基于支持向量机和虚拟仪器谐波频率检测

支持向量机是采用结构风险最小化原则代替传统统计学中的基于大样本的经验风险最小化原则的新型机器学习方法,具有出色的学习分类能力和推广能力,广泛地应用于模式识别和函数拟合中。提出了一种基于支持向量机算法(SVM)的检测飞机电网中谐波频率的新方法,以支持向量机方法为理论基础,利用强大的图形化开发软件LabVIEW为开发平台,设计了谐波检测系统。经实验发现,该系统在采样点数较少的情况下,仍能比较准确检测出各次谐波频率,系统具有操作简单,稳定可靠、测试精度高等特点。     

基于光流动态特征与SVM的阴燃火检测方法

针对传统阴燃火检测中存在误报、漏报的问题,研究了一种基于光流场的视频检测方法。首先,利用改进的Horn-Schunck光流算法计算图像光流场,并结合阴燃火颜色特征提取可疑阴燃火运动区域;然后,提取连通域的面积、光流平均速度、方向方差、光流主运动方向、光流速度不规则度和背景模糊性等六个特征建立特征向量;最后,利用支持向量机对所有含可疑阴燃火运动区域的图像帧进行分类,从而实现阴燃火检测。实验结果证明:该方法对阴燃火识别准确度高,可有效排除多种图像干扰,在复杂环境下的适应性和鲁棒性较好。     

高斯色噪声背景下基于正交变换的确知信号检测

Karhunen-Loève(K-L)变换可以完全去除色噪声背景下接收信号的相关性,但计算量较大,在实际应用中容易受到限制。为此,提出了一种基于正交变换的确知信号检测方法。该方法通过选取具有快速变换算法的正交矩阵来近似K-L变换,避免了直接求解噪声协方差矩阵特征值与特征向量的繁杂过程。通过仿真比较分析了一阶高斯-马尔科夫过程下基于K-L变换和基于正交变换的检测性能,结果表明:二者检测性能相近,但后者的计算效率有明显提高,具有更高的工程应用价值。     

基于深度学习的SAR图像目标检测实验

针对目前SAR图像目标检测算法只能进行单一目标检测和检测精度不高的问题,对深度学习目标检测框架在SAR图像目标检测的应用进行了实验研究,并结合SAR图像特点进行了优化。比较了基于区域建议的Faster-RCNN和无需区域建议的SSD目标检测框架在SAR图像上的目标检测精度和速度,分析优缺点;研究了预训练模型对SAR图像目标检测精度的影响;最后通过零均值规整化提高收敛速度和检测精度。实验结果表明优化后的目标检测框架,实现了SAR图像多目标识别并提高了检测精度,可以有效地应用于SAR图像多目标检测。     

装备故障诊断和预测技术综述

结合故障诊断与预测技术的国内外研究现状,综述了故障诊断和预测的完整性认知模型,并以此对蓬勃发展的故障诊断和故障预测技术进行了分类与综合分析。同时针对故障的不确定性特征,对故障诊断和预测技术的性能要求、定量评价与验证方法进行了分析。最后,分别从实际应用及扩展的四个方面提出了故障诊断、预测,以及PHM技术未来发展的几个问题。     

高密度电阻率法在红卫水库土石坝隐患检测中的应用

高密度电阻率法以其观测密度大、效率高、信息丰富、分辨率高、智能化程度高等优点在采矿、勘探等方面得到了广泛的应用,在堤坝隐患检测方面,同样具有很好的应用前景.阐述了检测土石坝缺陷的现状,介绍了高密度电阻率法的检测原理,对采集到的数据用二维有限元法进行模拟并成像.在对重庆红卫水库土石坝的检测中,检测结果与开挖情况的结果较吻合,并在此基础上提出了隐患修补建议.通过实际工程发现采用高密度电阻率法检测土石坝缺陷是一种成本低、效率高、确实可行的好方法.     

电子时间引信检测仿真试验研究

为提高电子时间引信的检测能力，介绍了电子时间引信检测仿真试验，分析了仿真试验的原理，给出了检测仿真试验的试验方法。经实际检测表明，该检测仿真试验能够安全可靠地完成电子时间引信的日常检测任务。     

层次式网络管理系统故障管理子系统研究与实现

计算机网络日益复杂和异构化，迫切需要提高可靠、跨平台的网络管理系统保证网络稳定、高效运行。分析了传统网络管理系统的不足，提出了一层次分布式网络管理系统故障管理算法，并讨论了算法的性能。最后采用ＣＯＲＢＡ，Ｗｅｂ和Ｊａｖａ技术实现了该算法。