基于PSO优化小波神经网络的无人机动力系统故障诊断模型

针对传统小波神经网络对无人机动力系统的故障信号降噪和识别能力差以及网络收敛速度慢、训练精度不高的问题,构建了基于改进粒子群算法(PSO)优化小波神经网络的无人机动力系统故障诊断模型。该模型运用软、硬阈值函数组合改进的新阈值函数和改进PSO优化小波神经网络的方式,克服重构信号不连续或严重失真的问题,优化了小波神经网络初始权值和阈值,使模型能够实现快速、准确分析和识别故障类型,具有较好的故障预测和诊断能力。本文中通过对比不同阈值函数的降噪能力和PSO、GA、ACO对小波神经网络的改进效果,比较BP神经网络、传统小波神经网络、PSO优化小波神经网络的故障诊断预测效果,验证了本文中构建的PSO优化小波神经网络故障诊断模型远优于其他对比模型,具有故障识别和降噪能力强、收敛速度快、训练精度高的优点,在无人机动力系统的故障诊断领域,具有较好的可行性和有效性。     

一种应用于超大数据库的人脸识别方法

针对数据库中待识别人脸数目巨大,计算困难的问题,提出了一种基于小波变换和主成分分析的人脸识别方法。该方法首先对数据库中的人脸进行小波变换,然后对小波变换后的图像进行主成分分析提取特征,将特征送入BP神经网络进行训练、识别。经过对比实验,结果表明：该方法可以在保证较高识别率的前提下,大大降低数据维数,从而该方法可以应用于超大数据库的人脸识别。     

基于动态神经网络的柴油机建模研究

针对全柴推进系统仿真中主柴油机输出扭矩的预测问题,分析了输出扭矩的影响因素,在实验室试车台记录数据的基础上,利用小波分析方法对带噪声的原始信号进行预处理,运用Elman动态递归神经网络建立了用于柴油机输出扭矩预测的控制模型.     

基于频谱与小波分析的卡尔曼滤波器监控技术

新息是卡尔曼滤波中预测量与量测的差值,它是表征滤波器稳定性的重要信息.通过对新息进行小波分析,并与其频谱相对比可以清楚地了解量测干扰信号对卡尔曼滤波器的影响,为对不同的干扰信号采取不同措施提高卡尔曼滤波精度提供了借鉴.     

小波分析在机械故障诊断中的应用

小波分析是傅立叶分析思想的继承和发展,在机械故障诊断中已得到广泛的应用。主要用于轴承、齿轮及电动机的震动信号、梁和车辆的震动,以及含机械故障信号的信号处理。通过对机械故障信号特点的分析,根据小波分析的原理和方法,建立了它在机械故障诊断中的数学模型,并给出了应用实例。     

模糊小波包在漏磁信号处理中的应用

采用小波包去噪方法解决漏磁信号的噪声抑制问题。针对软、硬阈值处理中存在的缺陷,提出了模糊阈值处理方法,应用该方法对采集的漏磁信号进行消噪处理。实验结果表明,与传统小波包的去噪效果相比较,模糊小波包降噪方法不仅较好地剔除信号中的噪声,而且保留了原始信号中的有效成分,是一种可行的方法。     

基于阶次小波包与粗糙集的轴承故障诊断

针对齿轮箱启动过程中振动信号表现为非平稳、非高斯特征及传统诊断方法诊断精度不高的现状,将阶次小波包和粗糙集理论引入轴承的故障诊断中,提出了一种新的故障诊断方法。首先利用阶次跟踪算法对瞬态振动信号进行重采样,得到等角度分布振动信号,其次采用小波包对该信号分解—重构,并对每个频段的能量进行归一化,构成特征向量,通过粗糙集理论得到清晰、简明的决策规则,最后通过故障实例验证该方法的有效性。     

基于离散小波变换的航迹——航迹关联算法

研究了传感器各维观测误差相关情况下的航迹关联问题,提出了一种基于离散小波变换的关联算法。分析了离散小波变换仅对信号收缩而高斯白噪声仍然保持白化的特性,两个航迹的关联问题被形式化为二元假设检验,以W1小波空间与VJ-1尺度空间能量比定义检验统计量,证明了统计量在H0假设下服从F分布并给出了关联判决准则。在此基础上定义了航迹相似度,将多目标航迹关联问题转化为最大权值匹配问题。仿真结果表明在观测误差无关或相关的情况下本算法关联准确性显著提高。     

小波降噪在微光瞄准镜检测系统中的应用

提高测试精度是贯穿微光瞄准镜检测系统设计始终的准则,其中迭加在微光图像上的时空域噪声是影响测试精度的主要因素之一,如何滤除微光图像上迭加的噪声信号来提高仪器测试精度就显得尤为重要;实践证明,在设计中使用小波阈值降噪方法能非常有效地提高仪器的测试精度.     

红外与可见光图像融合算法性能评估

在研究小波分析的基础上,鉴于不同小波函数和融合规则对融合效果的影响,通过改变小波函数和融合规则对红外与可见光图像进行大量融合实验;首先,研究了不同类型小波函数的性质,分析了不同融合算法的特点;接着,对融合实验结果进行了定量分析和比较,为不同应用目的和场合正确选择合适的小波函数和融合规则进行红外和可见光图像融合提供了理论依据.