基于模糊分割的移动自组织网络故障检测算法

针对现有移动自组织网络故障检测算法精度较低、延时较大的问题,提出了一种基于模糊分割的检测算法ANFD(Ad hoc Networks Fault Detection)。ANFD算法以网络数据包与检测消息作为检测工具,通过模糊分割方法对接收到的信息进行处理,最终通过时频域方法进行故障分割,实施最终的故障识别。仿真试验证明,ANFD算法较之其他算法具有较高的故障检测精度、较短的响应延迟,并且具有较低的消息复杂度和内存消耗。     

基于数据挖掘方法的风力涡轮机状态监测技术研究

目前风力涡轮机的故障模式预测成为了风力发电站发展的重要任务;提出了一种基于数据挖掘算法的涡轮机故障状态预测方法;这种方法包括3个主要的步骤:涡轮机状态抽象,算法训练,状态预测;首先利用先验知识将涡轮机的初始状态进行分类,选择建立预测模型的参数;为了降低计算难度,采用数据挖掘算法进行模型参数的选择;最终采用发电机转速、变速箱速度、温度枢纽、叶片螺距角这些参数进行预测模型的建立;建立预测模型的过程分为3个阶段:预测任意故障;预测系统的特殊故障;确定未知故障;通过对各种数据挖掘算法基于大量风力涡轮机数据的性能分析,选择了性能最优的随机森林算法模型;这种模型的预测准确率能够达到98%;同时还能够预测训练数据没有包含的故障类型;通过在实际风力涡轮机数据的验证,表明了这种模型的稳健性。     

基于改进的自适应回归时序模型故障诊断

汽车变速箱的故障诊断工作比较复杂,由于传统的诊断方法已不能满足复杂的故障现象, 文中提出了一种基于改进的自适应回归时序模型故障诊断方法;方法采用了基于时间序列故障诊断技术,首先测取工作环境下的振动信号,然后建立被诊断对象的时间序列数学模型,最后用信息距离判别法诊断出故障类型,提高了诊断效率;最后在变速箱进行了实验研究;选用型号为621B40型ICP加速度传感器测取变速箱的振动信号,通过设置模型参数(n,m)来模拟故障检测,实验分析表明,提出的算法可以有效地识别变速箱系统中不同严重程度的故障,且与传统的故障诊断算法相比,提出的算法对提高识别率和降低计算复杂度都有着明显的优势。     

基于稀疏编码和禁忌优化的故障信号抽取方法

为了克服经典正交匹配算法获取原子集时遍历冗余字典具有较大时间开销的缺点,提出了一种基于压缩感知理论和禁忌优化算法的的稀疏故障信号特征提取方法;首先引入了压缩感知模型并描述了基于信号稀疏表示的故障诊断原理,设计了满足RIP准则以最小化l₁范数为目标的稀疏信号解的求解方法,然后定义了一种基于正交匹配算法的稀疏信号重构算法,并以最小化余量为目标函数,采用改进的禁忌搜索算法在原子空间中搜索满足目标函数的最优原子集,最后,给出了基于稀疏编码和禁忌优化混合模型的故障信号提取算法;在Matlab仿真环境下对滚动轴承故障信号进行试验,仿真结果表明:文章方法能有效地对具有强噪声的故障信号进行稀疏重构,不仅具有较高的信噪比,而且具有较小的余量误差和仿真时间,与其它方法相比,具有较大的优越性。      

改进粒子群算法优化支持向量机在故障诊断中的应用研究

支持向量机(SVM)作为当前新型的机器学习方式,凭借解决小样本问题、高维问题和局部极值问题等方面的优越性,在当前故障诊断方面有突出的表现;文章根据对支持向量机的研究,发现其在分类模型参数选择上存在困难,为此,提出利用改进粒子群算法优化的办法,解决粒子群前期收敛速度过快导致后期容易优化不均的现象;通过粒子群算法优化与支持向量机分类模型结合,以轴承故障检测和诊断为例,分析次方法的优越性和提高支持向量机在故障诊断过程中的精准度;通过实际检测得出,这种算法优化的方法改进的支持向量机对于聚类性较差的故障分类具有很好的诊断功能。     

基于改进Harris的低动态载体速度的快速计算方法

针对光照分布不均匀的室内环境下低动态载体速度计算实时性较差的问题,提出一种基于改进奇异值分解(SVD)-Harris的低动态载体速度快速计算的新方法。利用SVD对相邻两帧视觉图像分别进行压缩与重构,并结合改进的Harris角点检测算法对两帧图像进行特征点的检测;利用归一化互相关(NCC)模板匹配算法对相邻两帧视觉图像的特征点进行粗匹配;利用随机抽样一致性算法进行误匹配点对的剔除;利用特征匹配点对的信息对载体的速度进行计算。实验结果表明:传统算法的平均计算时间为3.07s,而改进算法的平均计算时间为0.71s,且传统算法的误匹配率远大于改进算法。与传统的NCC模板匹配方法相比,所提算法不仅保证了低动态载体速度计算的精确性,而且显著提高了载体速度在光照不均匀的室内环境下的计算效率,该研究为实现室内移动机器人实时视觉导航提供了理论依据。     

基于支持向量机的机载吊舱故障诊断优化算法

提升机载吊舱的后勤保障能力,适应吊舱测试中多型号、多故障类型和测试环境动态变化的测试要求,是打赢现代化战争的重要保障。支持向量机（SVM）算法适用于小样本、高维度、非线性分类问题,SVM相关参数是影响算法性能的重要因素。基于K-CV算法和粒子群算法两种改进的SVM模型可以实现SVM参数优化,K-CV算法可以交叉验证优化模型参数,粒子群算法可以对SVM参数进行动态寻优,建立多核SVM吊舱故障诊断模型。两种算法都可以提高吊舱故障诊断模型的准确率,提高模型的学习能力和泛化能力,有效对吊舱的故障进行定量和定位诊断。     

基于改进蚁群算法的无人机动态航路规划

研究无人机航路规划,针对基本蚁群算法易于陷入局部最优、规划航路耗时长的问题,对基本蚁群算法进行了改进;引入航路点的动态自适应选择策略和信息素挥发因子动态自适应调整准则,有效克服了基本蚁群算法的不足,并对规划出的航路进行了平滑处理,使其更加满足无人机实际飞行需求。通过仿真分别规划出无人机在静态威胁和动态威胁中的航迹,仿真结果表明,与基本蚁群算法和遗传算法相比,改进的蚁群算法在两种飞行环境中均能规划出较优的航路。     

动态背景下运动目标检测与跟踪研究

主要研究动态背景下的运动目标检测和跟踪问题。背景补偿差分法是一种常用的动态背景下运动目标检测算法,但检测到的目标轮廓要比其真实轮廓大,检测结果不准确且算法复杂度较高。主动轮廓模型在图像分割和目标提取过程中具有拓扑结构变化灵活性,对数值计算方案的设计更加方便、有效,据此提出一种基于改进C-V模型和卡尔曼滤波的算法,用来检测和跟踪动态背景下的运动目标。提出的算法利用C-V模型曲线演化检测和跟踪目标,使C-V模型在目标的边缘处收敛。结合卡尔曼滤波预测运动目标下一帧位置,从而实现对运动目标轮廓的跟踪。实验结果表明,该方法可以对动态背景下运动目标进行精确的检测与跟踪。     

城轨车辆电气柜故障诊断方法研究

城轨车辆电气柜种类繁多,结构复杂,若依靠人工检测的方式进行故障的排除,不仅诊断效率低且可靠性差。通过对多个城轨车辆电气柜的具体分析,提出一种动态提取有向图结构模型并生成测试序列的算法,利用图的最优路径算法进行测试自检,最后使用一种适应性测试诊断树来完成故障的定位与隔离。实验表明,该诊断方法能够有效地对城轨车辆电气柜的故障进行诊断,且对于不同拓扑结构的城轨车辆电气柜具有良好的适应性。     

基于SR-Context的激光雷达点云闭环检测算法

针对传统激光雷达闭环检测算法受动态障碍物干扰较大、关键帧搜索以及特征匹配耗时较长的问题,采用MF-RANSAC算法并改进ScanContext,提出一种鲁棒性更强、耗时更短的SR-Context激光雷达闭环检测算法.首先,利用区域生长算法对扇形栅格化后的点云进行分割;随后,不依赖于目标识别和跟踪,借助动态区域多点选取和多属性查询对应点,提出一种MF-RANSAC算法快速实现动态目标剔除;最后,通过简化特征匹配计算和删除闭环历史匹配帧的方式改进ScanContext算法,对去除动态目标后的栅格提取特征实现闭环检测.分别在KITTI数据集与实车数据集下进行测试,实验结果表明,本文算法在城市动态环境下能够快速准确实现闭环检测进而提高激光雷达建图精度,且平均耗时仅为ScanContext算法耗时的40％.     

相位恢复测量长焦距镜面

针对长焦距光学镜面检测中测量光路长,振动干扰较大,不容易用干涉仪进行面形检测的难题,提出了一种基于相位恢复技术的测量方法.该方法用相干点光源照射被测镜,采集一系列焦点附近的衍射光强图像,然后运用相位恢复算法得到镜面面形误差分布.利用衍射光学理论建立了测量模型,并用基于Gerchberg-Saxton算法的迭代算法求解模型.然后仿真验证了光场传播模型的可靠性和测量算法的有效性,并用该方法测量了一块曲率半径8 700 mm,口径145 mm的球面镜.通过对光强图像位置进行优化,并选择适当离焦位置的图像,最终恢复出了镜面面形.相位恢复测量的结果与动态干涉仪测量结果基本一致,并且测量装置简单,对环境要求低.     

改进的QPSO算法在电网故障诊断系统中的应用

电网故障诊断系统通常基于建立的解析模型,通过分析保护和断路器的动作信息来推断可能的故障位置,从而识别保护与断路器的故障元件和误动作。本文根据保护动作原理,构建了一种改进的解析模型,并采用改进的量子粒子群算法对其目标函数进行优化求解。该模型不仅充分考虑到了保护和断路器的误动与拒动、断路器失灵保护等问题,且能辨识告警信息的误报和漏报。实验结果表明改进的算法不仅使故障诊断结果更精确,并能使故障情况很清晰的表示出来,有利于故障的及时恢复,同时使模型的运算速度和稳定性也进一步得到了提高。     

激光数字光学平面玻璃表面检测系统技术研究

干涉波面数字化和测量分析处理方法是激光数字平面检测系统中的核心技术,只有掌握了此核心技术的关键内容,才能够真正实现对光学平面的快速高精度检测。对光学干涉波面的拟合函数系的选择、拟合算法、系统像差以及被测表面平面误差类型进行了理论分析和算法优化,并进行了实验测试,完成了系统的构建。发现了Zernike多项式阶选择法则,提出被测光学表面误差类型的判别标准以及一种全新的在“Zernike像差空间”确定激光数字光学平面检测系统精度的理论和方法,为实现检测自动化奠定了理论基础。     

基于RBF网络的断路器电流自适应保护研究

针对传统断路器电流保护方法存在受系统运行方式影响、整定困难、智能化低等问题,本文提出了基于RBF的断路器电流自适应保护算法,并给出了算法的模型。该算法融合了RBF神经网络的故障检测和电流自适应保护。首先通过RBF网络检测负载线路的电流故障,然后用电流自适应算法进行保护。在对神经网络进行训练时,利用PSO算法对RBF神经网络的参数进行优化以此来提高网络的泛化能力和学习能力;然后采用优化后的PSO-RBF神经网络对电流故障进行诊断。实验表明,该算法较大地提高了断路器智能化管理水平。     

相位恢复测量长焦距镜面(英文)

针对长焦距光学镜面检测中测量光路长,振动干扰较大,不容易用干涉仪进行面形检测的难题,提出了一种基于相位恢复技术的测量方法.该方法用相干点光源照射被测镜,采集一系列焦点附近的衍射光强图像,然后运用相位恢复算法得到镜面面形误差分布.利用衍射光学理论建立了测量模型,并用基于Gerchberg-Saxton算法的迭代算法求解模型.然后仿真验证了光场传播模型的可靠性和测量算法的有效性,并用该方法测量了一块曲率半径8700mm,口径145mm的球面镜.通过对光强图像位置进行优化,并选择适当离焦位置的图像,最终恢复出了镜面面形.相位恢复测量的结果与动态干涉仪测量结果基本一致,并且测量装置简单,对环境要求低.     

催化裂化反再系统的故障诊断方法研究

考虑到石油化工过程系统复杂,变量繁多,非线性关系极强,故障样本数据难于获取,故利用支持向量机对炼油厂催化裂化装置反应再生子系统的故障状态进行模式识别;且支持向量机参数C、σ对分类精度有很大影响,采用了改进的遗传算法对其进行优化;并采用了决策树算法进行多类分类,根据类间分离测度,从最难分类(类间分离测度最小)的两类样本集开始训练,将其合并为一个类簇后同其他样本集一起,再从中寻找最难分类的两个样本集合并,如此逐步合并最终得到训练模型;实验结果表明,利用改进的遗传算法优化惩罚系数C和核函数参数σ后,缩短了分类时间,提高了分类准确率,基于决策树算法的支持向量机能有效地解决一对一和一对多分类算法中存在的无法辨识区域的问题,能很好地识别故障类型,对催化裂化装置的故障诊断有显著的指导作用。     

全光网络中动态业务下的阻塞性能分析

通过对自适应路由和动态备选路由算法的性能分析,研究了波长选择和波长交换这两种类型的全光网络在动态业务下的阻塞性能,并提出了将动态波长分配与自适应路由选择相结合的算法.数值结果表明:1)相比波长交换网络而言,多纤波长选择网络是更为经济且切实可行的选择;2)动态备选路由算法可以获得与自适应路由算法相似的性能,并且文中所提出的算法能够更好的提高网络的阻塞性能.分析表明:不同算法的性能与网络拓扑的连接度以及备选路由的数目密切相关.     

Suomi NPP卫星可见光红外成像辐射仪的改进动态阈值云检测算法

基于可见光红外成像辐射仪多波段、宽覆盖、长重访周期的特点,以及云层在可见光到热红外通道的分布及变化特性,提出了一种适用于可见光红外成像辐射仪数据的改进的动态阈值云检测算法;通过遥感目视解译的方法对云检测结果进行精度验证,并与通用动态阈值云检测算法、可见光红外成像辐射仪云掩膜产品的结果进行对比。结果表明:所提算法能以较高的精度识别不同地表上空的云层,平均总体精度为93.23%,平均Kappa系数为0.821,对薄、碎云的整体识别精度得到了明显提高,错分和漏分误差明显减小;所提算法的云检测结果整体优于通用动态阈值云检测算法和可见光红外成像辐射仪云掩膜产品的云检测结果。     

基于ip-iq理论的改进谐波检测方法

有源电力滤波器(APF)是电力系统中实现电能质量管理的关键设备,谐波检测作为APF的关键技术之一,检测的精度和响应速度直接决定了APF的整体性能。介绍了传统的基于瞬时无功功率理论的ip-iq谐波电流检测算法; 针对其检测精度受锁相环输出相位误差影响,以及低通滤波器的存在限制了谐波检测系统的响应速度,提出了应用锁频环技术,产生与电网电压同频的单位正余弦信号的一种改进谐波检测算法; 并提出采用滑动平均滤波器(MAF)代替低通滤波器提高其响应速度以及改善谐波检测精度; 对改进的检测算法进行了理论分析,通过MATLAB进行仿真研究,理论分析和仿真结果都证明了该方法的有效性。