比,基于高斯核的支持向量机在装备保障设备报废技术鉴定中,训练时间更短、分类精度更高.     

支持向量机动态多分类方法

针对支持向量机分类中存在盲区的问题,在分析多分类支持向量机构建方法的基础上,采用二叉树支持向量机,通过类型知识库动态更新,建立了二叉树支持向量机动态多分类模型;选取径向基函数作为核函数,给出了提高多分类模型性能的核参数和惩罚因子寻优遗传算法;以卫星整流罩空调系统表冷器控制单元为仿真实验对象,建立了传感器偏置故障、漂移故障、完全故障和精度下降故障的多分类模型,验证了提出方法的有效性。     

一种综合使用支持向量机和遗传算法的隐藏图像检测方法

提出了一种新的基于遗传算法和支持向量机的隐藏图像检测方法。用遗传算法进行图像特征选择，采用支持向量机作为分类器，将支持向量机的分类效果作为适应度函数值返回，指导遗传算法搜索最优的特征，移除图像的不相关特征和冗余特征，提高了学习效率。实验结果表明，与仅采用支持向量机分类但未进行特征选择的隐藏检测方法相比，本方法能有效地提升分类器性能。     

基于改进差分进化算法的内弹道参数优化

火炮内弹道参数直接影响其计算结果,内弹道参数优化设计是内弹道分析计算的重要环节。基于经典内弹道计算模型,以火药内弹道计算中最为敏感的燃速指数及其燃速系数为设计参量,以最大膛压及弹丸初速的计算值与测试值一致性为目标,对差分进化算法群体的初始化、变异因子及变异模式进行了改进,对某型火炮的内弹道参数进行了优化计算。优化设计结果表明改进后的差分进化算法满足内弹道设计工程实践要求,为内弹道参数优化设计提供了一种有效的算法。     

GB/T 1185《光学零件表面疵病》与俄、美相关标准对比分析

本文就我国国家标准《光学零件表面疵病》与俄罗斯相关标准及美国军用相关标准进行对比、分析。就这三个国家(军)同类基础标准的标注方法、麻点、擦痕、表面疵病密集和检验方法进行对比、分析。仅供读者参考。     

基于改进支持向量机的航空装备维修安全评估

传统航空装备维修安全评估大多采用定性评估方法,针对传统评估中存在主观性、随意性过强,实践中缺乏可操作性等问题,提出了基于核密度估计的改进支持向量机。构建了航空装备维修安全评估指标体系,在利用层次分析法对其权重进行计算的基础上,通过改进支持向量机对某单位航空装备维修状况进行了全面评估,为航空装备维修安全评估提供了科学的方法,对确保航空装备维修安全具有较强的理论和现实意义。     

基于灰度共生三角阵的炮膛图像分析

为解决炮膛疵病图像粗分类时缺少聚类和分类特征的问题，引入了灰度共生三角阵（Grey Level Co-occurrence Triangular Matrix，GLCTM）的方法。通过对炮膛样本图像GLCTM特征参量的计算与分析，确定了GLCTM的参数；根据特征参量的相关性分析结果，选择了其中7个作为炮膛图像的特征参量。样本图像的实验结果表明，炮膛图像的GLCTM特征参量取值与图像灰度的直观特点之间存在对应关系。     

基于支持向量机的制造系统静态复杂性综合模型研究

制造系统复杂性对优化制造系统结构设计、提高制造系统的生产效率具有非常重要的意义.然而目前对静态复杂性及动态复杂性影响因素复杂性及其测度的研究较多,对于如何将这些分因素复杂性进行综合得出综合复杂性的研究较少,这直接影响了复杂性研究结果的准确性。鉴于此,引入擅长处理小样本数据的支持向量机对制造系统静态复杂性进行综合,用遗传算法对其参数进行寻优,对模型的有效性进行了验证,结果说明方法的实用性与科学性较强.     

基于改进LS-SVM的异步电机转子故障诊断

为了提高异步电动机转子故障的诊断精度,给出了一种基于改进最小二乘支持向量机(LS-SVM)的多故障分类算法。首先运用FFT处理电机的定子电流信号得到信号频谱图,从中提取故障特征向量;然后将特征向量送入改进算法进行故障诊断时,在原有多分类算法的基础上引入层次分析法确定故障类别的权重,根据权重值确定故障的诊断顺序,依次进行故障分类。实验表明,改进算法用于故障诊断节省了诊断时间,提高了诊断精度,具有很好的推广前景。     

支持向量机的OTHR多频特征目标分类识别法

针对低信噪比下多频法在天波超视距雷达(Over-The-Horizon Radar,OTHR)目标分类识别中分类精度不高的缺点,充分利用雷达量测的一些先验信息,将基于支持向量机(Support Vector Machine,SVM)的多分类器引入多频法中,提出了一种基于SVM的OTHR多频特征目标分类识别方法。仿真结果表明,利用较少的3个频率点,在信噪比较低的条件下可获得较好的分类识别效果,说明了该方法在OTHR目标分类识别中的有效性和可行性。     

基于复杂度特征的干扰识别算法

复杂度可以用来刻画信号的波形变化特征。文中使用了L-Z复杂度和分形维数这两种复杂度作为干扰识别的特征参数并结合支持向量机对干扰进行分类。仿真结果表明L-Z复杂度和分形维数计算复杂度低,且具有较好的类别差异度,同时文中提出的算法具有较高的识别准确率。     

基于支持向量机算法的虚拟脱靶量预测

为了提高防空高炮武器系统的射击精度问题,采用支持向量机(SVM)算法,建立了基于支持向量机的虚拟脱靶量预测模型,提出了预测方法,该算法可以通过对给定样本的学习,获得很好的预测未出现的样本,理论上比较科学,算法简单、易于实现,通过仿真实验验证了该算法对虚拟脱靶量预测的可用性和准确性,为火控系统精度的校正提供了一种有效的方法。