一种不定长水尺图像水位测量方法

针对水尺图像水位识别中存在的多根水尺拼接、水尺拍摄不完整以及环境适应性差等问题,从摄影测量学角度提出一种复杂光照条件下不定长水尺图像水位测量方法。首先通过人工选取的标识点构建水尺在像素坐标系和世界坐标系之间的透视投影关系;然后利用水尺的颜色特性将水尺与背景分割并二值化;再根据二值化图像使用方差均值阈值法检测水位线位置;最终通过投影关系计算出水尺图像中水尺中线的表达式,并结合水位线位置计算出水面上水尺中线的真实长度,获得水位值。本文对水文站真实水尺图像进行了测量实验,将检测结果与遥测水位值进行对比,结果表明本方法提高了不定长水尺图像水位检测的可靠性,测量精度达到1 cm,检测分辨率为1 pixel,基本满足水文站水位监测要求。     

基于改进 Census 变换的图像立体匹配算法研究

针对传统的 Census 区域匹配算法过分依赖窗口中心像素信息,导致算法受到噪声干扰时匹配精度降低的问题,提出一种基于改进 Census 变换的匹配算法.采用局部像素反差值为中心像素选择的评判标准,对传统的 Census 变换进行改进,增强了窗口像素信息的利用,提高了算法对像素值突变的适应性,使算法有更好的鲁棒性;代价聚合阶段采用引导图滤波算法并结合多尺度聚合模型,增强平坦区域像素间的区分度;采用 win-take-all 算法选取最优视差值,完成视差计算;采用区域投票策略和中值滤波算法完成视差精化.利用该改进算法对 Middlebury 平台提供的标准图像进行实验,实验结果表明该算法较传统Census 算法有较好的抗噪能力和立体匹配精度.     

利用SegNet的非标准DM码的区域提取

位置与背景鲁棒的区域提取技术一直以来都是DM码识别技术中的关键核心.目前,已有的二维码区域提取主要是利用卷积神经网络或者BP神经网络等方法来实现的,其共同特点是基于神经网络,且有较高的准确率,但这些方法仍存在以下缺点:(1)训练过程复杂繁琐;(2)训练后仍需对图片进行特征变换或者图片重组才能达到对其进行定位识别的目的 .针对该问题,提出了一种基于语义分割技术的DM码条码区域提取方法:先采用基于深度学习的SegNet网络从图片中分割出包含二维码的最小区域,再对得到的区域进行二维码定位与解析,并进行了实验验证.实验结果表明,与已有的基于神经网络定位二维码区域的方法相比,利用SegNet的定位方法更为简洁高效,能够将准确率提高到99.5％,且具有更高的鲁棒性.     

基于三维时频空间模型重构算法的离心泵故障诊断方法

信号的空间信息容易被传统的时频分解所忽略,例如主成分分析(PCA)、快速傅里叶变换(FFT)和独立成分分析(ICA)。对以通道、频率和时间组成的三路张量进行分析,称为平行因子分析(PARAFAC)。将平行因子分析应用于经过连续小波变换后组成的通道-时间-频率信号,利用平行因子分析将每个三阶张量分解为通道、时间和频率特征。它能够从机械非线性多故障模式的多源动态特征识别中提取单源故障信号的时间、频率和空间特征信息,得到非线性变量、多故障模式和多源故障特征在时间、频率和空间上的对应关系。本文研究了多尺度平行因子分析理论,提出了一种多源特征因子的三维时频空间模型重构算法,这个基于平行因子分析和连续小波变换(CWT)的泥沙泵多故障状态监测新方法能够提高故障检测的准确性和有效性。     

基于同步挤压提取变换的滚动轴承故障诊断研究

滚动轴承是大型机械设备的重要部件,起着非常重要的作用。当轴承发生故障时,如不及时修复或更换,将严重影响设备的寿命。时频分析方法是一种非常有效的故障特征提取工具,已得到广泛的应用;同时,时频分布的能量聚集性影响故障特征提取效果,因此,一种能量更加集中的时频分析方法对机械信号处理与故障诊断起着至关重要的作用。提出了一种全新的时频域特征提取方法——同步挤压提取变换。该方法主要包含两个步骤:首先,使用同步挤压变换将信号大部分能量聚集到多个小频带范围内,实现信号能量的初步聚集;然后,在同步挤压变换结果中引入一个频率提取算子,该算子可以提取出每个小频带内与信号时变特征最相关的信息并将其保留,从而实现信号能量的再次聚集。仿真信号的分析验证了该方法的可行性。通过对实际轴承信号的分析发现,与先前的时频分析方法相比,该方法效果更佳。     

基于图论的三构态助老变胞机构的设计与运动学分析

为了研发一款助老机器人,基于图论理论、机构的数综合,设计了一种可在2自由度、1自由度、0自由度之间切换的三构态助老变胞机构。针对变胞机构的2自由度行走构态,运用闭环矢量法进行了运动学分析,得到该变胞机构在该构态下关键位置的位移、速度、加速度等变化规律。分析结果显示,位移曲线在支撑期过渡到摆动期时位移变化较大,在步态周期的后40%内,速度、加速度均有较大变化,符合人体步态规律,表明该助老变胞机构设计是合理的。     

EWT-FastICA在内燃机振动信号识别中的应用

内燃机广泛应用于工程、动力等领域,然而内燃机因燃烧和机械运动引起的冲击与振动导致其减振降噪一直是研究的热点,而如何准确识别振源则是减振的前提.本文针对振源盲分离时观测信号不少于源信号数目要求不易满足的问题,利用经验小波变换(Empirical wavelet transform,EWT)结合快速独立成分分析(Fast independent component analysis,FastICA)实现对内燃机振源信号的识别.首先使用时域同步平均法对内燃机缸盖的振动信号进行预处理,然后进行经验小波变换,之后再利用皮尔逊相关系数选择有效经验模态分量作为快速独立成分分析(FastICA)的输入,最终分离结果表明:该方法可以有效地从内燃机缸盖振动信号中识别出燃烧信号和气阀机构开启时的气体冲击信号.     

基于全相位FFT不平衡分析的转子现场动平衡

为了对地面转子试验器进行动平衡,降低其振动量值,掌握转子系统现场动平衡技术,基于全相位快速傅里叶变换(fast Fourier transform,简称FFT)建立了转子不平衡量的计算模型,并在地面转子试验器上搭建了不平衡测试系统。试验表明,当转速高于1 kr/min后,计算模型可准确地分析出转子不平衡响应。对转子试验器进行了现场动平衡,结果表明,所建立计算模型在较轻的试重条件下(三圆法无法计算出配平方案),经单次配平可使转子不平衡振动降低77.3%,证明了所建立的不平衡计算模型的有效性与准确性。该模型可用于对其他复杂转子机械的现场动平衡计算。     

频率同步压缩与时间同步压缩的对比和应用

同步压缩变换是一种具有重构特性的时频分析方法,常用作短时傅里叶变换(short-time Fourier transform,简称STFT)的后处理步骤。介绍了两种不同的同步压缩方法:频率同步压缩(frequency-reassigned synchrosqueezing transform,简称SST)和时间同步压缩(time-reassigned synchrosqueezing transform,简称TSST),并通过对比两者所使用的短时傅里叶变换,来说明两种同步压缩方法的区别以及各自的应用场合。为了利用计算机进行快速计算,按照两种同步压缩的计算流程分别给出它们的离散化实现算法。此外,使用了旋转机械的碰摩故障和轴承外圈的冲击故障来验证两种算法的有效性,并指出SST方法因其在频率轴方向上压缩STFT系数的特点能够较好地识别旋转机械中的碰摩故障,而TSST方法因其在时间轴方向上压缩STFT系数的特点能够实现对轴承外圈冲击故障频率的检测。     

自动钻孔机视觉定位系统设计

采用图像处理技术对图像采集设备得到的图像进行白平衡、降噪、灰度处理、二值化、Canny边缘检测、Hough变换等一系列图像处理方法,解决了图像采集过程中图像畸变和像素距离转换的问题,得到目标标签的位置偏差,传输给执行机构控制终端.系统应用于自动钻孔机械手,经实验验证,定位误差在1 mm以内,是一种可行的视觉定位系统设计.