影响装配可靠性关键故障源提取方法*

针对产品在装配过程中可靠性低,产品故障频发及故障源多样性的问题,引入信息熵理论,首次提出“可靠度熵”的概念,对影响装配过程可靠性的故障源进行定量分析。建立可靠度熵的综合评判矩阵,结合专家打分法对可靠度熵综合权重进行评价和排序,同时结合客观性强的粗糙集对故障源进行属性约简,提取出影响装配过程可靠性的关键故障源。采取预防及改进措施减少故障源的发生,从而保证装配过程可靠性。以数控磨床的砂轮架为例,验证了上述方法的可行性和正确性。     

多装配特征影响下的装配质量特性预测方法

针对现有产品装配过程中一次装配成功率难以保证的问题,以灰熵关联分析与粒子群—BP神经网络为建模工具,采用灰熵关联分析对装配特征进行筛选,找出影响产品装配质量的关键装配特征,缩减预测模型的规模,应用粒子群—BP神经网络实现产品装配质量的预测.以某型外圆磨床的砂轮架装配为例,验证了该方法的有效性.     

基于信息熵的多无源传感器数据关联

针对多维分配模型在构造关联代价函数时,直接利用极大似然估计值代替目标的真实位置信息,未考虑极大似然估计所引入的随机误差问题,提出一种基于信息熵的多无源传感器数据关联算法.考虑到量测后验概率密度函数与伪量测概率密度函数之间的差异性,分别利用相对熵和Renyi熵量化该差异构造关联代价函数以增强模型的完备性.仿真实验结果表明:该算法有效地提高了关联正确率,具有较好的关联性能.     

基于背景差分与最大熵的轨面缺陷分割

为了提高钢轨表面缺陷检测的效率和准确率, 提出了一种基于背景差分与最大熵的轨面缺陷检测算法. 首先建立钢轨图像背景模型并将原图像与背景图进行差分操作, 以此来避免光照变化和反射不均的影响, 更准确地突出缺陷区域; 然后将改进的遗传算法与最大熵值法相结合来寻找最佳分割阈值并对差分图进行二值化, 通过结合改进遗传算法加快了最大熵值法的运算速度; 最后对二值图进行滤波操作, 完成钢轨表面缺陷的分割. 仿真结果表明该方法能够更加快速准确地分割出缺陷, 精确率、召回率和正确率分别达88.6%、93.4%和90.6%.     

轴承表面缺陷类型识别算法

针对生产和装配过程中轴承表面缺陷检测传统方法的不足,提出一种新的轴承表面缺陷类型识别算法。首先改进 Canny 算子以提高轮廓识别度,将 Sift 算法应用于缺陷区域提取,对轴承表面缺陷图像和无缺陷图像进行 Sift 图像匹配以定位缺陷区域,运用像素点的异或运算以精确提取缺陷区域。选择部分 Hu 矩值和几何特征值准确描述缺陷区域,将其作为 BP 神经网络算法的输入,从而最终识别出缺陷类型。实验表明,该方法提高了识别率,且具有非接触、速度快、精度高和抗干扰能力强等优点,较好地实现了轴承表面缺陷类型的检测。     

基于相空间模糊熵算法的金属缺陷形状辨识

提出了一种多线圈涡流无损检测方法,通过相空间模糊熵算法分析涡流信号复杂度,进而实现对金属微小缺陷形状的辨识.为了从足够的测量信息中获取有效的缺陷特征,设计了多线圈传感器模型.通过仿真实验选取适合的传感器参数和激励模式.采用相空间模糊熵算法,研究不同大小、深度、形状的缺陷对涡流信号复杂度的影响.为了准确提取涡流信号的内在规律,获得对缺陷敏感的信号分析结果,对涡流信号进行相空间重构,并在重构的相空间中计算信号的模糊熵.分析结果表明:随着缺陷体积的增加,模糊熵增大,涡流信号的复杂度增加.根据不同形状缺陷的模糊熵均值分布图,可以实现对孔、洞、裂缝3种缺陷较精确的区分.     

广义模糊熵阈值法中基于粒子群优化的参数选取

针对广义模糊熵图像阈值分割法中参数m的选取问题,提出一种利用优化算法自适应选取参数的广义模糊熵阔值分割方法.该方法通过粒子群优化算法,依据图像分割质量评价准则对参数m在(0,1)区间进行全局寻优,并依据广义模糊熵最大准则对S型隶属度函数中的3个参数(a,b,d)进行全局组合寻优,从而实现了广义模糊熵图像阈值分割方法的自动阈值选取.实验结果表明,该方法对光照不均匀图像具有更好的分割效果.     

基于交叉视觉皮质模型的彩色图像自动分割方法

通过对传统彩色图像分割方法的分析,结合最新的交叉视觉皮质模型,给出了一种新的彩色图像自动分割算法。将图像转换到HSV色彩空间,并利用判决机制选择熵最大的分量进行分割,与传统的对H,S,V分别进行处理并将处理结果合并作为分割结果的方法相比,传统HSV方法耗时7533 s,该算法整个处理过程耗时257 s,约为传统HSV方法耗时的三分之一,大大提高了处理的速度;将最大类间交叉熵判决机制引入到交叉视觉皮质模型中,从而实现图像自动分割,避免了人为干预,提高了分割的准确性。将该方法与基于最大香农熵的分割方法进行了比较,仿真结果表明,该算法对于彩色图像自动分割具有良好的性能。     

融合知识图谱与熵权评价的电力设备缺陷文本检索方法

随着电力设备数量的不断增长,如何有效管理和处理其缺陷记录成为了一个重要问题。传统的人工处理方法效率低下,且难以应对文本挖掘的挑战。为解决这一问题,本文提出了一种结合知识图谱技术和熵权评价策略的电力设备缺陷文本精准检索方法。该方法首先根据缺陷规范标准构建了电力设备缺陷的知识图谱,并建立了标准缺陷路径库。在分词和关键词提取过程中,考虑到电力行业的专业特性,采用了预学习处理和大规模知识图谱数据的应用,有效解决了共指消解问题。最后,基于电力设备缺陷知识图谱,运用熵权评价方法完成了标准路径的检索和相似度的排序。通过算例分析,验证了该方法能够精准检索缺陷文本,定位标准缺陷路径库,并为规范标准的本地化提供了重要参考。这一研究对于提升电力设备运维管理的质量和效率,保证电网的安全稳定和可靠供电具有重要意义。     

基于盲源分离的商业销售计算机仿真分析

研究了盲源分离用于商业销售分析中的应用.传统的销售分析只是对销售数据进行简单的分析,得出一些表面的原因.并不能发现其中的深层的因素,盲源分离却正能实现这一传统方法难以实现的分离作用.采用盲源分离的特征向量分离算法进行了几个大型超市销量的特征向量分离算法的仿真分离实验,并对实验结果进行了分析研究,从而找到了影响商业销售量的几个重要因素,找出了影响销售量变化的几个重要原因.为商业销售中的日常管理找到了一条与传统管理不同的方法,为独立成分分析应用于销售市场分析提供了理论参考.     

多传感器自主在线融合方法

在先验知识未知的情形下,针对现有融合算法的不足,提出了一种新的融合算法。为了进一步提高融合精度,算法用均值和自熵两个概念充分挖掘测量中的冗余信息,进而确定传感器的融合权重。此外,为了预防“数据饱和”的发生,算法在迭代过程中引入限定记忆项,保证算法对数据变化的灵敏性。用均值融合算法、冲突证据预处理算法和新算法对样本数据进行仿真。仿真结果表明,运用新算法得到的权值分配方式更加合理,可进一步提高融合精度。     

基于网络熵的小世界网络形成分析

在小世界网络中,节点或边的改变使网络结构发生了演变,这意味着网络的熵也发生变化,因此可用网络的熵描述网络形成过程。经模拟实验发现:网络熵的变化是U型的;重连概率p决定熵的单调程度,而网络节点度k影响熵由降到增转变的时间。实验结果有助于以后更有效地对网络进行控制以及设计更加有效的网络形成模型。     

基于标签技术和熵权法的缺陷推荐研究

针对电力系统,设备（资产）运维管理系统（PMS）与调度管理系统（OMS）之间的设备缺陷互联需要PMS运维人员进行主观判断及手动选择操作,导致人员工作量大幅增加且数据交互的不合理程度和不完备程度也逐渐增大,本文提出了基于标签技术和熵权法的缺陷推荐方法.该方法首先以基于正向最大匹配算法、编辑距离和规则库的标签技术对缺陷数据进行标签化标识,然后采用熵权法对其标签进行评价,进而实现向调控员进行智能化推荐缺陷的目的.实验结果表明,通过该缺陷推荐方法的实施,显著减少了运维人员的缺陷选择工作量,并提升了缺陷信息推荐的准确性.     

改进的基于最大熵和Gabor滤波器的织物疵点检测

提出了一种改进的基于最大熵原理和Gabor滤波技术的织物疵点检测方法。采用多通道Gabor滤波算法,取模值特征为输出,利用最大熵分割模值图像,再进行图像融合,最后计算轮廓的周长和面积去除孤立点得到最终检测结果。利用OpenCV算法库,选取了四种具有代表的织物疵点图片进行验证,实验结果表明,该方法降低了计算复杂度、检测速度快、检测效果好、无须事先学习,适用于不同疵点类型的各种检测。     

基于熵权的K最临近算法改进

维度灾难直接影响到K最临近算法（KNN）的效率和准确率,将信息论中的信息熵理论与KNN算法结合起来,用信息熵理论进行属性约简,并根据特征属性与分类的相关度来确定各属性的权限,从而建立相关度与权重的内在联系。仿真实验表明,与传统的KNN相比,基于熵权的KNN改进方法在保持分类效率的情况下,使分类器的准确率得到了极大的提高。     

短时域语音端点检测中谱熵算法的改进

语音识别中,端点检测关系到后面的学习及识别效果。短时域检测的算法简单,计算量少。论文对基于谱熵的算法做了改进,采用信息复杂度计算,得到了短时域的能量-过零率和谱熵以及改进方法的结果的对比,仿真结果表明在低信噪比的条件下,改进的方法有较高的检测准确率。     

新的基于图像显著性区域特征的织物疵点检测算法

鉴于织物疵点类型的多样性和传统人工检测方法的低效率,为更有效地检测织物疵点,提出一种新的基于图像显著性特征的织物疵点检测方法——SGE。将原织物图分成相同两份:一份利用改进的基于频率的显著性区域(FSR)方法提取区域特征,粗定位疵点位置。另一份先Gabor滤波,取Gabor模图为输出特征;再利用基于像素的显著性区域(PSR)方法进行区域特征提取,细定位疵点位置;然后利用最大熵分别对粗细定位的疵点图进行分割,再融合;最后描绘轮廓,计算周长和面积,去除孤立点,得最终检测结果。采用OpenCV算法库,选取了4种具有代表的织物疵点图片进行验证。实验结果表明,这种粗细定位疵点的方法能够获得较好的检测结果,无需事先学习,能够满足实时性要求。     

基于局部熵的CMOS摄像头疵点检测

在CMOS摄像头数字图像性能检测系统中,疵点检测是关键内容。基于局部熵,提出了基于局部熵的CMOS摄像头疵点检测方法。与原有的摄像头疵点检测方法进行比较,局部熵方法是一种自适应的疵点检测方法。实验结果表明,该方法能够准确、有效地检测到摄像头的疵点。