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。     

小波相关特征尺度熵在滚动轴承故障诊断中的应用

将小波相关滤波方法与Shannon信息熵相结合,提出了一种故障检测与诊断的方法——小波相关特征尺度熵故障法。首先利用小波相关滤波方法提取滚动轴承故障振动信号的微弱故障信息特征,以求得信噪比较高的尺度域小波系数;然后结合Shannon信息熵理论给出了沿尺度分布的小波相关特征尺度熵定义及其计算方法。小波相关特征尺度熵能够定量表征不同尺度的能量分布,各尺度能量分布的均匀性可以反映滚动轴承的运行状态的差别,选取最能反映故障特征的小波相关特征尺度熵作为特征参数,通过所选取的小波相关特征尺度熵大小判断滚动轴承的工作状态和故障类型。实验证明该方法能有效地判断滚动轴承故障特征,为滚动轴承故障诊断提供了新的思路。     

自组织特征映射在柴油机振动信号模式分类中的应用

通过分析柴油机在磨合期、不同摩托小时和拉缸等典型状态下的振动信号样本,计算出各类样本在幅域、时域和频域的特征参量,按照类别可分离性判据进行特征选择,寻找出能够代表发动机不同状态的有效特征参数,同时降低特征向量空间的维数,最后利用自组织特征映射神经网络(Self-Organizing Feature Map)进行发动机不同状态的分类.分析结果表明,SOFM能够对各类模式进行有效的分类,准确率达到92%以上.     

基于贴近度的机械设备技术状态综合评估方法

讨论了模糊逻辑方法应用于技术状态综合评估的问题,提出了基于贴近度概念的技术状态综合评估方法;介绍了专家系统开发时,基准状态集的建立、基准状态中特征参数的选择、特征参数归一化处理模型等关键技术;讨论了专家系统的运行方式和知识库扩充的基本步骤.     

基于人工神经网络的特征压缩方法及应用

分析了人工神经网络特征提取方法用于特征压缩的原理,研究了多层网络的隐层提取模型、Oja网络模型和基于Sanger算法的网络模型,以坦克柴油机燃油系统典型故障的特征处理为例,采用Sanger算法对特征参数进行了压缩,实现了特征空间的约简。该方法有利于简化分类器的设计,对于解决复杂设备的状态检测与故障诊断问题具有重要意义。     

基于图像处理的明火火灾探测研究

基于数字图像处理技术,实时采集火灾现场帧彩色图像,实时计算图像数据在空间分布上所包含的纹理特征信息——能量(CON)、熵(ENT)、相关(COR)、惯性矩(ASM),并提取火焰的形状,获得火焰特征参数——面积、周长、圆形度、重心.通过融合处理连续帧图像数据,量化得到纹理信息表示的现场环境状况和火焰特征参数表示的火焰形状及其不稳定性特征。这些特征参数在火灾发生时出现了明显的变化,呈现出一定的规律,利用这些规律可以在现代船舶上实现火灾图像探测报警。     

基于瞬时转速多特征融合的内燃机各缸工作状态识别

为分析内燃机瞬时转速波动过程与各缸工作相位的对应关系,进而识别各缸工作状态,提出了基于硬件计数原理的内燃机瞬时转速精确测试方法,在某自行火炮发动机上测取了发动机正常工作、燃烧不良和失火工况下的瞬时转速信号。对信号进行频谱分析,并利用分频带滤波方法分离出电调信号和各缸做功冲击信号,进而提出5个特征参数并计算各特征参数的相对偏差和偏差极性,最后根据不同特征参数的相对偏差幅值和偏差极性分布规律判别各缸工作状态并定位状态异常缸。     

基于SVM的控制棒驱动机构滚轮状态评估方法

针对控制棒驱动机构滚轮振动信号非平稳、小样本的特性,提出了一种基于支持向量机的滚轮状态评估方法。该方法首先对信号进行小波降噪,再将降噪后的信号分解为若干乘积函数分量之和,选取包含主要故障信息的分量进一步分析,从这些分量中提取几种特征参数作为支持向量机的输入参数,建立了滚轮故障识别模型。通过对滚轮正常状态、故障状态的分析证明,该方法可以准确、有效地对滚轮的工作状态进行分类。     

基于检测参数的某装备状态特征量选取

某装备状态健康与否主要通过测试参数来表征,但每一型该装备的测试参数众多,很大一部分参数之间关联性较强。以某装备检测参数为出发点,借助时间序列分析和主分量分析方法选取了该装备质量状态特征量,通过实例,选取方法比较科学,选取结果符合实际情况。     

基于混合核SPSO-SVM飞机复合材料健康监测研究

针对复合材料异常检测或健康监测的问题,提出了一种改进的粒子群算法训练混合核函数支持向量机,并用其进行复合材料健康状态辨别。通过有限元分析软件ANSYS14.5模拟碳纤维复合材料样板,获取了复合材料样板不同损伤类型的阻抗谱,提取了不同类型的阻抗特征参数,构建训练样本对混合核函数支持向量机进行训练,再将没有进行训练的阻抗特征数据送入到训练好的混合核函数支持向量机进行复合材料构件的健康状态辨别。结果表明:相比于Cole-Cole曲线分段各段电阻抗实部或虚部幅值的平均值,选取复合材料Cole-Cole曲线分段线性拟合斜率作为特征参数时,混合核函数支持向量机具有更高的健康状态辨识准确率。复合材料样板健康状态辨识仿真实验表明,该方法具有较高的健康辨识精度。     

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.     

一种基于特征匹配的实时电子稳像算法

为了实时地稳定摄像系统的输出视频,提出了一种基于特征匹配的实时电子稳像算法。将改进的Kanade Lucas Tomasi(KLT)算法用于特征提取,并提出一种新的基于灰度投影均值的特征匹配算法。为了保证稳像结果的鲁棒性,还给出了特征的有效性检验方法。另外,基于高实时性对运动滤波算法的要求,在有意运动参数估计中采用了递归Kalman滤波法。实验表明,在微机上稳定单帧图像仅需24.7ms,能够满足实时性要求,且具有良好的稳像效果。     

小波分析在电子装备供电设备故障检测中的应用

新型电子装备供电设备封装性能好,可及测点少,故障检测和诊断难度大.在分析供电设备声信号产生机理的基础上,提出了一种利用小波分析理论对声信号进行处理,实现非接触、不解体故障检测与诊断的方法.论证了频带能量分析法和极大值分析法提取故障特征信息的可行性,并给出了故障特征参数算法.实验证明,该方法能有效地检测和诊断故障.     

光学表面的分形特点与模拟表征算法

根据光学表面在微观结构呈现出的自相似性,利用尺度无关的分形模型描述了其结构特征;采用结构函数法对抛光表面的分形维数进行计算,分析了粗糙度参数RMS值、误差波长、测量尺度、采样长度和采样点数对分形维数的影响规律。在此基础上,提出了采用一阶自回归分形模型对抛光表面进行模拟的新方法,分析了界定尺度、模型参数对分形特征和分形维数的影响规律。利用分形维数描述光学表面的微观结构具有评价方法简单、在一定范围内与测量尺度无关等优点。     

水中目标信号的实时检测方法研究

在对目标信号及噪声背景信号的特性进行分析的基础上,依据目标信号功率主要集中在低频部分的特点,用功率谱估计方法提取低频信号的能量作为特征,对信号滑动地进行目标检测.通过不同浪级情况下海洋水压力场的仿真信号数据,对某型目标舰船的水压力信号进行了检测计算,验证了该方法的有效性,尤其是达到了在高海况、低信噪比条件下,对目标信号正确的检测.     

基于核主成分分析的铁谱磨粒特征提取方法研究

针对铁谱分析的磨粒识别过程中存在原始磨粒特征描述指标参数多、非线性突出的问题,提出基于核主成分分析的磨粒特征提取方法,介绍该方法的原理与算法。结合某柴油发动机故障检测与分析系统中铁谱磨粒自动识别的应用实例,并与传统主成份分析方法进行对比分析,结果表明该方法在进行样本非线性特征参数指标综合以及特征维数压缩方面具有可行性和有效性。     

航天部队试验综合能力评估模型研究

根据航天试验综合能力评估的特点和要求,依据系统工程的理论方法,确定了装备、人员和保障能力为主要评估要素,设置了评估层次和控制点,建立了航天试验综合能力评估模型。该模型由下至上分为3个层次：基础层主要对分系统各岗位人员和所属装备进行评估;分系统层主要对人员素质、装备性能和保障能力进行评估;系统层主要对整个系统的综合试验能力进行评估。通过实例表明该模型大大提高了航天试验综合能力量化评估的准确性。     

基于物理模型的行星轮系特征提取与评估方法

特征提取与评估是损伤检测和故障预测的基础。针对2K-H行星轮系缺齿损伤,建立了行星轮系的损伤模型,通过分析模型的仿真信号,提出了基于主频边带、小波变换和经验模式分解的多种损伤特征,并采用双样本一致性检验方法对所提取损伤特征的分类能力进行了评估,采用含噪声的仿真信号和试验数据对损伤特征进行了验证。验证结果表明,所提取的损伤特征均具有较强的分类能力,其中主频边带特征的分类性能最优。     

一种基于VPRSM的辐射源模糊识别方法

为解决辐射源识别的问题,研究利用变精度粗糙集模型来确定辐射源识别特征权值的方法。由概念的正域中对象类的条件属性的描述,得到该概念的充分条件,并依据知识间的依赖性作为所要考虑的因素来获取特征权值,同时结合模糊集理论,提出一种基于变精度粗集特征加权的辐射源模糊识别方法。最后将此识别方法模型应用于雷达辐射源用途识别,仿真实验及其结果验证了该方法的可行性和有效性。     

基于SAR图像的目标散射中心特征提取方法研究

针对SARATR需要,基于属性散射中心模型,研究了从SAR图像提取目标散射中心特征的方法。该方法首先从SAR图像分割出包括单个散射中心响应的目标区域,然后判断该区域对应的散射中心的类型,最后再采用相应的参数模型进行参数初值选择和数字优化,从而得到对应该区域的目标散射中心特征。通过循环执行上面的步骤,就可以从SAR图像提取出目标所有散射中心特征。仿真结果表明,该算法具有良好的估计性能。