隐马尔可夫模型在对象定位中的应用与实现

以医学图像中脊柱的定位为应用背景,对经典Viterbi算法进行改进,根据全局最优搜索算法提出了可控的最优搜索算法,把隐马尔可夫模型(Hidden Markov model,HMM)应用于二维图像中线性结构对象的定位。以真实的人体脊柱X光照片为实验样本进行的定位实验,结果表明:HMM模型不需要对图像施加较多的限制,就可获得较成功的定位结果,同时引入了可控的最优搜索算法后,定位效果有了进一步的提高。还通过实验分析了可控制的最优搜索的两个控制参数对定位性能的影响,并提出了定位性能具有区间性的结论。     

基于灰色预测模型的EMD端点效应抑制方法

为了能够有效地抑制经验模态分解(EMD)中存在的端点效应问题,本文提出一种基于数学模型和信号分析法相结合的处理方法——基于灰色预测模型的EMD端点效应抑制方法.首先利用灰色预测模型对原始信号的两端进行延拓产生有限极值点,对延拓信号的中间部分加矩形窗保证原信号不变,对延拓部分加汉宁窗让包络线拟合更加平滑,然后对处理过的信...     

基于RBF神经网络的航空发动机轴承故障诊断

提出一种新的航空发动机滚动轴承故障诊断方法。利用小波包分解对轴承的动态信号进行分析、提取特征,采用RBF神经网络进行承故障诊断。对7类故障进行了实验,结果表明该方法具有很好的故障诊断效果。     

非连续系统的隐连续性

通过典型例子引出相对于显连续性隐连续性的概念。同时基于隐式系统的表达形式给出系统隐含连续的一个充要条件证明，这也是动力学系统一类不连续点确定初始值解的条件。文中还对动力学系统隐续性的物理意义作了讨论。     

基于神经网络的直升机自动倾斜器轴承故障诊断方法

为了进一步提高直升机的安全性,利用BP神经网络和RBF神经网络对直升机自动倾斜器轴承进行故障诊断。完成了直升机自动倾斜器轴承故障植入试验,获取了自动倾斜器轴承的故障振动数据,并进行了振动数据的特征信号提取。采用振动数据特征信号的多参数融合作为神经网络的输入,对自动倾斜器轴承故障进行诊断,获得了较高的故障诊断率。采用基于神经网络的故障诊断方法,自动倾斜器轴承各类故障的最高故障诊断率均大于89%。     

基于复模态模型修正方法的磁悬浮轴承支承参数识别

针对较大阻尼的磁轴承-转子系统,采用复模态模型修正技术,识别其支承刚度和阻尼参数.结合通用有限元软件NASTRAN与工程软件MATLAB,以实际磁轴承-转子系统为例,应用复模态实验数据识别得到了转子悬浮静止时磁轴承的刚度和阻尼参数,使得修正后有限元计算与实验数据之间的频率相对误差在10%以内,阻尼比相对误差也得到改善.研究表明,所提出的基于复模态的模型修正方法对具有较大阻尼的磁轴承支承刚度和阻尼参数识别是非常有效的.     

基于经验模态分解的有限阵元宽带自适应阵列DBF方法

针对有限阵元条件下宽带自适应阵列自由度不够和抗干扰性能下降的问题,提出一种基于经验模态分解(Empirical mode decomposition,EMD)的宽带自适应阵列数字波束形成(Digital beamforming,DBF)方法。该方法首先对阵元接收的快拍数据进行EMD处理,然后对各个模态函数矩阵应用线性约束最小方差(Linearlyconstrained minimum variance,LCMV)波束形成算法求解自适应权矢量,最后对信号进行重构。与传统的基于快速傅里叶变换(Fast Fourier transform,FFT)子带自适应阵列方法相比,该方法具有以下优势:适用于阵元数目受限的宽带自适应阵列,无需事先指定模态函数划分的频段,可以提高阵列处理的自由度。仿真验证了所提方法的有效性。     

基于动态增添法的DBN滚动轴承故障诊断

针对深度信念网络(DBN)层数的不确定性而导致故障诊断精度不高的问题,提出了一种基于动态增添算法的DBN诊断方法.首先通过动态增添算法确定隐含层层数,之后按照逐层递减原则,设置模型的隐含层神经元节点数目;并以滚动轴承为研究对象,通过分析其训练样本与测试样本的分类误差曲线,来表明基于动态增添算法的DBN方法对滚动轴承故障...     

基于案例推理和等价空间的定性/定量混合故障诊断方法

针对难以获得航天器控制系统的精确模型,采用基于知识的定性故障诊断方法也难以奏效的问题,采取定性/定量混合故障诊断的思路,将基于案例推理和等价空间故障诊断方法有机结合,建立定性/定量混合故障诊断模型,推出一种定性/定量混合故障诊断方法。以航天器姿态控制系统为对象进行故障诊断。验证结果表明,推出的定性/定量混合故障诊断方法能够发挥二者的优势,比任何单独一种方法的诊断效果都好。     

基于高斯混合模型和变量重构组合法的故障诊断与分离

提出了一种将变量重构与高斯混合模型结合的故障诊断与分离的方法。首先建立过程数据的高斯混合模型,解决了监控过程的测量数据不服从单峰的高斯分布所带来的问题,然后进行故障数据变量重构,估计未知参数并采用最大期望算法来估测均值与协方差矩阵。在此基础上建立统计模型进行故障的诊断与分离。与传统的贡献图分离故障的方法比较,通过田纳西-伊斯曼化工过程进行实验验证,本文提出的高斯混合模型与变量重构相结合对多状态过程进行故障的诊断与分离收到较好效果。     

基于声发射技术的铁路重载货车滚动轴承故障诊断研究

通过声发射检测技术对铁路重载货车滚动轴承故障进行不解体诊断,利用小波包分析技术对采集到的声发射信号进行分解和重构,提取故障信号的能量特征向量,将处理后的特征向量输入到BP神经网络进行滚动轴承故障模式识别,进而判断轴承是否发生故障以及故障的类型。经过使用大量的实际滚动轴承实验数据进行验证,其结果都表明了使用本文的方法的有效性。     

基于多智能体系统的飞机舵面故障诊断方法

采用了多智能体系统方法对飞机系统的舵面故障诊断问题进行分析.首先从飞机系统的复杂性角度分析了该方法对其进行故障诊断的适应性,然后提出了对组成飞机舵面故障诊断系统的各智能体进行分类、建模和编码的方法,并在此基础上提出了故障诊断智能体的交互模型.在仿真实例中,采用Simulink建立了F-16飞机的仿真模型,用JADE平台构造了故障识别智能体以通过数据融合来对具体的舵面故障进行诊断,并利用MAC-Sim建立了Simulink与JADE平台之间的信息互通.仿真结果说明,该方法能够通过智能体的交互与协作来实现飞机舵面单故障和组合故障的在线协同诊断.     

一种基于EMD的低湍流度信号处理分析方法

采用热线风速仪在3座典型低速风洞中进行了流场湍流度测量,这3座低速风洞包括1个低湍流风洞、1个常规闭口风洞和1个开口射流风洞。针对湍流信号通常受噪声干扰的问题,在湍流度值处理中引入了经验模式分解（EMD)自适应滤波和HHT时频谱分析方法。将EMD方法与其他几种湍流度值处理方法进行了比较,包括带通滤波方法（BP)、电磁噪声解耦方法（ENC)和高通惯性衰滤波方法（HPIA)。采用EMD方法测得低湍流风洞的湍流度值,在流场速度30~100 m/s的范围内小于0.05%。采用HHT方法完成了脉动速度信号的时频分析,分析发现开口风洞试验段的脉动速度HHT时频谱有突出的低频信号。所构建的EMD自适应滤波器可以有效控制噪声对热线输出信号的影响,是一种有效的低湍流度信号处理方法。     

基于隐条件随机场的声调建模及区分性模型权重训练

为提高声调识别率,利用隐条件随机场对汉语声调进行建模,通过加入音节内动态特征、音节间动态特征以及段长特征来进一步提高声词识别性能。提出了将声调模型加入大词汇量连续语音识别系统的区分性方法,根据最小音子错误准则区分性训练模型相关的概率权重,对声学模型及声调模型概率进行加权;给出了两种权重组合策略并通过一种平滑方法来克服权重训练过拟合的问题。实验结果表明,基于隐条件随机场声调模型能够显著提高声词识别率以及大词汇量语音识别的识别率,同时与全局模型权重方法比较,区分性的模型权重训练能够在声调模型加入连续语音识别系统之后,进一步提高系统的识别性能。     

基于FDM降噪和快速谱峭度分析的转子碰摩故障诊断

针对传统分解算法在强噪声背景下提取转子碰摩弱故障特征信息效果不佳的问题,提出了基于傅里叶分解算法(FDM)降噪和快速谱峭度分析的故障诊断方法.首先利用FDM算法实现转子碰摩故障振动信号的完备性分解,依据信号峭度值准则筛选出能够最大限度保留原始振动信号故障特征信息的分量信号,同时对备选信号分量进行重构得到降噪后的故障振动...     

改进的EMD方法在车辆振动信号提取中的应用(英文)

为了能在强噪声背景下准确地进行振动信号的特征提取,对经验模式分解进行了研究和改进,并将其应用于车辆振动信号的特征提取中。首先对系统中各输入信号进行了多次自相关处理,有效地降低信号中的噪声。然后对处理的信号进行经验模式分解,得到了各固有模态函数分量。最后对感兴趣的固有模态函数分量进行希尔伯特变换和谱分析,从而得到信号的特征信息。仿真和试验分析说明了改进的经验模式分解方法的可行性,并且对同类工程问题具有一定的参考价值。     

结构动特性计算的广义模型物理化方法及应用

大型组合结构动特性计算往往采用子结构模态综合技术。子结构模态综合技术是将大型结构划分多个部件,将部件按照模态坐标展开为广义模型,再将广义模型进行综合,获得整体结构动特性。本文给出一种将部件的广义模型和物理模型直接综合的方法一广义模型物理化方法,并提供了方法在Nastran软件的实现途径。该方法不同于传统的子结构综合方法,能够将广义模型直接按照物理模型看待,从而将广义模型直接和物理模型进行综合,避免了繁琐的模态综合过程,使得对广义模型的理解和使用更加直观。文章晟后给出了广义模型物理化方法的验证算例以及工程应用实例。     

基于未知输入观测器的四旋翼无人机故障诊断与模型参考容错控制

对四旋翼无人机（Unmanned aerial vehicle, UAV）姿态控制系统的执行器故障诊断问题进行了研究,在系统模型方面全面地考虑了模型的非线性和四旋翼无人机在飞行过程中受到外部干扰的情况。由于未知输入观测器可以将干扰、误差等作为未知输入进行处理,对干扰不敏感而对故障比较敏感,故设计了一种新的未知输入观测器进行故障诊断。同时为了保持四旋翼无人机在故障发生后的稳定性或者仍然可以按照预定轨迹运动,在得到准确的故障估计后为四旋翼无人机姿态控制系统设计了模型参考容错控制器,使其可以跟踪给定的参考模型。仿真结果证明了本文提出的故障诊断与容错控制方法的有效性。     

基于小波变换和神经网络的直升机旋翼不平衡故障诊断方法

依据直升机旋翼不平衡故障空间与多点机体振动空间存在一对一映射关系的理论,采用某旋翼试验台设置桨距不平衡、质量不平衡以及后缘调整片不平衡的方法获取试验数据。利用小波变换和神经网络处理直升机机体振动信号,并对直升机旋翼单故障和复合故障进行诊断。最终实现了一种利用小波变换处理机体振动信号诊断旋翼不平衡故障的方法。