小波和余弦变换的电机轴承故障特征参数构造

针对传统故障诊断特征参数的应用缺陷,提出了一种小波和余弦变换的感应电机轴承故障特征参数提取方法.首先,根据感应电机轴承振动信号的特点选择合适的小波滤波器和信息代价函数,并将感应电机轴承振动信号分解到各个不同的频域子空间;然后,基于离散余弦变换的频域能量聚集性对分解后的信号构造感应电机轴承故障特征参数,并对实际感应电机轴承正常、内圈故障、外圈故障和滚珠故障4种状态的振动信号进行分析,验证了所构造的特征参数能有效地实现电机轴承的早期故障检测与诊断;最后,与传统故障诊断特征参数方法进行了比较,说明所提出的特征参数构造方法对于感应电机轴承早期故障的诊断优于传统故障诊断特征参数方法.     

钢筋混凝土杆系结构恢复力曲线特征参数的实用算法

针对目前计算钢筋混凝土杆系结构恢复力曲线特征参数方法中存在的问题,依据混凝土结构设计规范,对现有特征参数的解析算法进行了改进.     

闭环Boost电路电解电容的故障预测方法研究

为了实现闭环Boost电路中电解电容的故障预测,本文采用基于特征参数退化的方法,利用LS-SVM及LS算法对电解电容的特征参数序列进行预测,实现了电解电容的故障预测与剩余寿命估计.仿真及物理实验均证明了本文方法的有效性及准确性.     

平面铰链四杆机构的轨迹综合方法

为提高平面铰链四杆机构轨迹综合的速度与精度,提出基于B样条曲线的综合方法.采用三次非均匀B样条曲线对连杆曲线进行拟合,将B样条曲线控制多边形各相邻两边的夹角作为连杆曲线的特征参数,将大量连杆曲线特征参数和对应的机构尺寸参数存入计算机以建立电子图谱库;当输入一定数目的有序离散数据点时,通过B样条曲线拟合得到期望曲线,提取期望曲线的特征参数;再利用神经网络将期望曲线的特征参数与电子图谱库中特征参数进行匹配,从而找到满足要求的机构,最终达到轨迹综合的目的.设计实例表明,该方法可快速实现四杆机构的轨迹综合,综合的精度高且所提取的特征参数与连杆曲线方位、缩放比例无关,减少了图谱库的数据冗余.     

智能故障诊断粗糙灰色组合模型

在故障诊断过程中,首先利用粗糙集原理对设备特征参数进行约简,去除冗余参数,再利用粗糙集理论定量确定各特征参数的重要程度;根据约简的特征参数和各参数的重要程度,利用灰色关联度分析的方法确定各种标准故障状态与目前设备状态的关联度,从而找到设备的故障之处.实例验证表明:在设备的故障诊断中将灰色系统理论和粗糙集理论结合是一种行之有效的方法,为智能故障诊断提供了理论基础.     

基于图形元素特征参数的参数化设计方法

在本文中作者讨论了基于图形元素特征参数的参数化设计方法.图形元素的特征参数能反映图形的几何和拓扑信息,根据图形元素的特征参数建立相关的图形元素类,并建立图形之间的各种约束关系,当选择某一图形元素后,参数化系统自动完成图形搜索,利用图形元素特征参数和相关的约束建立并求解约束方程,实现图形参数化.该方法操作简单,已用于参数化草图系统中,在VC开发环境中实现.     

应用谐波小波包提取转子故障特征方法

为消除转子转速变化时各节点中倍频分布的随机性,提出一种应用谐波小波包技术提取转子故障特征参数方法.该方法首先依据尺度变换思想对原始振动信号进行重采样,然后应用谐波小波包技术将重采样信号分解到给定层上,最后提取各个节点的谐波小波包系数能量值作为故障诊断的特征参数.通过对油膜涡动实验数据的处理和分析,观察到不同转速下节点倍频分布与能量分布具有了统一的物理意义.转子故障诊断实验中,对转子不平衡、不对中、动静碰摩、油膜涡动故障的分类准确率达91.4％.表明应用该方法提取的特征参数,可以作为转子故障诊断的可靠依据.     

基于加权多特征参数模型的动态频谱接入方法

为尽可能满足认知网络系统对认知用户多种类型业务的传输需求,提出了一种基于信道加权多特征参数模型分组聚类的动态频谱接入技术. 通过建立可接入信道的加权多特征参数模型,采用多目标聚类实现信道的频谱池分组划分,以实现认知用户频谱的动态接入,满足认知用户业务传输对频谱性能的需求. 通过多特征参数组合、动态频谱仿真实验验证,结果表明该方法可有效地实现信道的性能划分,提高认知用户的频谱接入效率和业务传输性能.     

Hilbert变换地震波主特征参数误差分析

复数道分析技术出现使地震勘探由构造解释向构造岩性解释和储层预测跨进了一步.而主特征参数是指在时间频率域提取的可表征反射波主特征或频谱特征的地震动力学参数,是对三瞬参数处理的改进,突出反映岩性组合性质的特征值,本文在Hilbert变换提取三瞬参数的基础上,给出主特征参数的提取方法,并分析了影响主特征参数计算精度的因素和寻找提高计算精度的方法,达到增强该方法解决地震勘探中的地质问题的能力,对油气预测和油藏综合分析有较大的指导意义.     

基于频响函数的主轴-刀柄结合部参数辨识方法

主轴-刀柄结合部是主轴系统中的薄弱环节,直接影响机床的加工效率与工件表面质量,主轴-刀柄结合部的特征参数是评价主轴-刀柄系统连接性能的关键环节.基于频响函数的子结构耦合法是辨识主轴-刀柄结合部特征参数的有效辨识方法,以BT40型主轴-刀柄系统为研究对象,进行结合部特征参数的识别,采用最小二乘法对辨识模型进行求解,获得了不同拉刀力下刀柄-主轴结合部上不同位置的刚度,并对辨识结果进行了验证,研究结果将为刀柄系统的优化设计提供理论依据.     

基于粗糙集和支持向量机的空间结构健康监测

目的 为了改进现有损伤诊断方法的不足，降低结构健康监测的成本并提高其准确性和分析速度．方法 基于小波包分解技术、粗糙集特征约简和支持向量机强大的分类功能，提出了一种空间结构损伤诊断方法，并以此为基础建立了空间结构的健康监测系统框架．利用有限元模拟，应用该方法对一单层球面网壳结构进行了损伤诊断．结果 由小波包分解得到的特征向量能够敏感地反映构件的损伤，经过学习的支持向量机基本可以正确地识别出空间结构杆件的损伤位置和程度．结论 经过粗糙集约简的损伤诊断同样有效并提高了计算速度．该方法具有面向工程实际应用、成本低和分析简便等特点。     

基于威布尔分布和支持向量机的滚动轴承故障诊断方法

提出了一种基于威布尔分布模型和支持向量机的滚动轴承故障诊断方法。首先对滚动轴承原始振动信号建立威布尔分布模型,提取其形态参数和尺度参数构建表征轴承运行状态的特征向量,然后将提取的特征向量输入支持向量机分类器进行故障诊断和识别。分别与基于小波分解和小波包分解特征提取的支持向量机诊断方法进行滚动轴承故障试验仿真比较,结果表明,基于威布尔分布模型特征提取的支持向量机诊断方法具有更高的故障识别准确率。     

基于邻域关系的网络入侵检测特征选择

入侵检测数据集具有数据量大、特征敷众多、连续型数据的特点.粗糙集是一种有效处理不确定性、不一致性、海量数据的有效分类工具,其特点是保持入侵检测数据集的分类能力不变,进行特征选择.为了避免传统粗糙集特征选择方法所必需的离散化过程带来的信息损失,引入邻域粗糙集模型,提出基于邻域关系的网络入侵检测数据特征选择方法.该方法从所有特征出发,根据特征重要度逐步删除冗余的特征,最后得到关键特征组进行分类研究.在CUP99入侵检测数据集上进行特征选择,并进行了分类实验,实验结果表明该方法是有效可行的.     

一种适用于数据流分类的特征选择方法

数据流环境下的高维、属性冗余、含噪音等问题是经常且可能同时存在的,在一定程度上影响了数据流的分类效果.为改善这一现状,提出一种快速、有效的数据流特征选择方法.引入统计指标IV（information value）值作为特征重要度的评价标准,在此基础上依据经验阈值来进行特征选择,从而解决了传统特征选择方法时空效率不高、区分度不明显、难以应用数据流的问题.实验结果表明:FS-IV具有较小的时间开销和较好的抗噪性能,该方法与已有的数据流分类模型相结合,在保证分类精度可比的情况下,能显著提高时空性能.     

基于统计特征主分量的信号调制识别

采用数字信号处理方法提取待识别信号的瞬时特征统计参量,利用多元统计的主分量分析方法对特征参量进行其主分量组合,以消除特征参量间的相关性和压缩特征向量的维数,并采用统计模式识别的模板匹配判决进行信号调制方式的自动识别,模拟结果证实了此方法的有效性和高识别率。     

基于SVM的灵敏度分析方法选取肿瘤特征基因

提出基于支持向量机的灵敏度分析方法选取结肠癌特征基因.用支持向量机分析基因对分类决策函数的灵敏度,递归去除灵敏度较低的若干基因,得到一组候选特征基因子集;以支持向量机为分类工具,检验候选特征基因子集对样本分类的贡献,选取具有最佳分类能力的候选特征基因子集作为结肠癌特征基因子集.通过实验比较,该特征基因子集的分类能力优于文献给出的其他特征基因子集,表明了该方法的可行性和有效性.     

一种基于LTS-HD测度的低信噪比图像鲁棒配准方法

针对图像传感器的固有噪声严重影响现有图像配准算法精度和可靠性的现状．提出了一种对低信噪比图像的鲁棒配准方法．通过采用区域多向灰度差阈值抑制的特征点提取技术和基于LTS-HD（Least Trimmed Square Hausdorff Distance）测度的特征点集匹配方法来获取待配准图像间的仿射变换参数以实现配准．对噪声干扰和场景变换具有良好的适应性     

Research into a Feature Selection Method for Hyperspectral Imagery Using PSO and SVM

Classification and recognition of hyperspectral remote sensing images is not the same as that of conventional multi-spectral remote sensing images.We propose, a novel feature selection and classification method for hyperspectral images by combining the global optimization ability of particle swarm optimization (PSO) algorithm and the superior classification performance of a support vector machine (SVM).Global optimal search performance of PSO is improved by using a chaotic optimization search technique.Granularity based grid search strategy is used to optimize the SVM model parameters.Parameter optimization and classification of the SVM are addressed using the training date corresponding to the feature subset.A false classification rate is adopted as a fitness function.Tests of feature selection and classification are carried out on a hyperspectral data set.Classification performances are also compared among different feature extraction methods commonly used today.Results indicate that this hybrid method has a higher classification accuracy and can effectively extract optimal bands.A feasible approach is provided for feature selection and classification of hyperspectral image data.     

主动隔振系统的并行设计方法研究

针对传统的串行设计方法很难使主动隔振系统性能达到全局最优这一问题,提出了一种基于线性矩阵不等式(LM I)的主动隔振系统机械结构参数及其控制器的并行设计方法.该方法将主动隔振系统机械结构及控制器的设计结合起来,从提高系统隔振效果出发,得到了系统机械结构参数和控制器的最优设计准则.给出了一个运用此方法进行超精密隔振平台并行设计的实例,理论分析和仿真计算结果表明,并行设计的主动隔振系统较传统串行设计的系统能够明显降低隔振对象的振动位移,从而有效提高系统的隔振效果.     

复杂背景中人脸检测与特征定位

为了在复杂背景下检测出人脸的特征区域,针对彩色图像提出了一种基于肤色和特征验证的人脸检测算法,主要由肤色分割、排除假区域、特征验证3部分组成,经实验证明,该算法检测速度快、准确率高,具有较好的鲁棒性。