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。     

石墨烯作为水基半合成切削液添加剂的硬质合金-钢材料摩擦学特性分析

改善加工过程润滑条件是延缓刀具磨损的重要途径。将石墨烯作为3034水基半合成切削液的添加剂,研究石墨烯悬浮切削液的硬质合金-钢材料摩擦学性能,研究对象是由硬质合金YG8制备的金属球和由45#钢制备的圆盘形试件;采用球-盘摩擦副接触方式在摩擦磨损试验机上进行试验,测定了质量分数为0. 1%~0. 9%的石墨烯悬浮切削液的平均摩擦特性和摩擦系数;采用激光共聚焦显微镜对磨痕轮廓进行提取,并得出磨损定量评价指数,并用扫描电镜和拉曼光谱仪对磨痕进行磨损机理分析;进行切削实验来分析石墨烯悬浮切削液对切削性能指标的改善情况。实验分析结果表明:石墨烯悬浮切削液能明显改善硬质合金-45#钢之间的润滑条件,摩擦系数和磨损率显著下降,采用不同质量分数石墨烯悬浮切削液的平均摩擦系数较原半合成切削液下降12. 9%~57. 3%,磨损率下降33. 82%,同时切削合力较原半合成切削液下降18. 58%,加工后工件表面粗糙度下降7. 5%。     

基于DSm理论的雷达目标综合识别算法

针对数字多功能雷达的目标识别问题,提出了基于DSm理论的综合识别算法。将不同类型的识别结果置于统一的辨识框架中,并利用经典DSm组合规则进行信息组合,采用冲突按比例重分配规则重新分配组合结果,应用基于广义基本信任分配的决策规则进行判决。仿真结果表明,该方法避免了层次化识别结构带来的信息损失,识别结果中含有更丰富的目标信息。     

虚拟行为机制下的恶意代码检测与预防

Cohen证明了不存在一个算法可以精确地检测出所有可能的计算机病毒。MCDPM是一种基于虚拟行为机制的恶意代码检测方法,其目的是避开Cohen结论的限制,从而实现对恶意代码的有效检测和预防。MCDPM将传统的代码行为过程分解为虚拟行为发生和实际行为发生两个部分,通过对虚拟行为及其结果的监视和分析,实现对代码行为的精确检测。由于MCDPM的分析结果是建立在代码的确切行为之上,因此其判断结果是真实和准确的。对于非恶意代码,MCDPM则可以通过实际行为发生函数将其运行结果反映到系统真实环境,保持系统状态的一致性。MCDPM可以用于对未知恶意代码的检测,并为可信计算平台技术的信任传递机制提供可信来源支持。     

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。     

基于支持向量机的多分类军事目标识别应用

针对现代战场信息化程度的不断提高,电磁环境日趋复杂,侦查目标难以准确地识别情况,提出了运用支持向量机多分类器对军事侦查目标进行有效识别.结构风险最小化地支持向量机分类方法是小样本情况下统计机器学习的经典,具有速度快、泛化能力强等特点.用该算法建模军事目标的识别问题,达到了较高的识别准确率.所以应用在对侦查目标的识别上具有良好的效果,在军事应用上有较广阔的前景.     

红外成像型空空导弹目标自动识别技术

针对红外导弹和红外诱饵弹的对抗,构建了红外导引头图像探测器的透视投影几何模型.基于模型证明了飞机和目标在不同距离和相对飞行速度下,成像序列中相邻两帧图像间飞机目标的相似性,并且提出了适合导弹的目标快速识别算法,该算法是基于当前帧图像与前一帧图像的目标特征匹配的.最后以实测的飞机及诱饵红外图像数据对文中提出的算法进行了仿真,仿真结果表明了算法对目标识别是可行和有效的,并且能够满足较高实时性的要求.     

C~3I系统中战场视频镜头检测与关键帧提取

在C3I系统中,通过大量的战场视频进行态势信息提取以及目标识别一个重要环节就是镜头检测和关键帧提取。针对战场视频中有较多的光照条件改变,以及战场视频处理算法要简单快速等特点,给出了一种基于颜色直方图差的镜头检测和关键帧的提取方法。基本思想是同一镜头内的帧在颜色特征上没有显著变化,当连续帧的颜色直方图差超过阈值时则认为镜头出现了转换,对于同一镜头内的候选关键帧,计算之间的距离并与阈值进行比较来确定是否为关键帧。在VC++6.0的环境下,经过编程实现验证,该方法有效可行。     

一种雷达辐射源识别自学习算法研究

针对目前雷达对抗系统面临的辐射源识别精度不高、智能化水平低的特点,将自学习理论引入到雷达对抗系统中。提出了基于遗传算法(GA)的自学习算法实现雷达辐射源智能识别的方法。实验表明:在使用相同的特征参数"前件"条件下,通过这种自学习方法得到的正确识别率高于其它识别方法。     

基于PCA特征的快速SAR图像目标识别方法

目标识别是SAR图像解译的重要一环,受到广泛的关注,而实时性又是评估目标识别系统性能的主要指标之一.从实时的角度出发,提出了一种快速的SAR目标识别方法.该方法采用基于Hebb学习规则的主分量分析(PCA)进行特征提取,使用多层感知器神经网络(MLP NN)进行目标分类.实验结果表明,在维持较好识别性能的前提下,该方法具有内存需求少、运行速度快的特点,能用于实时处理.