基于Boxplot-LTSA噪声流形算法的滚动轴承状态识别

旋转机械在实际运行中往往是变工况的,采集到的数据容易受到噪声、振动、冲击等多重干扰,经过降维处理后的低维流形无法真实、准确地反映其内部结构或内在规律,在进行故障识别时误判率高。提出了一种Boxplot-LTSA算法,利用箱线图Boxplot算法对原始信号进行去噪处理,再利用局部切空间排列方法(LTSA)进行降维,该算法直接对采集到的原始信号进行处理,不需时频域特征提取,避免了数据处理所造成的数据失真,同时LTSA算法能够克服去噪所造成的数据孔洞影响。通过案例,与直接使用流形学习算法降维处理结果进行比较,证实了该方法能够克服噪声对流形学习算法的影响,具有良好的状态识别效果。     

柴油机间歇性排气噪声自适应有源前馈控制的DSP仿真

分析了柴油机排气噪声的特征,利用自适应有源前馈系统对噪声进行控制;对间歇性噪声的控制进行了建模分析;对柴油机的排气噪声进行了有源消声的初步设计;参考柴油机实际工况,利用高速信号处理芯片TMS320F2812进行了编程及调试;通过实测数据和DSP仿真实验验证了所采用方法的有效性。     

高光谱影像的近邻加权拉普拉斯降维方法

针对高光谱影像数据中存在信息冗余和非线性结构的现象,以及数据分布不均匀时拉普拉斯特征映射近邻点选择不恰当的问题,提出了一种基于Cam加权距离的拉普拉斯改进算法,用于高光谱影像数据降维以压缩数据量并提高分类精度。首先对波段分组去除奇异波段,然后用基于Cam加权距离的拉普拉斯特征映射算法对剩余数据降维,最后将结果输入最小距离分类器进行高光谱影像分类。通过Indiana Pines数据集进行验证,实验结果表明:与线性降维主成分分析法和非线性降维拉普拉斯特征映射相比,基于Cam加权距离的拉普拉斯特征映射算法分类精度更高。     

一种新的柴油机润滑油发射光谱数据综合评价方法

对两台船舶主柴油机润滑油进行了长期监测,应用原子发射光谱仪对采集的36个油样进行了测试。采用基于熵权法的模糊综合评价对各元素进行了权重赋值,并依据权重选取11个元素中的5个主要作用元素进行了数据综合评价,按照正常、注意、警告、异常4个状态对装备磨损状态进行了分类。研究结果表明:所提出的油液原子发射光谱数据综合评价方法能够客观、准确地获取装备磨损状态,其评价结果与实际磨损状态相符,为装备的使用与维护提供了有效的技术依据。     

柴油机缸盖振动信号关联维数的影响因素分析

柴油机缸盖振动信号的关联维数是柴油机健康状况评估的重要参数。在实际工程应用中,关联维数的计算面临着重复性差的问题,通过分析振动信号的截取方法、信号成分以及工况等因素对关联维数计算的影响,较好地解决了关联维数计算重复性差的问题。     

一种基于压缩感知的间歇采样干扰新方法

针对压缩感知理论应用于大时宽带宽积信号转发干扰时所存在的干扰时效性不强、原子库数据量庞大的问题,设计了固定的波形匹配原子库和降调频采样矩阵,并提出一种降调频逼近算法,用以实现间歇采样转发干扰。通过仿真实验对奈奎斯特采样、Chirplet原子库、本文波形匹配原子库等3种方法进行效果对比,验证了本文研究方法在具备较强干扰时效性的基础上,可以实现原子库复用,有效降低原子数量。     

基于遗传算法的准维燃烧模型修正方法

针对目前准维燃烧模型不能客观反映高原柴油机工作过程的问题,提出了一种基于计算机智能仿真模型修正方法.采用正交试验的极差分析,计算并识别出准维燃烧模型的经验参数对柴油机性能影响的主次顺序,并确定为待修正参数.基于遗传算法,以试验数据为依据,对柴油机准维燃烧模型进行修正.修正后的柴油机工作过程模型误差在4％以内,为深入开展高原环境柴油机性能研究奠定了基础.     

12VE230ZC 型柴油机磨损监测

介绍了应用铁谱、发射光谱和配有能谱仪的电子扫描显微镜等分析技术对１２ＶＥ２３０ＺＣ型柴油机的润滑油样进行分析,从而获得磨损信息．铁谱分析能判别机器磨损工况的正常与否,并能判断引起异常磨损的原因．光谱分析通过发现指示性元素和元素浓度的异常来判断柴油机故障．对有异常磨损磨粒的谱片用电镜和能谱进行分析,有助于确定磨损的部位．     

电控共轨柴油机初始控制MAP研究

为合理快捷地获取电控柴油机的控制参数表MAP,进行了共轨柴油机电控初始MAP研究。分析了柴油机运行工况特点和试验获取特征工况数据的原则;引入了散点曲面拟合方法,简要说明了Shepard有理插值曲面理论和它的Lagrange插植的形式;根据柴油机运行工况的特点,提出了变步长试验点,减小试验量,引入均方根误差衡量不同试验点数拟合控制MAP的精度,结合实例给出了电控初始MAP的散点曲面拟合过程,并在493共轨柴油机上进行初始MAP的控制效果试验,试验数据表明：该方法能满足电控柴油机初始MAP的要求。     

核独立分量分析的随机滤波剩余寿命预测模型

基于随机滤波的预测模型是剩余寿命预测方法的一个重要分支,当前制约滤波模型的一个重要问题就是如何对大量高维非线性状态监测数据进行特征降维,以易于模型参数求解.通过线性回归处理了非定期换油保养对油液数据的影响;运用核独立分量分析进行特征降维,消除了各维数据之间相关性对模型预测精度的影响;建立了基于油液增量的滤波模型,并设计了极大似然估计方法求解模型参数;最后实例验证了模型的有效性和实用性.     

基于KP CA的作战仿真实验数据特征提取方法

针对作战仿真分析过程中各作战要素的复杂性与非线性,研究了一种基于KPCA的作战仿真实验数据特征提取方法。该方法描述了KPCA特征提取的原理和算法,并将其应用于作战仿真实验数据的空间降维,根据累积贡献率确定新特征的数量。仿真结果表明,该方法与PCA相比具有主成份特征明显、贡献率集中等优点,能够有效综合原始数据的非线性特征,降低原始数据的维数。     

基于降维共生特征的JPEG通用隐写分析

针对JEPG图像隐写检测问题,提出了一种基于降维共生特征和单类分类器的通用隐写分析方法。采用共生矩阵挖掘图像DCT块内、块间以及图像小波层内、层间相邻系数的相关性特征,并对特征进行校准和LPP降维处理,利用SVDD分类器进行训练和分类。实验结果表明:该方法相比传统二类隐写分析方法,具有更强的泛化能力,检测率相比几种单类隐写分析方法有明显提高;而且,LPP降维相比PCA降维对提高算法的分类精度具有更好的效果。     

基于Attention的AIS数据段相似性搜索模型

自动识别系统(Automatic Identification System,AIS)数据中蕴含着与船舶交通相关的时间序列信息.基于AIS数据段的相似性搜索也成为智能船运领域的研究热点.AIS数据属于多维时间序列数据,传统的多维数据序列相似性搜索方法通过将原始数据进行降维,并在降维后的数据空间进行时序数据的相似性搜索....     

基于KPCA的作战仿真实验数据特征提取方法

针对作战仿真分析过程中各作战要素的复杂性与非线性,研究了一种基于KPCA的作战仿真实验数据特征提取方法。描述了KPCA特征提取的原理和算法,并将其应用于作战仿真实验数据的空间降维,根据累积贡献率确定新特征的数量。仿真结果表明,该方法与PCA相比具有主成份特征明显、贡献率集中等优点,能够有效综合原始数据的非线性特征,降低原始数据的维数。     

一种基于混合概率PCA模型的高光谱图像非监督分类方法

提出了一种在期望最大化(EM)算法框架下同时实现混合概率主成分分析(PPCA)降维和聚类的高光谱图像非监督分类方法。它根据不同类别应各有自己代表性的特征集,将通常意义下的特征抽取和模式分类合并在一步内完成,尽可能地保留了可分性;同时该方法具有概率模型的优点,更适合高维数据处理。采用仿真数据和真实数据进行的比较实验表明,该算法较一般不加区分地对所有原始数据进行PCA降维再分类的方法能得到更好的分类结果。     

基于限制波尔兹曼机的GPS空时抗干扰降维方法

空时二维GPS接收机抗干扰技术的主要瓶颈是算法的复杂度高、计算量大,研究如何降维是抗干扰处理技术最关键的问题之一。一种基于限制波尔兹曼机的降维方法被提出,使复杂度降低,并与一般的降维方法进行了均方误差(MSE)性能对比,仿真实验验证了该方法的有效性。     

基于FTIR的柴油机油被燃油稀释的监测研究

针对柴油机在用润滑油被燃油稀释的监测问题,首先利用傅里叶变换红外光谱分析(FTIR)方法进行了快速监测实验研究,配制了不同燃油稀释比例的润滑油样品,并分析了各油样的FTIR曲线,研究发现燃油特征吸收峰面积值与燃油稀释比例之间存在线性关系;然后,利用最小二乘法拟合了二者之间的线性公式,并使用未参加拟合的油样测量值进行了准确性验证;最后,运用该方法对某柴油机实际在用油进行了监测,及时发现了存在的燃油稀释问题,证明了该方法可快速定量监测在用油的燃油污染程度。     

基于BP神经网络的柴油机动态输出扭矩预测建模

比照测试柴油机负荷特性方法对某型废气涡轮增压柴油机进行了全工况热平衡台架试验,并以柴油机各稳定工况点台架试验的转速、加油尺杆位移、排气温度及相应输出扭矩的测试数据为训练、测试样本,通过BP神经网络的反复学习,得到了精度较高且泛化能力较强的柴油机动态输出扭矩预测模型。     

基于时频原子分解的地雷目标特征提取及分类

利用车载超宽带地表穿透雷达进行大区域地雷探测在军事领域上有重要的应用价值,能否提取稳定一致的地雷特征是其实用化的关键.提出一种基于时频原子分解的地雷目标特征提取和分类方法,该方法以地雷目标的四维散射函数为基础获取二维时频图像,在对时频图像详细分析的基础上,通过时频原子对地雷目标一维距离向剖面进行分解,得到能够完整描述地雷时频域特征的多个原子,将这些原子作为特征向量送入分层分类器.通过实测数据验证,该方法适用于车载超宽带地表穿透雷达探测地雷.同传统基于时域或频域的特征提取算法相比,该方法提取的特征更加稳定,能有效改善地雷探测性能.     

基于非负矩阵分解的电磁超声系统优化研究

针对孤立脉冲群电磁超声系统信号特征容易被噪声淹没的问题,提出基于改进的非负矩阵分解（INMF）优选特征的支持向量机（SVM）方法．首先,用3种不同的方法提取高维特征;其次,用NMF方法实现特征降维,并保证降维结果的唯一性,避免对特征的直接选择;最后,应用支持向量机方法对降维特征进行分类．对孤立脉冲群电磁超声系统采集的4种信号特征进行提取、选择和分类,实验结果表明：INMF方法能有效提取微弱信号的特征,减少运算量,提高电磁超声系统特征采集的准确率．