故障类别的模糊聚类分析

本文通过故障状态-特征的模糊聚类分析,按故障间的相似性对故障进行分类,然后按类别实施故障诊断,可在最少监测点的条件下,获得最多的设备运行故障信息。从而简化故障诊断过程,提高诊断速度和精度。     

基于时频单源点检测和聚类验证技术的欠定混合盲辨识算法

针对欠定混合盲辨识问题,提出了一种基于时频单源点检测及聚类验证的盲辨识算法。检测各个源信号的时频单源点,利用奇异值分解的方法求解不同单源点集合对应的混合矢量,利用基于k均值的聚类验证技术完成源信号数目和混合矩阵的联合估计。算法放宽了已有方法对时频单源区域的假设,不需要假设信号存在时频单源区域,可以完成仅存在离散的时频单源点条件下的欠定混合盲辨识;同时克服了传统算法需要假设源信号个数已知的不足,可以有效地估计源信号数目。仿真结果验证了算法的有效性。     

GNSS多径信道模拟的聚类稀疏拟合方案

针对全球导航卫星系统(global navigation satellite system, GNSS)信道模拟计算量大、硬件资源开销大,不利于实时性能评估和实际工程应用的挑战,提出一种GNSS多径信道模拟的聚类稀疏拟合方案。利用基于K中心聚类信道冲击响应(channel impulse response, CIR)参数萃取的稀疏拟合方法,得到等效精简CIR参数,再以稀疏抽头延迟线结构来实现信道模拟。所提方法在保持多径误差条件下,通过较少抽头数量的抽头延迟线结构滤波器拟合原始GNSS多径信道模型,可以大为简化GNSS信道模型仿真复杂度,而无须庞大的硬件资源。仿真结果表明,通过对参考信道模型生成的信道CIR参数进行稀疏拟合,所提出的方案和方法具有良好的效果。     

基于多预测器的高光谱图像无损压缩

数据压缩是高光谱图像处理应用中的一个关键问题。在分析高光谱数据相关性特点的基础上,提出了一种方向可选的多预测器数据压缩框架。将新的框架应用于单波段和多波段的预测压缩方案,分别得到复杂性不同的两种无损压缩流程。计算机仿真结果表明了该框架的有效性。     

基于图分割的机械系统概念模块划分

为更好地实现机械系统的模块化设计,在基于功能-行为-概念结构(function-behavior-conceptualstructure,FBCS)的产品概念设计过程中引入面向产品概念要素的图分割聚类算法,建立了一种面向FBCS的产品概念模块划分方法。以堆垛机推拉机构为例,分析了根据产品的总体目标特征,进行产品功能、行为、概念结构求解与功能分解迭代的产品概念设计分解方法。为描述概念产品,提出黑箱法和IDEF0功能描述方法相结合的概念产品建模方法,以建立产品子功能-概念结构模型。在此基础上,建立了产品概念要素(功能、行为、概念结构、接口)的相关关系分析方法,并引入图分割聚类算法进行产品概念要素聚合,以实现产品概念模块的划分。推拉机构的概念模块划分证明该方法是可行和有效的。     

基于频域分离的拖曳式诱饵与目标辨识

诱饵与目标的辨识是拖曳式诱饵干扰对抗的基本问题.干扰过程中导弹、目标、诱饵三角几何关系的变化导致了目标与诱饵的多普勒频率存在差异,为从频域实现目标与诱饵的分辨提供了可能.在详细分析迎头及尾追场景下目标与诱饵频域可分性的基础上,采用L类魏格纳分布(LWVD),利用其能够提高方位向分辨率和抑制交叉项的优点,实现了导引头波束...     

复杂形状薄壁零件加工的综合质量控制

首先分析了加工时零件表面热量场和加工参数、余量场之间的关系;利用数字扫描及滤波的方法建立起复杂形面零件的数学模型;以此为基础,在加工过程中,对零件的几何质量和表面层质量进行了综合控制。研究表明,该方法是提高飞行器发动机中高负载复杂形状薄壁零件可靠性和寿命的有效新途径。     

结合峰值检测的高噪声图像快速聚类分割方法

针对高噪声污染图像,提出一种结合峰值检测算法的快速聚类分割方法(FC-ImSeg)。根据平行线投影分割算法将二维直方图映射到一维空间,利用峰值检测算法检测图像像素点的聚类结果,调整映射模型的平行线宽度,使直方图符合双峰分布特性,最后利用加权模糊c均值聚类算法实现图像的分割。实验结果证明了该方法是快速有效的。     

增量式神经网络聚类算法

神经网络模型具有强大的问题建模能力,但是传统的反向传播算法只能进行批量监督学习,并且训练开销很大。针对传统算法的不足,提出全新的增量式神经网络模型及其聚类算法。该模型基于生物神经学实验证据,引入新的神经元激励函数和突触调节函数,赋予模型以坚实的统计理论基础。在此基础上,提出一种自适应的增量式神经网络聚类算法。算法中引入"胜者得全"式竞争等学习机制,在增量聚类过程中成功避免了"遗忘灾难"问题。在经典数据集上的实验结果表明:该聚类算法与K-means等传统聚类算法效果相当,特别是在增量学习任务的时空开销方面具有较大优势。     

基于检测的人体跟踪算法

传统的目标跟踪算法需要人为标定跟踪区域,且受到漂移问题的影响。为了解决这些困难,针对人体跟踪问题,提出了一种新的基于检测的跟踪算法。为了减少漏跟踪,使用了多个检测算子,用来定位多个身体部位,将其检测结果映射到一个相同的身体区域。为了适应快速运动的目标,使用KLT跟踪和凝聚聚类将检测窗口连接起来形成人体轨迹。实验结果表明:使用多个检测算子明显地提高了跟踪性能;KLT跟踪对于快速运动目标具有适应能力。该算法基本满足实时性。