基于自适应模糊映射图估计的离焦靶标图像盲复原

为解决靶标图像全局和局部离焦模糊问题,提出一种基于自适应模糊映射图估计的快速盲复原方法。首先,根据尺度空间图像边缘的连续性,自适应选择二次模糊量参考矩阵,并对离焦模糊靶标图像进行二次模糊,然后基于图像边缘差比计算稀疏模糊映射图,利用引导滤波进行插值获取模糊映射图,最后基于光学离焦退化模型建立模糊映射图和模糊退化图像之间的物理关系,实现离焦模糊靶标图像快速复原。实验结果表明,本文方法能够有效恢复离焦模糊靶标图像,增强靶标图像边缘特征,在算法运行效率上有极大优势,避免了迭代算法的高时耗问题,适合实际工业应用。     

基于LWPT-DTW的间歇过程不等长时段数据同步化

间歇过程不等长时段数据直接影响数据驱动的多元统计分析时段建模精度,导致间歇过程的监控性能降低。针对间歇过程不等长时段数据问题,提出一种基于提升小波包变换（LWPT）和动态时间规整（DTW）算法的间歇过程不等长时段数据同步化方法。该方法引入LWPT对间歇过程不等长时段数据轨迹进行高低频的多级分解,充分提取数据轨迹的所有时频域信息;采用DTW算法对不同频段的系数矩阵进行同步化,并利用提升小波包逆变换对同步化后的系数矩阵进行合成,降低吉布斯现象对数据轨迹合成的影响,获得等长的时段轨迹,实现了间歇过程不等长时段数据同步化。青霉素发酵过程仿真实验表明,所提出的方法运算速度快、稳定,不等长时段数据的同步化结果具有较高的准确性,为间歇过程时段建模提供了可靠的过程数据。     

基于SVDD的多时段间歇过程故障检测

支持向量数据描述(SVDD)不要求过程数据满足正态分布,已应用于间歇过程故障检测。现有的SVDD间歇过程故障检测方法采用聚类分析和模型识别划分间歇过程时段,多时段划分的准确性较低,制约了多时段间歇过程故障检测精度的提高。针对上述问题提出了一种基于SVDD的多时段间歇过程故障检测方法,利用SVDD的超球体半径值与支持向量个数的变化划分间歇过程的多时段,并建立了不同时段的SVDD故障检测模型,使用待检测样本点的球心距与对应时段的超球体半径之差检测过程故障,实现了多时段间歇过程的时段划分与过程故障检测。发酵过程仿真实验和实际生产实验结果表明,该方法能够准确地划分间歇过程的多时段,并且能够针对不同时段进行故障检测,具有较高的检测率。     

基于核相似度支持向量数据描述的间歇过程监测

基于支持向量数据描述的间歇过程监测方法选择历史过程数据中最大的核距离作为控制限，忽略了高维空间中超球体的不规则性，导致基于该方法的过程监测精度不高。针对上述问题，提出了一种基于核相似度支持向量数据描述的间歇过程监测方法，将间歇过程数据待监测样本与支持向量之间的核函数值作为相似度权重，利用该相似度对不同时刻的支持向量球心距加权求和，得到待监测间歇过程数据样本的动态控制限，通过判断待监测样本的球心距是否超过其动态控制限，实现间歇过程监测。所提方法综合考虑了超球体的不规则性和过程数据在高维空间分布的局部特性，以及间歇过程数据待监测样本的时变性，提高了间歇过程监测的准确性。利用数值仿真实验和半导体金属刻蚀实验验证了该方法的有效性。     

基于多证据融合决策的间歇过程测量数据异常检测方法

间歇过程测量数据的高维、非线性、非高斯分布特征直接影响过程测量数据异常检测的准确性，为了融合多源数据异常检测信息，提升间歇过程测量数据异常检测精度，提出了一种基于多证据融合决策的间歇过程测量数据异常检测方法，该方法通过引入证据理论（Dempster-Shafer，D-S），采用主焦元判别伪证据和重新计算证据权重改进冲突证据处理方法，减小了冲突证据对多证据融合决策结果的影响，提高了间歇过程测量数据异常检测的准确率。构建了基于多证据融合的测量数据异常检测模型并将其应用到间歇过程测量数据异常检测决策判决中。实验结果表明，该方法能够融合多证据信息，有效地处理冲突证据，实现了间歇过程测量数据异常检测，降低了误检和漏检率。     

基于DHSC的多模态间歇过程测量数据异常检测方法

多模态间歇过程测量数据异常直接影响数据驱动的多元统计分析过程建模的准确性，导致间歇过程的监控性能降低。针对多模态间歇过程测量数据异常问题，提出了一种基于动态超球结构变化（DHSC）的多模态间歇过程测量数据异常检测方法。该方法通过引入时序约束的模糊C均值聚类（SCFCM），利用隶属度变化划分多模态间歇过程的模态；针对不同模态，采用支持向量数据描述（SVDD）建立基于训练数据的静态超球体和基于待检数据的动态超球体，选择重要的支持向量作为球体结构，进而通过识别超球体发生结构变化实现过程测量数据异常检测。青霉素发酵过程仿真实验表明，所提出的方法能够实现多模态间歇过程的模态划分，减少了模态切换对过程测量数据异常检测精度的影响，并能够根据超球体结构变化检测过程测量数据异常，具有较高的检测精度，降低了误检率。     

基于序列相关和小波变换的加速度计信号降噪

有效滤除加速度计信号噪声,对提高加速度计信号分析精度有重要作用,针对加速度计比较法冲击激励校准中,噪声对加速度计频率响应函数估计的影响,提出一种基于序列相关和小波变换的加速度计信号降噪方法。该方法首先对参考加速度计和被校加速度计的输出信号进行小波变换,然后利用同一激励下不同加速度计响应信号小波系数的相关性,引入互相关系数对阈值进行改进,并应用该阈值对加速度计输出信号各层小波系数进行降噪。仿真实验和加速度计比较法冲击激励校准实验表明,该方法能够有效降低加速度计输出信号中的噪声,提高了加速度计频率响应函数估计精度。     

基于动态权重PSO算法的眼科OCT设备横向分辨率检测

眼科光学相干层析成像(OCT)设备的横向分辨率检测易受光斑噪声和干涉条纹影响,为提高横向分辨率检测精度,提出一种基于动态权重粒子群优化(DWPSO)算法的眼科OCT设备横向分辨率检测方法。通过构造动态权重因子对局部PSO算法进行改进,构建了DWPSO算法;建立了光束光强分布模型,采用DWPSO算法辨识模型参数并获得光束宽度,应用最小二乘算法拟合光束宽度得到数值孔径,用于实现眼科OCT设备横向分辨率检测。实验结果表明:DWPSO算法与其他相关算法相比较能够快速得到光束光强分布模型的全局最优解;被测眼科OCT设备在近焦点位置的横向分辨率为18. 21μm,远焦点位置的横向分辨率为49. 91μm,该横向分辨率检测方法使光斑噪声和干涉条纹的影响有效降低,具有较好的噪声鲁棒性。     

基于PARAFAC2时段划分的间歇过程故障检测

间歇过程的多时段特性直接影响多元统计分析过程建模的准确性。针对间歇过程多时段特性,本文提出一种基于平行因子分解2（PARAFAC2）时段划分的间歇过程故障检测方法,首先对每一个时间片矩阵进行PARAFAC2建模,得到时间片矩阵的模型控制限,然后从间歇过程初始时刻开始,按照时序依次将每个时间片添加到时间块并进行PARAFAC2建模,得到时间块矩阵的模型控制限,通过评估时间片和时间块模型控制限的差异性确定初始时段划分点,并利用时段评价划分指标（PPCI）获取最佳的时段划分结果,最后在所得结果基础上分别对各个时段构建MPCA故障检测模型,实现间歇过程故障检测。所提方法保留了间歇过程三维结构特征和数据的完整性,深入考虑了间歇过程实际运行的时序性,提高了故障检测的准确性。利用青霉素发酵过程仿真实验验证了所提方法的有效性。