基于改进人工神经网络的航天器电信号分类方法

根据航天器系统级电性能测试工作中数据量大、任务繁重的特点,设计了基于人工神经网络的智能分类系统,对原始测试数据进行智能化分类,将非线性的调试经验以数据的形式储备,可在减少测试工作中对人为经验依赖的同时为航天器信号识别快速提供专家知识。考虑到经典的人工神经网络系统有训练时间长和对网络初始权值的依赖程度高等不足,利用主成分分析对数据进行压缩和自动编码技术对网络权值进行初始化。实验数据测试表明:与传统方法相比,本文提出的改进学习系统的分类准确率、稳定性和响应速度均得到显著提高。      

基于邻帧差分近邻反相特征的红外运动点目标检测算法

基于运动点目标在邻帧差分图像中所具有的近邻反相特征,即运动点目标的两个位置相邻近、灰度值一正一负,提出一种在复杂背景下,基于红外序列图像的运动点目标检测算法.本算法利用该特征在邻帧差分图像中检测反相点对,进而构造反相点对矢量图,最后依据累积反相点对矢量图中多矢量首位相接的连续性检测出运动的点目标.文中给出并证明应用本算法能以概率1检测到运动点目标的收敛性定理.对典型复杂背景下10幅1000帧图像的仿真结果表明,当信噪比大于或等于1.5时,可以有效检测出运动点目标.     

Human factors quantification via boundary identification of flight performance margin

A systematic methodology including a computational pilot model and a pattern recognition method is presented to identify the boundary of the flight performance margin for quantifying the human factors. The pilot model is proposed to correlate a set of quantitative human factors which represent the attributes and characteristics of a group of pilots. Three information processing components which are influenced by human factors are modeled： information perception, decision making, and action execution. By treating the human factors as stochastic variables that follow appropriate probability density functions, the effects of human factors on flight performance can be investigated through Monte Carlo（MC） simulation. Kernel density estimation algorithm is selected to find and rank the influential human factors. Subsequently, human factors are quantified through identifying the boundary of the flight performance margin by the k-nearest neighbor（k-NN） classifier. Simulation-based analysis shows that flight performance can be dramatically improved with the quantitative human factors.     

基于红外成像的条烟自动检测系统

为了解决条烟封箱机装箱过程中的缺条检测问题,本文在研究红外图像处理技术的基础上,提出了一种基于红外成像的烟垛缺条检测方法,该方法通过对实时拍摄的烟垛端部图像进行形态学处理、边缘提取,计算边缘图像构成的轮廓矩,并通过对比该图像和模板的轮廓矩信息判断烟垛是否缺条。并根据实际应用,设计了基于红外成像的条烟封箱自动检测系统。实际检测表明,所研制的红外成像自动检测系统能很好的解决香烟封箱过程中的缺条检测问题,具有很好的应用价值。     

M-FSVM在可靠性寿命分布模式识别中的应用CSCD

在产品的可靠性研究中,准确、有效地识别产品所属的寿命分布,是可靠性建模成败的关键。针对传统支持向量机(SVM)在解决多分类问题时存在不可分区域等缺陷,提出了一种基于多分类模糊支持向量机(M-FSVM)的可靠性寿命分布模式识别方法,建立了包括指数分布、正态分布、对数正态分布和威布尔分布四种常用寿命分布模式识别的模糊支持向量机模型,并进行了仿真试验研究。仿真试验结果表明,该模型能够克服传统支持向量机中存在的不足,能够对常用的寿命分布模式进行智能识别,识别率高,便于工程应用。     

声发射技术在复合材料损伤模式识别中的应用

应用模态分析技术,分析复合材料拉伸破坏试验中的声发射信号,提取复合材料不同破坏阶段下的声发射源信号的特征,进行了有关复合材料损伤模式识别的工作。     

虚拟扩展成像在大视场姿态角测量中的应用

对基于光电准直和针孔成像原理的姿态角测量系统,提出一种虚拟扩展成像面技术,对图像传感器成像面进行复用,虚拟扩大系统的测量视场.基于反射不对称的针孔光阑设计,实现一种光斑模式识别方法,对光斑质心和正反射模式进行识别,并进行虚拟成像面坐标扩展.通过计算机仿真,对识别结果进行了分析验证,表明这种方法对各种光斑模式都能准确识别,成倍扩大了测量视场.      

快速并行细化算法

本文提出一种快速并行细化算法。细化过程是一个迭代过程。每次迭代分成两个子迭代。算法收敛速度快,细化连续性好,几何畸变小,对二值纹理图像无特殊要求,具有通用性。算法实现巧妙,独特,占用内存少,特别适合小型计算机图像处理系统。该算法在PCvision图像处理系统上实现的效果良好。     

二值图像的自适应窗口边缘检测技术

英国Aleksander等人用RAM网络实现的自适应模式识别系统可以认为是一种逻辑神经网络,本文详细描述了利用这种模型实现的自适应窗口边缘2检测技术,包括模型的理论分析,边缘检测种种的各种实现方法和实验结果。基于这种模型的边缘检测技术的基本思想是:首先对窗口边缘检测技术,包括模型的理论分析,边缘检测的各种实现方法和实验结果。训练一个或多个对目标物体边缘敏感的模式,然后对图像逐点扫描和测试,根据窗口对特定扫描区域的响应实现对边缘的检测。其过程和模式识别中的训练—识别过程相似。文中讨论了“中心块”和“边缘训练”窗口的响应行为以及窗口大小的选择、响应阀值的确定和N元的选用等具体方法。并给出了相应的实验结果。研究表明,这种方法对边缘检测和噪音滤除都具有较好的效果,且硬件容易并行实现。     

铝合金平板超高速撞击声发射信号S2模态特征分析

对铝合金平板上形成的超高速撞击(HVI)声发射(AE)信号S2模态的特征进行研究,分析其与损伤模式之间的关系。以3 mm厚5A06铝合金平板为研究对象,通过数值仿真获得不同撞击工况下的超高速撞击声发射信号,提取信号中的S2模态,并分析其幅值、能量、频谱等特征。结果表明,S2模态能量随传播距离呈指数衰减;分别随撞击弹丸直径和撞击速度的增加先下降后上升,且在弹丸直径与靶板厚度相近、临界撞击速度时最低。S2模态的中心频率随弹丸直径的增加而降低;随撞击速度的增加而增加;随传播距离的增加向1500 kHz移动。S2模态小波包系数呈凹性的频域范围分别随撞击速度和弹丸直径的增大变窄。在此基础上,当靶板形成穿孔损伤时,可根据S2模态的中心频率推测弹丸的直径;在传播距离和弹丸直径已知的前提下,可根据S2模态小波包系数呈凹性的频域范围推测撞击速度。