基于复值过程高阶累积量谱的轴心轨迹分析的研究

用复值过程表示轴心轨迹,将复值过程高阶累积量理论引入轴心轨迹分析这一研究领域。结合轴心轨迹的形状讨论了轴心轨迹复值过程的频域特点。证明了混杂在轴心轨迹中的高斯复噪声和实虚部非相关随机噪声的高阶累积量为零,定性说明了该理论亦可有效抑制宽带和窄带噪声。定义了双谱的工频切片和半工频切片。给出了利用双谱幅值谱及其工频切片分析轴心轨迹的计算方法,并将该方法用于转子不对中故障轴心轨迹的分析,验证了该方法同时具有对轴心轨迹的提纯和特征提取的功能。利用工频切片方法对多种故障的轴心轨迹进行了特征提取,其结果表明该方法可将不同故障的轴心轨迹转化为量值的组合,符合机械故障智能诊断的需要。     

小波包分析和自组织神经网络在连铸下渣自动检测中的应用

提出了基于小波包分析和自组织神经网络的钢水连铸下渣自动检测方法.利用小波包分析的高时频分辨率特性来提取特征参数,并利用自组织神经网络进行特征参数的自动聚类,实现正常浇注和下渣信号的自动识别.实验表明该方法可有效地进行下渣的自动检测.     

基于小波神经网络的板形板厚系统解耦预测控制

带材轧制是一个复杂的非线性过程, 板形控制和板厚控制又是强耦合、非线性、含时延环节的复杂系统. 提出了一种基于小波神经网络的解耦预测控制方案; 利用小波神经网络来辨识原系统的α阶时延逆系统, 将该逆系统与原系统串联后形成一个伪线性复合系统, 从而把多变量系统控制转化为多个单变量系统的控制实现了系统解耦, 并对解耦后的系统采用闭环预测控制. 仿真表明该控制方法具有结构简单、易于实现, 且有较强的抗扰性和鲁棒性.     

一种基于差别矩阵的启发式属性约简算法

为了获得决策系统中更好的相对属性约简,本文提出了一种基于差别矩阵的启发式属性约简算法。该算法以求差别矩阵为基础,不仅考虑了所选择条件属性与决策属性的互信 息,还考虑了其取值的分布情况,从信息论角度定义了一种新的属性重要性度量方法,将其作为启发式信息,最终求得属性约简集。实例表明,算法能够有效地对决策系统进进行约简,获得比较理想的约简结果,同时约简后的决策规则数目较少。     

决策表连续属性离散化的一种方法

提出了一种基于区间数据分布特征的决策表连续属性离散化的方法。方法在断点的选择上考虑了属性值的出现频率,在区间内的一致性和区间之间的差异性基础上,利用条件信息量作为反馈信息合并区间。通过实验分析表明了算法的有效性,能保持决策表较高的分类能力,提高约简效率。     

基于递阶辨识与交替方向乘子法的深度图像增强

针对主流传感器采集的深度图像存在深度信息区域缺失、噪声等图像质量问题,提出一种基于SD全局优化模型的深度图像增强算法。采用非凸函数对SD全局优化模型平滑项进行建模,使其对异常值具有较强的鲁棒性。使用基于递阶辨识(HI)的交替方向乘子法求解SD全局优化模型,将目标函数分解成多个子目标函数,并对每个子目标函数通过HI思想进行逐个求解,降低求解复杂度。实验结果表明,该算法在加快收敛速度的同时,能有效去除图像噪声及抑制深度伪影。     

基于特征融合的猪肉新鲜度高光谱图像检测

利用高光谱反射图像技术研究了猪肉新鲜度的无损检测。采集了180个猪肉样本在400~1 000 nm范围内的高光谱反射图像,提取了高光谱图像的光谱均值和熵两类特征;分别利用连续投影算法、主成分分析,以及连续投影算法结合主成分分析3种特征降维方法,提取了反映肉类新鲜度信息的重要特征变量;并建立了这些特征变量与挥发性盐基氮(TVB-N)的最小二乘支持向量机(LSSVM)预测模型;在此基础上提出了猪肉TVB-N含量的可视化检测方法。研究结果表明:相比于单一特征模型,利用光谱均值和熵融合特征的LSSVM模型可显著提高模型的准确度;连续投影算法结合主成分分析的特征降维方法,可显著降低模型的复杂度,提高模型准确度。利用光谱均值和熵两类特征,通过连续投影算法和主成分分析相结合的特征降维方法所建立的LSSVM预测模型,可取得最佳的预测准确度,其预测集的均方根误差RMSEP为1.96,相关系数(RP)为0.948,剩余预测偏差(RPD)为3.12,可满足实际检测需要。建立在此基础上的可视化方法,可直观显示肉类的腐败区域和程度。     

基于视频序列的危险驾驶预警技术研究

为减少因危险驾驶行为造成的交通事故,提出一种基于视觉的危险驾驶预警方法。依据人脸特征点定位结果计算嘴部几何特征值,并使用头部姿态角对几何特征进行修正,形成嘴部张开度和头部姿态的特征序列;针对数据丢失问题,使用滑动平均法进行缺失值补偿;统计分析时间窗内序列,对哈欠、说话、视线偏移行为进行识别;并提出一种多参数融合方案和非线性映射模型将危险可能性直观化,计算危险系数并进行危险驾驶报警。实验表明,哈欠、说话检测准确率分别达到82.97%、100%,头部姿态、危险驾驶系数与实际情况相符,模型效果好。     

基于小波能量和RBF网络的钢水下渣自动检测

由于采用振动监测的方法进行钢水连铸下渣检测时,通常在整个频段上很难获得钢水下渣这一突变信号。提出了一种基于小波能量和RBF神经网络相结合的钢水连铸下渣的自动检测方法。首先,利用小波包分析的高时频分辨特性将振动信号分解到各个频带上,并以各频带信号的能量来构造用于下渣检测的特征参数。然后,利用RBF神经网络实现正常浇铸和下渣信号的自动识别。实验表明,该方法可有效地进行下渣的自动检测。     

基于结构风险最小化原则的奇异值分解降噪研究

针对奇异值分解降噪中矩阵有效秩的阶次难以确定的问题,提出了利用结构风险最小化原则来确定矩阵的有效秩阶次的新方法。该方法依据统计学习理论,把有效秩阶次的选择看作是一个学习过程,利用结构风险最小化原则来代替传统的经验风险最小化,从而自动得到奇异值分解降噪中矩阵的有效秩。仿真表明,该方法不但具有较好的降噪精度和算法稳定性,而且降低了消噪模型算法的复杂度。