基于邻近点特征的地磁室内定位方法及性能分析

地磁室内定位以其成本低、适用范围广、复杂度低的特点而受到广泛关注。然而,它的定 位精度不稳定,且指纹采集工作量较大。因此,提出了一种基于磁场信息的邻近点特征,可由指纹 数据求得,特征范围是0~1。经实验证明,邻近点特征与定位精度呈正相关关系。邻近点特征越 大的测试点定位误差越小,定位准确率越高。邻近点特征均值越大的室内区域定位误差越小。结 合邻近点特征与快速构建指纹库的方法,可以实现对室内区域定位精度的预判,为室内区域定位 方法的选择提供依据。针对邻近点特征较大的室内区域,提出了使用插值算法以减少指纹库的采 集量。在实验中,仅采集原有指纹点的29.6%依然具有较好的定位表现,对定位精度的影响较小。 使用邻近点特征可以极大地提高地磁室内定位的效率。     

基于深度学习的电力数据分析研究

针对传统电力数据分析方法存在适用范围有限、模型复杂等导致电器分类准确率较差的问题,提出了一种基于多层堆叠长短期记忆(Long short-term memory,LSTM)网络的电力数据分析模型。首先,根据电力数据的频谱图、Mel频率倒谱系数(Mel-Frequency Cepstral Coefficient,MFCC)和Mel频谱图提取电力数据的特征,然后将其应用于深度学习模型并提高分类任务的性能,从而改善过拟合问题。其次,建立了一个多层堆叠LSTM模型,从而有效提高模型的分类和回归能力。最后,提出了一种改进的软独热编码和多尺度训练方法,从而防止峰值概率分布,提高模型的泛化能力。实验阶段,以家庭电力数据集为例,对所提模型进行验证。仿真结果表明,所提模型软独热编码及多尺度训练对加快训练效果具有一定效果,最终分类准确率到达89.85%。     

基于形态学算法的2219铝合金钨极氦弧焊熔池图像特征提取

根据2219铝合金氦弧焊特点,构建了焊接过程实时视觉传感系统,获取了熔池清晰图像;为获得2219铝合金氦弧焊熔池尺寸参数,实现对熔池特征的分析,采用了形态学算法,提取了典型熔池图像边缘形状,并获得了熔池宽度特征尺寸;通过试验验证,提取的熔池图像宽度特征能够准确反映出熔池尺寸信息及变化趋势。研究结果表明:形态学算法准确度高、计算速度快,满足2219铝合金氦弧焊熔池图像实时处理需求,不同阈值及结构元素对图像特征提取效果均会产生较大影响,研究阈值自适应算法,可以满足工程上焊缝熔池特征实时视觉监测的复杂需求。     

基于AE-BN的发电机滚动轴承故障诊断

为解决风力发电机在复杂工况及耦合性、不确定性条件下故障识别的准确性问题，提出了一种基于自动编码器(AE)与贝叶斯网络(BN)的AE-BN故障诊断方法。采用AE对电流信号进行特征提取，得到能够高度表征信号的特征分量；基于故障与特征之间的因果关系，建立由故障位置、故障状态和故障特征搭建的三层BN；将AE的特征分量与BN的拓扑结构相结合建立风力发电机故障诊断模型，解决故障诊断中的不确定性问题，提高多故障诊断的准确性。实验结果表明：所提方法能够对故障特征信号进行分析及诊断，精确辨识不同故障类型，相比K近邻算法等具有明显优势。     

一种FPGA实现的序列图像目标多维特征实时提取方法

目标区域多维特征的建模表征是实现目标跟踪搜索的前提。传统的特征提取方法通常先连通出目标区域，再计算目标特征，实时性不强。提出了一种基于像素的连通域标记及目标特征同步计算方法，建立特征传递机制，利用标号映射表关联标号表与特征属性表，并在区域邻接时进行标号合并和特征属性同步传递计算，保证了目标区域连通完成即可输出目标区域特征。给出一种基于FPGA硬件设计的实现方案。仿真测试结果显示，此方法具有以下几方面优势：连通域标记耗时少，仅为(L×W+2n/m)×T_clk，接近理论最小值(L×W)×T_clk；利用循环缓存区存储图像，资源消耗小；标记与计算并行处理，提升了检测跟踪效率；多目标特征经测试验证结果准确，可有效支持后续的目标跟踪检测；具有理论与实用价值。     

基于短时分数阶傅里叶变换的 含噪信号特征提取

通过对比噪声背景下短时傅里叶变换和短时分数阶傅里叶变换的时频分辨能力,进一步明确了短时分数阶傅里叶变换对频率时变信号的独特优势。研究了短时分数阶傅里叶变换的窗口滑动方式对瞬时频率估计的影响,可以发现:首先,在调频率较大或是变化剧烈时,短时分数阶傅里叶变换具有更好的鲁棒性;其次,在基于短时分数阶傅里叶变换的瞬时频率估计,实际应用中应主要采用以第一采样时刻作为估计值的逐点滑动方式。     

航空滚动轴承振动特征的故障灵敏度分析与融合技术

针对工程中航空滚动轴承实时状态监测的需要，提出了基于标准化欧氏距离的多特征融合评估方法。首先，进行了航空滚动轴承故障模拟试验，引入了故障灵敏度的定量评价指标，对融合前后特征的故障灵敏度进行了分析；在此基础上，将所提方法与主分量分析、支持向量数据描述和支持向量分布估计方法相比较；最后，进行了轴承疲劳加速试验，将所提融合方法应用于航空滚动轴承状态监测。试验表明:相比于主分量分析、支持向量数据描述和支持向量分布估计，基于标准化欧氏距离的融合值的故障灵敏度更高；其对不同类型、不同阶段的航空滚动轴承故障更加灵敏，相比于有效值更适合作为航空滚动轴承状态监测的指标。