基于AdaBoost-SVM算法的某火炮炮闩技术状态评估

针对现役装备技术状态评估多依赖于手工拆卸的现状,提出一种基于AdaBoost-SVM模式识别算法的在线技术状态评估方法。利用人工后坐在线检测设备对炮闩装置技术状态参数进行检测,在对检测数据进行相关性分析特征提取的基础上,引入支持向量机模式识别方法,建立炮闩装置技术状态评估模型。通过将评估模型与Ada-Boost算法相结合,每次迭代都根据测试精度对分类错误的样本点和各分量分类器的权重重新赋值,在下一次迭代中形成新的分量分类器以优化分类结果,最终将各分量分类器依其权重综合完成评估。实例分析结果验证了评估模型的正确性和有效性。     

中近距离爆炸与地震的识别

建立了一种识别中近离爆炸与地震的方法,采用Ｆｉｓｈｅｒ线性差别和多层前馈神经网络２种模式识别方法对河北地区和山西地区２的类事件进行了识别,实验证明：Ａｐ／Ａｓ,Ｔｓ具有较好的分类能力,Ｍｌ／Ｍｄ的分类能力一般;实验还表明,鉴别量的分类能力不仅与传播有关,还与采用的模式识别方法有关。     

网络学习模式识别移动代理因素提取方法研究

从分析网络学习因素的角度出发,提出了利用数据融合理论和使用移动代理技术解决网络学习模式识别的问题。详细分析了网络学习模式中的主要因素,针对网络学习模式识别提出了使用移动代理(MA)进行因素提取的方法。同时运用数据融合技术中分布式缠绕判决模型进行描述,从而使有效地获取网络学习者的学习状态变为可能。也对网络学习因素提取MA的执行环境进行了具体阐述。设计了因素提取MA体系结构,分析了因素提取的执行过程,采用ATP层代理传输协议作为移动代理系统的应用层协议,负责学习模式识别的因素提取。     

基于样本库的示功图模糊模式识别

给出了一种基于样本库的示功图模糊模式识别方法，详细介绍了其模型的建立和算法的设定，并结合实例进行了分析，最后用Ｍａｔｌａｂ进行了仿真实验．     

机械故障自动特征向量提取与智能识别系统

有效特征向量的提取和状态识别是设备状态监测与故障诊断中的关键技术.近年来,国内外非常重视特征参量有效性的研究和模式识别方法的探讨.笔者介绍了“机械故障自动特征向量提取与智能识别系统”的设计、结构与功能、实现方法及其应用.     

一种新的模式识别模型及其实现

模式识别是机器智能的一个重要研究领域,针对当前模式识别方法的难点和应用的要求,本文从模式识别问题描述出发,构造了一种新的模式识别模型,并对这种模型的动力学过程进行了描述和分析,论述了这种模型的可能实现途径,并详细论述了两种神经网络的实现方法。     

基于正交小波包和K-L变换的水声信号特征提取与识别

在海洋作战环境中,水声目标识别与分类是水声设备与水中兵器系统智能化的关键技术之一,基于小波变换的模式识别方法受到广泛研究与重视,在对水声信号进行正交小波包分析的基础上,以信号在各分解子空间的能量分布构成原始特征空间,运用K-L变换进行模式识别特征空间的提取,并基于最小欧氏距离设计分类器,提出了一种新的水声信号识别方法,仿真实验验证了算法是有效的.     

铁磁材料裂纹漏磁信号的定量检测

针对无损探伤难于实现定量检测的问题,探讨了基于模式识别进行铁磁材料裂纹漏磁信号定量分析的原理和方法,通过在标准试件上的大量实验及在具有自然裂纹的工件上实际检测,取得了满意效果。     

模糊神经网络在离子迁移型毒剂报警器中的应用

针对目前离子迁移型毒剂报警器中所采用的模式识别方法的缺陷,提出了一种模糊神经网络结构,并针对学习训练的经典BP算法进行了一系列的改进,通过仿真实验获得了最优化参数,同时对其可行性和优越性进行了验证。     

精密加工过程切削用量和表面粗糙度关系的模糊化处理方法

在金属切削原理中,用切削用量可以估计理论表面粗糙度。由于切削过程的复杂性,实际加工表面粗糙度和理论表面粗糙度有较大差距。本文采用模糊模式识别方法,对切削用量和表面粗糙度的关系进行了实验研究。本人介绍的理论方法、实现技术路线和实验结果,为以后开展ＦＭＳ或ＣＩＭＳ中智能化质量监控技术的进一步研究打下了基础。     

基于神经网络的柴油机特征参数评价与选择

在设备故障诊断中,正确地提取与选择特征参数对于诊断结果的有效性和准确性具有关键性的意义,在提出评价判据时样本的概率分布往往难以确定,针对模式识别中特征量的选择方法,结合人工神经网络原理,提出了利用人工神经网络进行故障特征量评价与选择的方法,实现了对柴油机特征参数的提取及选择,有效地解决了柴油机状态监测与故障诊断中测试参数多而难以优化的问题。     

声发射分析用于轴承状态监测的研究

为了对轴承局部损伤进行自动检测与诊断,本文对声发射分析的新方法进行了探讨。损伤的特征量由短时信号处理技术来提取,用模式识别技术进行分析,用散布矩阵进行评价。实验和分析的结果表明这种新方法优于振动分析法。     

水下航行器声隐身状态快速评估方法

针对传统水下航行器声隐身状态评估方法计算时间长、实时性不强的缺点,将评估由数值计算问题变为基于多传感器信息融合的模式识别问题来解决.通过航行嚣水下辐射噪声工程估算方法与模糊支持向量数据描述相结合,提出了水下航行器声隐身状态快速评估模型.利用加速度传感器测得水下类柱体结构表面振动信息.快速估算出其辐射声压.抽取分析频段内...     

基于小波包和神经网络的行星齿轮箱故障模式识别技术

行星齿轮箱振动信号在各频段的能量分布与其故障类型有关。利用Daubecics小波包将不同故障的振动信号分解到各个频带。BP神经网络的输入是各频带的能量——行星齿轮故障的特征向量,用神经网络识别故障类型。通过实验验证了该方法可以快速、准确地进行故障模式识别,达到良好的预期效果。利用此方法可以有效解决武装直升机武器系统复杂故障现象问题。     

模糊数学与计算机应用

论述模糊数学与计算机发展之关系,设想利用模糊数学方法解决计算机进行模糊模式识别的过程,给出了几个具体例子。     

火炮驻退机状态评估中的特征提取方法

人工后坐条件下各检测参数受驻退机技术状态变化影响较小,为准确评估火炮驻退机的技术状态,需要从检测参数中提取科学有效的指标特征。利用人工后坐在线检测设备中推炮速度可调和高分辨率数据采集卡的优势,将对驻退机磨损比较敏感的液压阻力参数从可测的后坐阻力中分离,基于模板匹配的思路建立了液压阻力模板曲线。对不同技术状态驻退机的液压阻力曲线与模板曲线进行了相关性分析,并对驻退机磨损特征参数进行了有效提取。其结果作为驻退机模式识别中的评估指标,可使驻退机技术状态评估更加精确。     

人工神经网络特征优化方法在模式识别中的应用

在模式识别中,特征量的选择及组合优化是设计模式识别系统的关键问题,它强烈地影响到分类器的设计及其性能。人工神经网络除了在模式识别中作为分类器应用之外,而且能够实现特征参数的提取。通过采用人工神经网络模型,对柴油机故障的特征量优化方法进行了研究,实现了对柴油机故障的特征提取及优化。     

基于PCA-RBF网络的储运过程管道堵塞故障诊断方法

针对现代储运过程管道堵塞故障诊断时,提取的过程参数多导致诊断速度慢、性能差等问题,提出了基于主成分分析（PCA）和径向基函数（RBF）神经网络故障的诊断方法。首先利用PCA方法对储运过程高维历史数据矩阵进行特征提取,提取的故障特征信息作为训练集,并给出故障特征信息的分类号;然后将其作为RBF神经网络分类器的输入输出进行故障模式识别。仿真实验表明：该方法应用于储运过程管道堵塞故障诊断,不仅大幅度地降低了诊断模型的训练时间,而且提高了诊断正确率。     

时域分析在雷达动目标识别中的应用

本文通过对地面几类目标运动特性的统计研究,利用线性预测的方法进行目标特征的提取,进而用模式识别的理论对地面目标进行自动识别,取得了良好的识别效果。     

一种新的重频调制类型自动化识别方法

针对雷达重频调制类型模式识别中存在的问题,提出了一种可以自动化识别PRI调制类型的算法,易于工程化实现。该算法通过对脉冲序列提取特征向量完成调制类型的识别,并给出特征参数的描述。实验仿真和实际应用均表明该方法正确识别率高,可有效地识别PRI调制类型并输出特征参数。