基于模糊模式识别的战时装备供应链风险评估

针对战时装备供应链的特点,以远程精确打击、敌特后方袭扰和恶劣天气等三个因素为主要风险指标,根据供应链在风险指标下的模糊属性值之间的加权距离总和最大化来确定指标的权重,并运用模糊模式识别原理,通过建立一个非线性规划模型,给出了一种战时装备供应链的风险评估方法。最后,通过实例说明了该方法的有效性。     

一阶超对策模型中结局偏好认知信息集结的模式识别法

针对一类一阶n人超对策模型,提出了一种结局偏好认知信息的集结方法.首先通过对单一局中人中不同专家给出的对其他局中人结局偏好信息的不同认知进行关联分析,确定出专家的权重评价值,进而运用模糊模式识别原理,通过建立一个非线性规划模型,给出了一种新的超对策结局偏好认知信息的集结方法.最后,用一个数值例子对文中所提方法进行了说明.     

基于阶次跟踪和BP网络的齿轮箱故障模式识别

在对齿轮箱的原始振动信号进行时域采样的基础上,利用小波包分析对其进行消噪,然后对得到的数据进行角域重采样,得到基于阶次跟踪的采样信号,再对该信号进行特征参量提取,最后利用BP网络对得到的故障特征参量集进行模式识别。该方法能够避免传统分析方法中难以克服的“频率模糊”现象,对于瞬态信号有较好的分析处理能力,是对传统频谱分析法的有力补充。     

固定翼无人机多工况聚类及识别研究

针对固定翼无人机作业过程中多工况的分类以及一般模式识别算法时效性低,准确率不高的问题,提出了"聚类分析-模式识别"相结合的多工况分析技术路线,将工况分析分为离线和在线2个阶段.离线阶段,提出子一种基于分组的密度聚类算法,采用分而治之的聚类思想对无人机历史飞行数据进行聚类分析,并将聚类所得各抽象数据簇视为工况.在线阶段,...     

Fisher二类线性判别中门限值选取的新方法

Ｆｉｓｈｅｒ二类线性判别方法不仅适用于确定性模式分类器的训练问题,对于随机模式也是适用的。本文将Ｆｉｓｈｅｒ二类线性判别方法用于构件粘接强度判别中,并给出了一种新的判别门限选取方法,该法可使误判率大大降低。     

前馈网络在状态识别中的应用

介绍了前馈网络的结构,BP算法以及算法的推导过程,并对算法做了一些改进.然后将该算法应用于抽油机减速箱的状态识别,给出了识别结果.实验表明,基于BP算法的前馈网络在识别的精度和自学习方面都优于传统方法.     

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。     

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。     

一种实时路况下的车牌照识别系统

该系统采用高清工业相机,以千兆以太网作为数据传输通道,克服了传统传输方式速度较慢,抗干扰能力差的缺点。在识别方面,提出了自适应模板宽度算法,有效克服了光照对车牌定位的影响。该算法还采用投影分割法精确分割车牌字符,对汉字采用Gabor算子提取特征,然后利用SVM进行识别,有效解决了汉字识别问题。     

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。