计算机网络通信联合调制自动识别技术研究

文章通过分析计算机网络通信联合调制自动识别技术，预处理识别环境，在复杂网络环境下提取联合调制特征参数，建立四阶累积识别结构，设计正向联动自动识别模型，采用副载波控制实现通信联合调制自动识别。测试数据显示，联合调制自动识别测试组测定数据误差值较高，结合计算机网络控制自动识别范围，降低识别故障误差值，满足通信联合调制要求。     

基于深度信念网络的复杂机电设备故障诊断方法

常规的复杂机电设备故障诊断方法主要使用欧式向量矩阵确定故障逻辑特征,易受故障动态判断关联作用的影响,导致故障特征提取指标不拟合,因此基于深度信念网络设计了一种全新的复杂机电设备故障诊断方法。利用经验模态分解（Empirical Mode Decomposition,EMD）提取复杂机电设备故障的诊断特征,构建多Agent复杂机电设备故障诊断模型,并结合深度信念网络设计了设备故障诊断深度信念网络（Deep Belief Network,DBN）分类器,从而实现了复杂机电设备故障的诊断。实验结果表明,设计的复杂机电设备深度信念网络故障诊断方法提取的不同故障指标和实际故障指标拟合,证明设计的复杂机电设备故障诊断方法的诊断效果较好,为降低复杂机电设备的运行风险贡献力量。     

基于灰色理论的水电站机组故障诊断

水电站机组设备故障诊断方法的研究,是水电站建设和正常运行维护的重要内容。针对大多数机组的机电设备都具有灰色系统的特征,且机组最常见的故障为电机断条、偏心等,在机组机电设备的故障诊断过程中引入灰色理论系统中灰关联故障诊断方法,对机组机电设备进行状态识别与故障诊断。充分论证了灰色关联故障分析法对诊断弱条件、少数据的水电站设备故障的有效性。     

基于嵌入式的车辆牌照识别系统设计

嵌入式系统下的车辆牌照自动识别是图像识别的难点。针对便携式设备提出一种在嵌入式系统下的车辆牌照自动识别方案。本方案结合并优化了字符模板匹配和字符的轮廓特征和结构上的统计特征算法对字符进行有效地识别。此方案的设计能大幅度降低车辆牌照自动识别系统的成本。实验证明这种识别方案在嵌入式系统下具有很好的识别性能。     

基于支持向量机集成的水下目标自动识别系统

针对水下目标信号复杂、样本获取难度大、样本数目偏少的问题,提出了多类支持向量机集成算法,并且以此算法为核心构建了水下目标自动识别系统.通过对4类实测水下目标的识别实验,证明了所提出的水下目标自动识别系统可以用于水下目标识别,并且具有很好的推广能力.     

深度学习识别光网络单元故障的设计与应用

为解决依赖装维上门鉴别光网络单元故障带来的不便,可以从机器视觉入手实现自动化故障识别。近年,ImageNet挑战赛的成功推动了物体识别技术的跨越式发展,特别是基于卷积的深度学习技术在视觉识别方面已经达到人类水平,为光网络单元故障的自动识别提供了技术基础。文章对识别光网络单元的工作状态进行了研究,将设备工作状态分为7个场景,提出了利用手机APP采集图片识别故障的解决方案并投入了实际生产;重点阐述了深度学习模块的设计与实现,提出一种通过算法整合的方式综合运用物体检测和图像分类算法,分3阶段逐步求精,解决了图片过滤,光网络单元型号和状态识别等问题,实现了基于计算机视觉自动识别光网络单元故障。从数据上看产品的端到端准确率超过84%,识别速度达到10 FPS,月均提供服务超过1万人次,在减少用户等待的同时节约了人力资源。     

煤矿安全监控系统联网报警数据甄别技术

分析了煤矿安全监控系统联网报警数据类型;针对报警数据中真伪数据同存的问题,提出了煤矿安全监控系统联网报警数据甄别技术,介绍了监控设备误报警自动识别,传感器调校、“三闭锁”断电试验数据自动识别,传感器故障数据自动识别,人工实测与传感器监测数据对比分析,面域传感器识别等关键技术;开发了煤矿安全监控系统联网报警数据甄别平台,并通过实例验证了该平台能够提高安全监控系统报警的准确率。     

基于模式的实时音频流分割与控制系统

在音频相关的系统中，迫切需要利用语音识别技术，对音频流自动识别和分割，以及设计不同的模式，利用消息．动作自动机进行各种复杂控制。介绍了一种新的基于模式的、具有实时性的音频流分割控制系统。     

面向机电设备状态监测的嵌入式视听传感系统设计

针对机电设备状态监测集成化与智能化的需求,以DM642为内核,围绕视听信号处理搭建了由视频/音频信号处理模块、存储器扩展模块、外部接口模块等组成的嵌入式视听传感系统,提出了基于改进帧差法的运动检测方法及异常声音识别算法;测试结果表明,系统对机电设备运行状态能进行有效监测,对故障现象进行合理识别。     

嵌入式大气数据系统人工智能算法及故障诊断

嵌入式大气数据传感(FADS)系统由于其诸多优势成为现在战斗机设计中的关键技术之一。开发了基于BP(反向传播)人工神经网络的FADS算法和基于随机森林算法的故障识别与处理算法。该嵌入式大气数据系统算法以迎角和马赫数为分段依据,分别计算大气数据。故障识别则采用随机森林算法自动识别出故障测压点,在将故障测压点剔除后,采用不含故障点压强的组合预测各大气数据。采用飞行数据测试开发FADS系统算法,结果表明:该算法计算大气参数较为准确,迎角误差小于0.2°,侧滑角误差小于0.3°,马赫数误差小于0.0105,静压误差小于300 Pa。采用单个测压点故障的压强组合测试了故障识别与容错算法的性能,测试结果显示该算法能够准确识别出故障测压点压强,采用的飞行曲线测试中准确度达到100%,且各大气数据计算精度可达上述无故障压强时的精度,有效降低了故障压强对FADS系统算法计算精度的影响。