基于观测器的液压系统健康状态评估方法研究

为了实时评估液压系统的健康状态,提出了基于观测器的健康状态评估原理,利用解析模型、仿真模型和数据模型及其配合等方法进行液压系统标准模型的建立,联合实际液压系统的监测数据,构建液压系统的状态观测器。将实际系统的相关参数作为输入,实际监测点的输出与标准模型的输出进行特征分析与对比,在数据处理的基础上形成残差及其向量,运用数据分析方法计算系统健康度,并解析各元素及其耦合所映射的故障类型与故障程度,实现液压系统的故障定位与评估。最后,利用某型装备的起竖液压系统进行了应用举例,介绍了模型构建、故障模式与参数选择、残差构成及健康度计算的方法。所研究的状态评估方法对实时评估液压系统,及开展液压系统视情维修具有参考价值。     

ZigBee网络中基于信道状态预测的WiFi干扰避免方法

针对2.4G频段上WIFI网络对zigbee网络产生的信道干扰问题,提出了一种基于信道状态预测的干扰避免算法。该算法采用隐马尔科夫模型预测下一时刻zigbee网络的16个信道状态,如果指示下一时刻某个信道状态低于某个阀值,就将该信道替换到信道序列的最后一个,从而形成一个新的信道序列,并根据新的信道序列动态调整zigbee网络的工作信道。使该网络工作在最安静的信道上,从而避免来自WIFI的干扰。最后在Simulink中建立了zigbee网络通信模型用于验证该算法,仿真结果表明,与常用的信道分配方法相比,此方法能够根据隐马尔科夫模型预测下一时刻的信道状态,动态更新信道序列。增加了空闲信道选择的命中率。该算法不但节省节点能耗,还缩短传输时延。具有复杂度低、精确度高的特点。     

民用飞机健康状态评估方法 

飞机健康状态评估技术能够为飞机的健康状态提供量化评价的方法和手段,通过给出量化的飞机健康指数值,可以为后续的飞机维修提决策提供必要的技术基础;在分析了健康状态评估的技术现状的基础上,对飞机整机级的健康状态评估方法进行了研究,提出了健康状态评估技术方案,并对波音AHM系统健康指数模型进行了研究;提出的民用飞机健康状态评估方法,实现了从传统的对故障的状态识别转移至对性能退化程度的检测和量化描述,其应用可以为航空公司安排飞机运营提供参考,并为合理安排计划维修提供决策支持。     

无人机健康状态综合评估技术研究

无人机健康状态综合评估技术是以无人机视情维修体系为背景发展起来的,已成为先进的无人机核心技术之一,现已发展成为一门新兴的科学技术;国外的许多军用无人机由于采用健康状态评估技术,极大降低无人机的使用和维修成本、提高无人机的使用可靠性;结合某型无人侦察机的典型部件,阐述了无人机健康状态评估技术的提出、实现方法和发展趋势,并以无人机的动力分系统为例,验证了所提方法的可行性,为实现无人机状态即时评估提供科学依据。     

基于云重心评估法和熵值法的装备技术状态评估

装备技术状态评估是状态维修的关键环节,对维修决策有重要的支持作用。针对装备的监测信息和历史数据的模糊性和随机性,提出了基于云重心评估法的装备技术状态评估模型。同时,充分利用云理论特征值之一的熵,通过熵值法得到指标权重,避免了主观评价造成的误差。采用加权偏离度最终确定技术状态,构成定性属性值与定量属性值的映射关系。通过实例,验证了该方法的可行性和有效性。     

基于隐马尔可夫链模型的软件维护性评估方法研究

针对当前软件可维护性评估主观性强,可操作性弱等问题,提出了定量描述维护性的维护时间统计概率描述方法,引入隐马尔可夫链(HMC)模型对维护性状态变迁过程进行描述,以可度量的维护性内部属性影响因素集量化值为观测序列,以维护时间统计概率为状态序列,构造了反映可维护性状态转移的HMC模型。收集配置管理库中软件模块历史维护时间从而确定完成维护任务频率来估计软件维护性初始状态,利用复杂网络特性计算软件维护性影响因素集的量化值,理论上即可评估出当前软件所处的维护性状态,最后运用实例对模型进行了训练与评估。结果表明,利用模型评估出的概率与实际维护任务统计出的可维护性概率基本一致,说明该方法可行且可重复,具有一定实践意义和研究前景。     

基于连续HMM的汉语数码语音识别系统

探讨了连续隐马尔可夫模型的基本原理及其在汉语数码语音识别中的应用,实现了一个汉语数码语音识别系统,其正确识别率达到99%以上。     

基于灰色Verhulst和HMM的交通事故预测算法

道路交通事故预测是保证道路佳通安全的重要技术,以往的道路交通事故预测方法往往具有预测精度不高和收敛速度慢的缺点,为此,设计了一种基于灰色Verhulst模型和隐形马尔科夫链的交通事故预测方法;首先,采用灰色Verhulst模型对观察事件在下一时刻的状态进行预测,采用最小二乘估计法去估计模型中的参数,将预测结果用于初始化HMM模型,并采用前向算法和后向算法对HMM模型进行训练,获得最终的初始分布矩阵、状态转移概率和观察概率分布矩阵,然后采用最终的HMM模型进行交通事故预测;仿真试验结果表明:文中方法能有效地实现交通事故预测,较其它方法相比,具有预测精度高和收敛速度快的优点,具有一定的优越性。     

民用飞机多级健康状态评估技术研究

健康状态评估技术是实现飞机派遣决策的关键技术。本文提出了一种民用飞机多级健康状态评估方法,该方法充分利用各类工程数据、技术数据和可靠性分析数据,建立飞机技术派遣量化评估方法,甄选影响飞机技术派遣的主要参数,并通过对各参数进行权重分配,建立综合量化分析模型,针对专机、VIP及其他特殊航线运行要求,精准高效地为飞机的技术派遣提供决策依据,保证特殊运行航班的安全性以及签派可靠度。经某航空公司的试用效果良好,验证了提出的方法的可行性。     

VER_HMM:基于灰色Verhulst和HMM的交通事故预测算法

道路交通事故预测是保证道路佳通安全的重要技术,以往的道路交通事故预测方法往往具有预测精度不高和收敛速度慢的缺点,为此,设计了一种基于灰色Verhulst模型和隐形马尔科夫链的交通事故预测方法。首先,采用灰色Verhulst模型对观察事件在下一时刻的状态进行预测,采用最小二乘估计法去估计模型中的参数,将预测结果用于初始化HMM模型,并采用前向算法和后向算法对HMM模型进行训练,获得最终的初始分布矩阵、状态转移概率和观察概率分布矩阵,然后采用最终的HMM模型进行交通事故预测。仿真试验结果表明：文中方法能有效地实现交通事故预测,较其它方法相比,具有预测精度高和收敛速度快的优点,具有一定的优越性。     

基于油液光谱分析的PCA-AHP综合传动健康状态评价研

油液光谱分析是研究综合传动运行状态的重要方法,以油液光谱分析数据为基础,运用主成分分析法(PCA)和层次分析法(AHP),建立了一种综合传动健康状态的评价模型。文章结合机械设备健康的概念,综合考虑油液光谱分析数据中各种磨损元素的影响,提出用健康值来定量描述综合传动运行状态的概念,并根据健康值对综合传动健康状态进行了等级划分;利用主成分分析法,对油液光谱分析数据进行主成分提取的研究分析;运用层次分析法研究主成分权重值,探讨判断矩阵的构造、一致性检验等问题;然后将二者有机的耦合,建立评价模型;实验研究表明,此方法具有很高的准确性,能够有效地判断综合传动的运行状态,对开展综合传动状态评估具有重要意义。     

基于距离度量和健康指数的电子设备健康评估方法

依据监测参数对系统进行健康评估,可以了解系统在工作过程中的健康状态,并通过预防维修避免系统故障带来的安全隐患。电子设备的健康状态容易受到随机干扰的影响产生虚警从而导致不必要的维修,为此提出一种通过多参数距离度量来构建健康指数从而进 行系统综合健康评估的方法。利用马氏距离对监测的多个系统性能参数时间序列进行降维,基于核函数最优分段间隔估计对数据的直方图分布进行统计,利用加权分数贡献率来构建健康指数。通过电脑的实验与仿真数据进行了验证,给出了单参数异常和多参数同时异常情况下的评估结果。研究表明,该方法不仅能对系统的健康状态进行有效的评估,而且能够降低随机突发干扰产生的虚警。     

基于OTSU分割和HOG特征的行人检测与跟踪方法

传统的HOG算法针对整幅图像进行行人特征提取,大量的非人窗口计算必然降低检测的准确率和效率。为此,提出一种基于OTSU分割和HOG特征的行人检测与跟踪方法。利用OTSU算法以最佳阈值分割图像,在分割区域的基础上进行Canny边缘检测,通过边缘的对称性计算确定行人候选区,继而采用经PCA方法降维后的HOG特征和隐马尔可夫模型对行人候选区进行检测验证。最后,以确定的行人区域为跟踪窗口,利用CamShift算法跟踪行人。多组实验结果证明,本文方法的行人检测效率和精度均有所提高,跟踪性能稳定、可靠。     

基于近红外光谱法的大佛龙井茶品质评价研究

为探索科学、客观的茶叶品质评价方法,以大佛龙井茶为分析对象,采用近红外光谱偏最小二乘法(NIRS-PLS),分别建立了干茶色泽、汤色、香气、滋味、叶底单因子得分及五因子总分、六因子总分共7个定量分析模型。结果表明,在主成分因子数不大于10的情况下,各模型校正相关系数R_c为90.48%～98.43%,校正均方根误差RMSEC为1.14～2.09,预测相关系数R_p为90.00%～96.65%,预测均方根误差RMSEP为1.52～2.84,7个模型校正集和预测集均获得较高的拟合度;其中五因子总分模型预测性能最好(R_p为96.65%、RMSEP为1.52),同时,总分模型精度均高于单因子模型。研究结果表明应用近红外光谱法进行大佛龙井茶的品质评价是可行的。     

基于航空多角度偏振辐射计遥感数据评估陆地表面偏振反射模型

运用新研制的大气多角度偏振辐射计(AMPR)获得航空遥感数据并结合实验室测量数据对常用的三种地表偏振模型进行评估,分析地表偏振反射率的波段响应和角度响应特征。实验发现偏振反射率对波段变化的响应很小,该结论得到85%以上飞行数据的气溶胶反演结果支持。实验室数据中,波长变化1nm的黄棕壤和红沙土的偏振反射率改变量仅分别为2.43×10-6和1.47×10-6。在角度响应特征上,三种模型都与实验数据符合得很好,高植被覆盖率时三种模型与实际测量数据的偏差较小。分别对三种模型的航空数据进行拟合,Nadal和Bréon(NB)开发的地表偏振反射率模型与飞行数据符合得最好,拟合偏差约是其他两个模型的一半,NB模型能够更精确地描述地表偏振反射的特性。     

Probabilistic Pairwise Model Comparisons Based on Bootstrap Estimators of the Kullback–Leibler Discrepancy

When choosing between two candidate models, classical hypothesis testing presents two main limitations: first, the models being tested have to be nested, and second, one of the candidate models must subsume the structure of the true data-generating model. Discrepancy measures have been used as an alternative method to select models without the need to rely upon the aforementioned assumptions. In this paper, we utilize a bootstrap approximation of the Kullback–Leibler discrepancy (BD) to estimate the probability that the fitted null model is closer to the underlying generating model than the fitted alternative model. We propose correcting for the bias of the BD estimator either by adding a bootstrap-based correction or by adding the number of parameters in the candidate model. We exemplify the effect of these corrections on the estimator of the discrepancy probability and explore their behavior in different model comparison settings.     

基于遗传算法的安溪铁观音品质快速评价研究

为探究一种快速无损的安溪铁观音品质评价方法,利用遗传算法(GA)对茶样的近红外光谱特征波长进行筛选,结合偏最小二乘(PLS),建立全谱段的PLS定量模型与GA-PLS模型。结果表明,傅里叶变换近红外(FT-NIR)全谱段光谱在经过平滑+二阶导数+归一化处理后,PLS模型预测性能最高,建模结果为：校正集相关系数R_C=0.921,校正集均方根误差RMSEC=0.543,验证集相关系数R_P=0.913,验证集均方根误差RMSEP=0.665。选用近红外光谱6 670～4 000 cm-1谱区,采用遗传算法进行特征波长筛选,参与建模数据点数从1 557缩减到408个。优选波段后,GA-PLS建模结果为：校正集相关系数R_C=0.959,校正集均方根误差RMSEC=0.413,验证集相关系数R_P=0.940,验证集均方根误差RMSEP=0.587。可见,GA-PLS模型的校正集和验证集的预测结果均优于全谱段PLS模型。结果说明,在传统的近红外光谱技术结合化学计量学方法的建模基础上,加入遗传算法进行波长筛选,能有效提高模型预测能力,实现方法学的创新研究,且GA-PLS品质评价模型具有较强的参考和推广价值,为提高我国茶叶品质的检测技术水平提供新的方法借鉴。     

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。     

基于汉字靶板的数码相机像质评测方法

基于对汉字使用频率及其空间频谱的分析,设计了一种数码相机像质评测用的汉字靶板。通过对37台不同型号数码相机的空间频率响应(SFR)、主观质量因子(SQF)及汉字靶板测试结果的统计分析,获得了最小可识别汉字磅值分别与SFR、SQF之间的经验公式。另抽取10台数码相机验证,结果显示调制传递函数测试法获得的SFR、SQF值均落在汉字靶板测试法获得SFR、SQF的95%的置信区间内。这种汉字靶板测试法类似于判读视力表的方式,简化了测试设备,操作方法也简单。     

基于荧光光谱技术的菜籽油氧化状态智能评价

菜籽油在加工及贮藏过程中，易受氧气、温度、光照等因素的影响，产生氧化酸败现象。为准确判断油脂氧化程度，实现不同氧化模式下菜籽油品质的快速判别，采用三维同步荧光光谱技术结合平行因子分析法及BP神经网络法建立菜籽油氧化状态的智能评价模型。以冷榨菜籽油为原料，将样品分别置于常温、Schaal烘箱、高温模式中氧化处理，期间采集菜籽油的三维同步荧光光谱数据及理化指标，当理化指标超出国标限定范围时，停止采集数据。结果表明，菜籽油中荧光物质在不同氧化模式中的演变规律呈显著差异，氧化温度对菜籽油荧光光谱有明显影响。常温氧化350 d与第1 d相比，菜籽油的特征荧光峰位置无变化，仅在激发波长Ex为620和660 nm附近荧光峰强度发生微弱变化；Schaal烘箱氧化26 d后，在激发波长Ex为620和660 nm附近荧光峰强度显著减弱，且在激发波长Ex为350～450 nm之间有新的荧光峰生成；高温氧化48 h后，Ex为620和660 nm处荧光峰消失，在Ex为400～550 nm处产生显著荧光峰，相对Schaal烘箱氧化，荧光波长发生一定程度红移，这是由于高温氧化过程中油脂氧化生成的物质稳定性较差引起的。利用平行因子分析法对三维同步荧光光谱数据进行分解获取有效的二维荧光光谱数据，当组分数为6，Δλ=60 nm时激发波长的载荷值最大，不同样品间差异最显著。选定Δλ=60 nm波段的二维荧光光谱数据用于智能评价，作为BP神经网络模型的输入值，以极性组分作为模型输出值，分别对菜籽油三种氧化模式数据建模训练。实验结果表明，三种氧化模式对应的训练集、验证集、测试集模型相关系数r均能达到0.9以上，其中常温氧化模式中验证集及测试集模型的相关系数r为1，输出值与目标值较接近，模型的预测效果较好；综合三种氧化模式数据建模，对应训练集、验证集、测试集模型的相关系数分别为0.999，0.913和0.988，均方误差均较小，说明该模型能准确判断菜籽油的不同氧化状态。因此，三维同步荧光光谱技术结合平行因子分析法、BP神经网络法建立快速检测模型能实现菜籽油不同氧化状态的判别，为菜籽油的氧化程度的评价提供新方法，同时为其他食用油的品质评价提供参考。