飞机蒙皮缺陷磁光图像识别算法研究

提出一种基于模糊支持向量机自动识别飞机蒙皮磁光图像中铆钉裂纹缺陷的新方法。针对铆钉磁光图像的不规则圆形特点．采用阈值法确定近似铆钉区域中心，将由中心发出的星形射线矢量作为识别的基本特征，采用模糊支持向量机方法对铆钉周围裂纹的方向进行分类。其中，支持向量机采用径向基核函数，利用网格法选取核宽度惩罚常数．并结合模糊隶属度函数解决多类分类问题中存在的错分、拒分现象。样本测试实验结果表明，算法具有很高的识别率。     

面向月面探测的空间机器人-航天员手势交互方法的研究

针对月面探测机器人-航天员手势交互的问题,以航天员助手机器人(AAR-2)为实验平台,运用卷积神经网络模型,提出了一种静态手势识别方法。采用该方法对设计的8种空间人机交互手势进行了手势识别试验,并将试验结果与单通道的CNN等方法的结果进行对比,证明了该方法能在一定程度上提高静态手势识别率,识别准确率达到93.3%。并自制了一套小型空间人机交互的手势数据集,用以补充该方法在月面探测的实际任务中的不足。     

改进的Kohonen 网络在航空发动机分类故障 诊断中的应用

针对传统Kohonen网络对未知样本识别时的不可辨识性和分类结果不惟一性问题,利用改进的Kohonen网络对航空发动机进行分类故障诊断,并利用混合粒子群优化算法对网络连接权值进行优化,以提高Kohonen网络在分类故障诊断中的通用性和容错能力。对GE90发动机的孔探图像纹理特征识别进行对比。结果表明:改进的Kohonen网络在分类故障诊断中有较强的实用性,分类准确率高于常用神经网络模型和支持向量机的。     

基于支持向量机的飞机空中结冰严重程度识别

为了保证飞机的飞行安全,必须对飞机空中结冰的严重程度作出较准确的判断。针对飞机空中结冰状况的复杂性,提出将支持向量机与二分法相结合的飞机空中结冰严重程度识别的算法模型。仿真结果表明,虽然该训练样本较少且为多参量分类识别,但是由于建立了多支持向量机且采用二分法的概率抉择能找到最佳的建立支持向量机的分类方式,所以找到了最佳的分类方式,提高了分类准确率,而且可以较准确地识别飞机空中结冰的严重程度。可见该方法可以在训练样本较少的情况下对飞机空中结冰严重程度作出较好的识别效果。     

基于改进支持向量机的油液在线监测系统

搭建油液在线监测实验平台进行磨粒分类识别实验,运用支持向量机和最近邻法相结合的方法对飞机发动机油液中的磨粒进行分类识别;其中基于支持向量机的磨粒分类器的输入为磨粒的主轴长度、纹理相关性、圆度等特征参数,输出为磨粒的分类结果;实验结果表明,基于支持向量机的磨粒分类器的分类准确率高达94％,并且由于最近邻法的使用,分类器的处理速度也提高了30％。     

基于Rough/SVM的飞机目标识别模型

研究了基于粗糙集（Rough）和支持向量机（SVM）的模式分类技术,结合遥感图像中军用飞机目标识别进行理论分析和试验研究。基于粗糙集和支持向量机算法的优势,设计了基于粗糙集和决策有向无环图的支持向量机模式识别分类器,并对分类的性能进行了分析研究。利用粗糙集理论中属性约简方法去除冗余属性,降低飞机特征维数,提出了使用决策...     

基于NGO-VMD和DBO-SVM的滚动轴承早期故障诊断

针对滚动轴承早期故障阶段信号微弱难以提取和识别的问题,提出利用北方苍鹰算法优化变分模态分解参数,并结合蜣螂优化算法优化支持向量机的方法进行故障提取和分类识别。首先,采用北方苍鹰算法对变分模态的最佳参数进行搜索,将信号用变分模态分解为若干个本征模态函数;然后利用峭度选取最优本征模态函数;最后将其输入蜣螂优化算法-支持向量机诊断模型中进行故障分类识别。实验结果表明,北方苍鹰算法-变分模态分解方法在迭代次数和收敛精度上均有一定的优势,采用峭度选择最优本征模态函数,包络解调分析后提取早期微弱故障信号故障特征的能力最佳;蜣螂优化算法-支持向量机诊断模型能在故障信号微弱背景下,使故障诊断分类识别率有一定的提高。该方法具有较好的故障特征提取和分类识别能力,为滚动轴承早期故障诊断提供技术支持。     

基于SS-ROI分割和CNN的交互手势识别

针对月面机器人在执行空间任务期间与航天员之间交互时的手势识别问题,提出一种基于SS-ROI分割和CNN的手势语义解读算法。利用SS算法的多策略融合优势,将待测图像生成目标候选区域,提取的各区域PHOG特征送入SVM分类器中进行分类,定位手势区域。采用7层网络结构对16种手势样本进行训练,得到迭代模型。对手势区域输入的迭代模型进行类别判断,得到识别结果。实验结果表明,算法验证识别率达到97.63%。     

基于Boosting-SVM算法的航空发动机故障诊断

提出了一种利用支持向量机(SVM)作为弱基分类器、Boosting算法进行加权融合的航空发动机故障诊断算法.该算法具有支持向量机的强分类能力,又具有Boosting算法适合不均衡数据集的特点.为验证算法的有效性,采用外场实测的滑油光谱分析数据针对传动系统的轴承、减速齿轮和滑油系统3类故障进行了验证.为去除实测数据之间的冗余、降低特征维数,提高算法执行效率,采用主元分析(PCA)和粗糙集理论(RST)进行故障特征压缩和提取.利用实测数据构造了Boosting支持向量机分类器.最后,实验结果表明Boosting-SVM算法可以显著提高SVM分类器的推广性能.针对实测数据,3种故障平均识别准确率由79.4%提高到了85.7%.     

基于支持向量机和蚁群算法的空间目标分类

研究了基于支持向量机的空间目标分类中核参数和误差惩罚因子的选择问题.将蚁群算法与支持向量机相结合,提出了一种自动优选支持向量机模型参数的方法,克服了以往反复试验以确定其参数的缺点.采用所提出的方法,分类正确率迭90%左右,验证了该方法的有效性.     

最小二乘支持向量回归机在可靠性分析中的应用(英文)

经典的响应面方法作为回归方法来模拟可靠性设计中的状态变量和基本变量之间的函数关系,用以解决直接数值模拟方法计算量大的问题。这类算法已经成功解决了一些隐式功能函数的可靠性分析问题,但它依据的"经验风险最小"原则影响了它的使用范围。基于"结构风险最小化"的支持向量回归机方法具有良好的小样本学习性能和泛化能立,比传统的回归方法具有优越性。但支持向量回归机方法对大样本的可靠性问题在时间和空间上开销巨大。为了克服这一不足,本文将最小二乘支持向量回归机引入到可靠性分析中。算例结果表明:基于最小二乘支持向量回归机的可靠性方法计算得到结果精度较高,在计算耗时上远小于支持向量回归机的可靠性方法,因此在工程应用上具有一定价值。     

基于模糊支持向量机的飞机飞行动作识别

传统的支持向量机由两类扩展到多类问题时,出现不可分区域。针对飞行动作识别提出解决这一现象的模糊支持向量机。采用模糊支持向量机对某型飞机飞行动作进行识别。实际飞参数据(6种飞行动作模式)的识别结果表明,模糊支持向量机较传统的多类支持向量分类器在飞机飞行动作识别率上有显著提高。     

基于一类辨识的航空发动机故障诊断

在支持向量机理论的基础上，打破了支持向量机的二类辨识传统，引入了基于支持向量机的一类辨识理论，以它为基础设计了基于一类辨识的一类分类器，并将它运用到航空发动机故障诊断中。通过对几种典型故障的分析，证明了该方法的有效性。     

基于动态时间规划和支持向量机的飞机机动动作识别方法

提出了一种对飞机试飞和试验数据中标准机动动作的识别方法,对飞行历史数据中的目标机动动作进行精确地检测提取。先应用动态规划的方法,在海量数据中使用动作模板初步匹配目标数据,再通过支持向量机精确识别目标,最后使用真实的飞行数据对所设计的机动动作识别方法进行了试验。结果表明,基于动态时间规划和支持向量机方法的动作识别结果准确率高、计算速度快,且数据解耦性强,具有很好的工程应用前景。     

基于平滑滤波与最小二乘支持向量机的指纹图像识别研究

平滑滤波能抑制或消除噪声,获得高质量的图像。建立了完整的指纹识别系统,通过预处理、特征提取和分类识别3个过程,实现了指纹的分类识别;研究了预处理过程中的滤波增强方法,比较了邻域平均、高斯平滑和中值滤波的处理效果;在识别阶段采用最小二乘支持向量机,进行指纹识别实验,并对实验结果进行了比较。     

基于边缘检测与最小二乘支持向量机的人脸图像识别

文章建立了完整的人脸识别系统,通过图像预处理、特征提取和识别3个过程,实现了人脸的分类识别;研究了图像预处理过程中的边缘检测方法,比较了基于一阶导数的Robert算子、Prewitt算子、Sobel算子和基于二阶导数的Gauss-Laplacian算子的检测效果□在识别阶段采用最小二乘支持向量机方法,进行人脸识别实验,并对实验结果进行比较。     

数字孪生驱动的薄壁件铣削刀具磨损状态识别方法

薄壁零件由于其本身的弱刚性,铣削过程中极易发生颤振、变形,从而加剧刀具磨损,为提高薄壁零件的铣削加工效率和表面质量,提出了一种数字孪生与支持向量机（SVM）融合驱动的刀具磨损状态识别方法。利用时、频域分析和小波包变换提取特征向量,通过网格搜索与交叉验证（GSCV）的方法进行超参数寻优,结合SVM算法构建薄壁零件铣削刀具磨损状态识别模型。试验结果表明,SVM算法在高维小样本数据的分类识别问题中优势明显,对于不同铣刀磨损状态的识别准确率分别达到96%和90.16%,具有较好的泛化能力。结合机器学习算法构建高保真、轻量化的数字孪生体,并将其嵌入薄壁零件铣削过程监测平台,以解决加工过程中信号实时监测和刀具磨损状态在线识别的问题。     

面向不均匀飞机舱音信号样本的模糊支持向量机识别方法

 针对驾驶舱话音记录器(CVR)中记录的舱音背景信息多而复杂、频率范围宽、非平稳等特点,通过对15种舱音信息进行傅里叶变换和小波包变换,依次提取其Mel倒谱系数(MFCC)和小波包分解系数(WPC),利用距离可分性判据对MFCC和WPC信息进行压缩融合,得到舱音信息特征向量。设计了面向不均衡样本的模糊支持向量机(FSVM),分别计算每种类别样本及其内每种舱音信息的2个隶属度,然后利用FSVM对舱音信号进行分类识别,解决了CVR信号含噪奇异样本和数目不均衡样本时识别性能较差的缺点,实验表明该方法明显优于常规支持向量机(SVM)和FSVM,分类识别率达到98.33%。     

一种基于 KFCM的 SVM遥感图像机场目标分类算法

在遥感图像机场目标分类方面,支持向量机(SVM)有着广泛的应用,但由于样本不平衡问题以及不确定性数据的存在,传统SVM算法的分类精度与效果还无法令人满意。为提高传统SVM分类器的性能,文章将建立在模糊理论基础上的模糊核C-均值聚类算法(KFCM)用于处理遥感数据的不确定性问题,并通过聚类分析后的目标子图,剔除非目标样本的同时保留了目标样本,较好地解决了样本不平衡问题。将基于KFCM的SVM分类算法用于遥感图像机场目标的分类,实验结果和性能分析表明该算法分类性能优于传统SVM算法。     

基于免疫聚类分析的特征提取及其在发动机故障诊断中的应用

以提高航空发动机故障诊断的快速性和准确性为目的，基于人工免疫理论中的克隆选择算法，结合聚类分析方法，提出了基于免疫聚类分析的故障特征提取方法。该方法通过删除对分类无关的特征以及压缩类间相关特征，得到最有利于分类的子特征集，提高了分类器的分类性能。并且该算法具有本质上的并行性、计算效率高和聚类能力强等优点。多类支持向量机的分类实验表明，经过基于免疫聚类分析提取的特征对发动机的故障具有更好的识别能力，为发动机的状态监测与故障诊断提供了依据。