基于多重分形谱的图像索引方法研究

讨论了图像多重分形谱的计算方法及简化算法,对图像多重分形谱的一些特性进行了概括,利用简化 算法求得的多重分形谱数据对图像进行索引,给出了一些改进方案用于进一步研究。     

基于CEEMDAN能量熵的故障特征提取方法

作为武器装备的重要组成部分,复杂机械设备发生故障会严重影响其性能,如何将故障特征有效提取出来尤为重要。针对复杂机械设备振动信号非平稳非线性的特点,本文提出利用自适应噪声集合经验模态分解（CEEMDAN）结合能量熵的方法提取信号故障特征,并以某型装备柴油机为例进行验证。通过构建多分量调制信号,分析比较了EMD、EEMD、CEEMD以及CEEMDAN四种算法的分解效果。利用CEEMDAN对振动信号进行分解,提取相关性较大的IMF分量的能量熵作为特征向量,输入到支持向量机中进行模式分类。研究表明,CEEMDAN能够一定程度上抑制了模态混叠问题,对于不同类型的故障能够有效的识别。     

基于多重分形谱的道路交通事故分析

简述了多重分形理论和多重分形谱的算法;基于多重分形理论,用配分函数法对山东省2008-2009年每月的交通事故时间序列进行了多重分形谱研究,得到该时间序列的多重分形谱.结果表明,该时间序列具有多重分形分布特征,该方法为交通事故研究提供了一种新的理论方法.     

求多重分形谱的一种实用算法

给出了一类图象所对应的多重分形谱的一种实用算法，该算法可用于一类实验数据的处理．     

基于分形矩的印刷体藏文特征提取方法

基于现有的藏文字丁特征提取方法——图像投影法和方向线素法，运用分形矩理论，提出了一种基于分形矩的藏文字符特征提取方法．用该方法提取的特征有效地反映了藏文字丁的局部和全局特征，减少了图像中像素位置变化给识别部分带来的负面影响．该方法在一定程度上克服了藏文字丁极多而造成的误识率高的缺点，并且解决了由于特征向量雏数较多造成的运算速度慢的问题．     

股票收益率序列的多重分形特征分析

运用多重分形消除趋势波动分析法,研究中石油和中石化两个上市公司股票收益率的多重分形特征,并结合多重分形谱方法,比较两股票收益率序列的多重分形性的强弱及风险大小.结果表明,两个公司的股票收益率序列均具有明显的多重分形特征,且中石化收益率序列的多重分形性更强,波动复杂程度更高.总体相比,买入中石化股票获利的空间更大,但风险也较买入中石油的更高.     

基于多重分形关联和深度CNN的常规雷达目标分类方法

针对传统分类方法中飞机雷达回波信号识别分类精度低、人工定义特征稳定性差的问题,提出基于多重分形关联特征和深度卷积神经网络(convolutional neural network,简称CNN)的雷达目标分类方法.首先,对输入训练数据进行多重分形关联分析,将多重分形关联谱的投影图作为输入特征图;然后,利用深度卷积神经网络对特征进行训练,得到训练模型;最后,使用训练后的模型对目标进行分类.实验结果表明：相对于其他3种方法,该文方法有更强的飞机分类性能.     

基于多重分形谱的碳纤维复合材料表面评定方法

碳纤维复合材料（CFRP）表面的多重分形谱能表征其表面形貌特征.用TalyScan 150表面测量仪测量了CFRP的表面形貌,使用小波变换算法计算了其多重分形谱.结果表明,CFRP 3D表面的形貌与其多重分形谱密切相关,Lipschitz指数的范围可以表征表面的粗糙度,多重分形谱的数值可以表征表面的波峰和波谷的分布.同传统表面粗糙度分形维数表征方法相比,多重分形谱能表征加工表面形貌的局部特征.     

振动波形的分形判别及特征提取

首先给出了寻找振动波形的无标度区的方法,波形在无标度区内可视为无规分形,利用文中的公式可以求得波形的盒维数。振动式的验表明,波形确实存在在无标度区;盒维数为波形的一个重要特征,可以用于对振动状态的分类识别;与频域模在数识别的方法相比较,盒维数方法更简单易行。     

基于多重分形的喜马拉雅山山脉特征研究

采用多重分形谱对喜马拉雅山山脉地貌特征进行分析,多重分形谱参数分层次地刻画了空间内部的精细结构,突出了异常局部变化特征,因此能够准确获取地貌特征信息;在此将美宇航局最近拍摄的一张被积雪覆盖的喜马拉雅山卫星照片图像进行处理,通过计算多重分形谱,提取了山脉分布的特征参数,在喜马拉雅山山脉具体分布以及探究地球面貌中产生积极意义。     

基于轮齿剥落故障的齿轮动力学特性及特征提取方法研究

齿轮在啮合过程受到交变载荷的作用,会在齿面产生剥落等故障,严重影响齿轮啮合的稳定性和可靠性。推导了轮齿剥落故障时齿轮啮合刚度计算公式,研究了时变刚度计算方法,建立了轮齿剥落故障的齿轮啮合动力学模型;并利用试验验证了动力学模型的有效性。同时研究了缺陷尺寸和输入转速对齿轮振动特性的影响,引入包络谱信息熵的方法对缺陷时齿轮的振动特性进行了研究。为进一步研究齿轮故障分类等方法提供了理论依据和实践支撑。     

基于多方法结合应用的齿轮箱故障特征提取研究

基于振动信号分析的齿轮箱故障诊断的关键是实现对信号中故障特征的提取.由于在工程实际中采集到的齿轮箱振动信号含有较强的噪声干扰,所以单一的信号分析方法难以实现对故障特征的提取.因此将两种或两种以上方法相结合应用于齿轮箱振动信号的处理成为当前的研究趋势.为研究将不同方法相结合应用于齿轮箱故障信号特征提取的优势,对大量文献的研究成果进行了归纳整理.综合分析发现:将多种方法结合应用于齿轮箱振动信号特征提取,可有效避免单一方法的局限性,充分发挥不同方法的优势.总结了在齿轮箱故障诊断领域中分别以频谱分析为基础和以非线性理论为基础的将不同信号处理方法结合应用于齿轮箱故障特征提取的现状,最后针对多种方法结合应用于齿轮箱故障诊断的发展趋势提出了建议.     

基于灰度击中击不中变换的故障特征提取方法

提出了一种应用灰度击中击不中变换提取故障特征的方法.从待分析信号中指定若干个目标波形,由此计算得出击中击不中结构元素对,在每个采样点位置进行模式匹配,具有故障特征的波形段将具有较高的输出.应用于制氧厂驱动电机的碰摩信号和转子试验台的冲击信号,成功提取出削波特征和冲击特征.该方法与人工分析信号的思路接近,算法容易理解,可以作为从时域波形直接提取故障特征的一种有效方法.     

增强组合差分乘积形态学滤波的轴承故障特征提取方法

针对滚动轴承故障信号的非线性、非平稳、强噪声特性导致的常规时频域特征提取方法受限问题,提出一种增强组合差分乘积形态学滤波的轴承故障特征提取方法。在分析数学形态学4种基本运算的正、负冲击脉冲提取特性的基础上,运用级联、差分、乘积构造的一种新的组合差分乘积算子(combination difference multiply operator, CDMO)具备了同时提取正、负冲击脉冲的能力,并发挥梯度乘积运算对脉冲提取更敏感的优势,实现故障信息的充分提取。引入故障特征频率比指标优化CDMO结构元素参数,修正待处理信号的几何特征,提取与结构元素相匹配的信号特征信息。在CDMO滤波的基础上,借助三阶累积量切片谱技术能够抑制高斯噪声、突出二次耦合分量的优势,准确提取故障特征频率及其倍频,增强轴承故障特征提取能力并抑制噪声干扰。依托2种不同来源的工程实际信号并与经典故障特征提取方法对比分析,验证了所提方法的有效性。     

基于K-Means和Apriori算法的多层特征提取方法

根据科技文献的结构特点,论文提出了一种四层挖掘模式,并结合K-means算法和Apriori算法,构建一个新的特征词提取方法——MultiLM-FE方法.该方法首先依据科技文献的结构将其分为4个层次,然后通过K-means聚类对前3层逐层实现特征词提取,最后再使用Aprori算法找出4层的最大频繁项集,并作为4层的特征词集合.该方法能够解决K-means算法不能自动确定最佳聚类初始点的问题,减少了聚类过程中信息损耗,这使得该方法能够在文献语料库中更加准确地找到特征词,较之以前的方法有很大提升,尤其是在科技文献方面更为适用.实验结果表明,该方法是可行有效的.     

基于动载的路面不平度识别的小波特征提取

提出了基于车轮垂直动载的路面不平度识别的小波特征提取方案.对垂直动载采用bior 1.5小波,做4层小波分解,求4层细节系数和第4层近似系数幅值的均值和方差作为特征参数.使用Fisher判据和自组织映射(SOM)神经网络对小波参数、快速傅立叶变换(FFT)分段系数参数、全部数值的均值和方差、全变差、过零率、共振峰幅值参数以及实倒谱系数参数的分类能力进行了判定和比较.试验结果表明在路面不平度识别方面小波参数组合优于其他参数组合.     

基于深度特征提取神经网络的滚动轴承故障诊断

滚动轴承作为旋转机械的重要组成部分,其运行安全性受到大量关注,但传统的基于信号处理的时频分析故障诊断方法较为依赖专家知识从而难以广泛应用。结合应用较广的卷积神经网络和长短时记忆网络模型的优点-自动提取振动信号的深层特征信息以及可识别所提取的长时连续的振动信号时序特征信息,提出一种深度特征提取神经网络模型,将原始的振动信号作为模型输入,进而通过多层卷积与长短时记忆网络对振动信号进行故障特征信息提取,可以有效提取滚动轴承振动信号中的深层时序故障特征信息,进而准确辨识滚动轴承不同的故障模式,并且避免了复杂的信号预处理与人工进行信号特征提取的过程。通过凯斯西储大学滚动轴承故障实验的10类健康状态数据验证了所提方法的有效性,并对实验结果进行分析,解释了在迭代过程中出现精度波动的可能原因。     

一种人脸面部特征的提取方法

在人脸精确定位的基础上,将提取出的面部图像进行积分投影,然后结合驾驶员疲劳时所特有的面部特征,有效地把人脸的特征器官区分开来,定位司机眼睛和嘴巴的位置,并且将其从面部图像中提取出来。     

系统辨识的刀具磨损特征量提取方法

针对刀具磨损智能监控系统中信号预处理和磨损特征提取技术进行研究，提出了基于加工过程自适应模型参数估计的刀具磨损特征量提取方法，通过检测加工状态信号和加工参数，利用切削力模型和最小二乘法实现模型自动跟踪加工过程特性变化，并从估计的模型参数中获取刀具磨损特征量。经实验证明，加工过程切削力模型参数的变化能灵敏地反映刀具磨损特征，且该特征提取不受切削条件变化的影响。     

一种基于量子势阱组的说话人特征提取方法

说话人特征提取是说话人识别系统中的关键环节,优良的特征提取算法既能有效反映说话人的基本特征,又能为识别的有效性提供保证.根据量子势阱理论,论文以透射系数、能量和频率的对应关系为切入点,构造出使频率和势阱一一对应的势阱组.针对语音信号的特点,将一帧语音信号视为一个量子态,利用势阱分离能量的特性,通过势阱组提取出信号的能量谱特征,并以此作为特征参数,探索了一种基于量子势垒组的说话人特征提取方法.仿真结果表明,在相同条件下,该方法可以降低算法的复杂性并能够有效的提取说话人特征,为说话人特征提取提供了新的研究方向.