复杂装备退化状态早期识别方法研究

针对复杂装备早期退化状态难以识别的问题,提出一种将相关向量机(RVM)和Dezert-Smarandache 理论(DSmT)相结合的多特征融合决策识别方法。该方法首先分别采用时域分析法和时频域小波包变换法对装备的状态特征进行提取;之后将状态特征向量输入RVM模型中完成对状态属性的判定并获得各种状态模式的基本置信度分配;最后依据DSmT的PCR6规则对含有冲突信息的多个识别结果进行决策融合,得到早期退化状态的最终识别结果。在对某航空机电设备的实例应用中表明,该方法可以有效地解决信息高冲突条件下的早期退化状态识别问题,结果可靠准确。     

基于粒子滤波状态估计的滚动轴承故障识别方法

提出了一种基于粒子滤波状态估计的滚动轴承故障识别方法,该方法主要包括故障模型建立和故障识别两个步骤。在故障模型建立部分,首先依据滚动轴承不同故障状态下的振动信号,建立对应的自回归模型,作为故障模型;在故障识别部分,将正常状态下对应的模型,转化为状态空间模型,设计粒子滤波器,然后对不同的故障状态进行估计,提取其残差的相关特征,并结合模型参数特征应用BP神经网络识别算法进行故障识别。最后以美国凯斯西储大学的滚动轴承振动数据为例,验证了该方法的有效性。     

基于模糊K均值聚类和Sarsa(λ)算法的自适应爬壁机器人路径规划

针对现有爬壁机器人规划算法难以实现在线自适应高效规划的问题,设计了一种基于模糊K-Means算法和经典Sarsa(λ)算法自适应爬壁机器人规划算法;首先,对爬壁机器人的动力学模型进行了建模和分析,然后,对爬壁机器人规划中的状态进行自适应聚集从而实现值函数的近似,设计了K值可变的改进模糊K均值聚类算法对状态进行自适应地在线聚类,将聚类中心对应的值函数作为整个聚类所有数据对象的值函数的近似值,最后,对基于模糊K均值聚类算法和Sarsa(λ)算法的爬壁机器人在线规划算法进行了定义和描述,在MATLAB环境下对简单障碍物场景和复杂障碍物场景分别仿真实验,实验结果表明文中方法能有效地进行路径规划,随着情节数的增加,规划结果逐渐收敛到最优值,同时在环境变化时,收敛效果不受影响,具有较好的稳定性,是一种高效地实现爬壁机器人在线规划的方法。     

基于能力区域的交通状态预测方法

交通状态预测是交通流诱导和交通信息发布系统的重要依据.本文提出了一种基于能力区域的城市快速路交通状态预测方法,该方法通过构建神经网络分类器的能力区域,根据样本数据与交通状态类簇之间的空间距离,预测道路交通状态等级.神经网络分类器的能力区域能够有效融合时间、空间等多种特征,并且不需要考虑各特征之间的相关性,具有很强的适应性.实验结果表明,与经典的预测方法相比,其预测误差明显降低,均等系数增大,基于能力区域的方法预测交通状态具有较高的准确性.     

基于SPAD阵列探测的空中运动目标识别方法

采用单光子雪崩二极管（SPAD）组成的接收阵列,可有效提升接收端的灵敏度,这对于远距离探测成像具有重要应用价值。因成像时间受限,SPAD阵列对于空中移动目标探测的成像结果存在分辨率低、特征信息少、背景干扰噪声多等问题。针对阵列弱成像条件下的目标快速识别问题,通过分析不同空中移动目标的结构运动与位移之间的角度变化特点,提出一种基于SPAD阵列探测的空中运动目标识别方法。该方法有效解决了跟踪探测实时性要求与目标识别准确性之间的矛盾,可以在没有先验信息的条件下完成跟踪和识别任务。为进一步说明基于光流特征的分析方法的优势,以旋翼型无人机、固定翼型无人机以及飞鸟等大小、形状类似的低空飞行目标为例,通过对不同的光流角度分布进行统计分析,在近似离散点的成像条件下实现了以上3类目标的有效识别分类。     

红外图像的疲劳状态识别方法

目的：为了解决光照变化对疲劳检测系统造成的准确性不高的问题,提出了一种近红外环境下判断人眼状态的方法,即针对红外光补图像的人眼状态判断。方法：首先,利用Adaboost算法对人眼区域进行定位,在网格法标记人眼瞳孔部分的基础上,进行Retinex红外图像增强。接着,对二值化与边缘检测后的红外图像分别进行网格法闭合度计算,得到人眼闭合度。最后,根据闭合度计算结果设定双阈值并结合PERCLOS来判断眼睛状态。结果：在DM642硬件平台上进行疲劳检测试验,实验结果表明,人眼状态识别率达到了90%以上,且平均每秒能处理21帧图片。结论：证明了该方法不仅能有效解决光照变化带来的问题,而且满足疲劳状态检测系统的快速性、可靠性和有效性等要求。     

脑电信号的标度分析及其在睡眠状态区分中的应用

脑电信号具有长程幂律相关性及多重分形的标度特性,并随生理病理状态改变.本文首次针对睡眠脑电信号应用单重分形去趋势波动分析(detrended fluctuation analysis,简记为DFA)方法与多重分形奇异谱对睡眠脑电信号的标度特征进行系统的对比研究.发现DFA标度指数α对于不同导联和样本组间的差异较为敏感,随睡眠状态的变化不规律;而多重分形奇异强度区间Δα随睡眠状态的变化更为规律,睡眠Ⅰ期至Ⅳ期不断增大,并且导联间差异和样本组间差异均较小.多重分形Δα参数更适合作为判定睡眠状态的定量参数.     

应用数据挖掘的束流状态描述建模

聚类分析是描述数据群体特征的有效方法.然而,随着挖掘数据库规模的增大,评分函数极值搜索是计算复杂度很高的问题.文中提出了一种新的算法,并将其运用到束流状态描述建模中.试验结果表明,该算法快速有效.同时,重复性是电子储存环的重要指标,聚类模型可作为机器研究和决策的依据,具有指导意义.     

靶场测量中跟踪目标的多尺度多级模糊聚类分类算法

靶场测量中的连发弹目标数量较多,需要对此目标进行分类跟踪,文章提出了一种多尺度多级模糊聚类的分类算法,首先对靶场测量中的多连发目标的特性进行分析,定义了3种不同的类目标群序列,其次针对模糊聚类算法必须先验确定聚类初始点以及聚类中心的缺陷,在此基础上加入尺度因子,并根据目标群的位置信息以及运动方向信息进行多级聚类,最后通过多次聚类实验证明分类结果能够满足靶场测量中的多连发目标的分类要求。     

基于动车组MVB网络下的故障分析算法的研究与应用

本文针对现有铁路总装厂中车辆调试过程中产生、传递和使用大量的技术信息数据在故障积累、处理、分析和诊断中遇到的问题,提出基于动车组MVB网络下车辆调试数据的故障分析方法,阐述了车辆调试数据通过模块化的数据管理、标准的数据格式、规范的存储方式,并通过结合故障数据,说明了车辆调试数据在故障分析中的具体应用,通过对应系统的开发,提高工艺技术人员在动车组调试中排除故障的能力,并有效提升车辆调试质量。