Semi-supervised gear fault diagnosis using raw vibration signal based on deep learning

In aerospace industry, gears are the most common parts of a mechanical transmission system. Gear pitting faults could cause the transmission system to crash and give rise to safety disaster. It is always a challenging problem to diagnose the gear pitting condition directly through the raw signal of vibration. In this paper, a novel method named augmented deep sparse autoencoder (ADSAE) is proposed. The method can be used to diagnose the gear pitting fault with relatively few raw vibration signal data. This method is mainly based on the theory of pitting fault diagnosis and creatively combines with both data augmentation ideology and the deep sparse autoencoder algorithm for the fault diagnosis of gear wear. The effectiveness of the proposed method is validated by experiments of six types of gear pitting conditions. The results show that the ADSAE method can effectively increase the network generalization ability and robustness with very high accuracy. This method can effectively diagnose different gear pitting conditions and show the obvious trend according to the severity of gear wear faults. The results obtained by the ADSAE method proposed in this paper are compared with those obtained by other common deep learning methods. This paper provides an important insight into the field of gear fault diagnosis based on deep learning and has a potential practical application value.     

民航行李X光安检图像自适应小波去噪算法

对X光安检图像进行去噪处理可以更清楚地显示出危险物。针对传统小波软硬阈值去噪方法的缺陷．给出了一种自适应阈值的去噪方法,在此方法中,首先进行软硬阈值的折中处理,然后分别对大于和小于阈值的两部分进行自适应处理。利用Tennessee大学提供的实际采集的X光安栓图像进行实验,结果表明该方法能有效地去除安检图像中的噪声,图像去噪后的信噪比、峰值信噪比分别是25．2229dB、27．708dB．与含噪图像相比分别增加了7．7253dB和7．739dB。因此该方法表现出较高的去噪性能。     

基于小波分析与支持向量机的时间序列预测

时间序列广泛存在于工业、经济、军事等各个领域,时间序列预测是数据分析处理的一个重要方面。目前提出的预测模型大多基于＂原始时间序列是无噪的＂这一假定,而实际应用中,对时间序列去噪处理的好坏将直接影响预测的准确率,针对这一事实,使用小波分析对原始时间序列去噪。利用小波变换对时间序列进行多尺度分解,对各尺度上的细节序列使用阀值法去噪;使用支持向量机对重构后的各组小波系数进行预测并将结果融合,得到预测结果。实验结果表明,用于时间序列预测,能及时反应序列的变化趋势并具有较高的预测精度。     

A non-local vectorial total variational model for multichannel SAR image speckle suppression

This paper aims at the multichannel synthetic aperture radar(SAR)image speckle reduction.This paper proposes a novel energy minimized regularization model for multichannel image denoising,which is an extension of the non-local total variational model for gray-scale image.It contains two terms,namely the vectorial data fidelity term and the non-local vectorial total variation term.The latter is constructed by high-dimensional non-local gradient that contains the structure information of the multichannel image.The existence and the uniqueness of the solution of the model are proved.A fixed point iterative algorithm is designed to acquire the solution of this model.The convergence property of this algorithm is proved as well.This model is applied to the multipolarimetric and multi-temporal RADARSAT-2 images despeckling.The result shows that this model performs better than the original vectorial total variational model on texture preserving.     

基于的DTV图像去噪模型

针对纹理图像的去噪问题,通过分析全变分（TV）去噪模型与方向全变分（DTV）去噪模型,提出了一种具有鲁棒性的基于的DTV去噪模型。为了刻画图像中的不同结构特征,该模型中DTV正则项的指数p由图像的结构来确定在（0,2）中自适应地选取。由于该模型是含有可分性算子的非光滑优化问题,可用交替方向乘子法（ADMM）求解,并能保证算法的收敛性。数值实验结果表明:与其他经典模型相比,提出的模型取得了更高的峰值信噪比和结构相似度,在去除噪声的同时能有效保持图像的细节信息。      

基于未知地标被动观测的飞航导弹SINS俯仰姿态误差估计方法

针对飞航导弹单独使用时SINS存在姿态估计精度随时间降低的问题,提出了基于未知地标被动观测的SINS俯仰姿态误差估计方法。首先,根据飞航导弹中制导段飞行的特点,把SINS俯仰姿态误差估计问题转化为攻角估计问题。然后,在不改变导弹巡航路径的前提下,利用弹上成像导引头对视场内任意未知地标连续被动观测,分别提出了弹体坐标系和速度坐标系下的攻角估计方法,并分析了观测噪声对量测方程系数的影响。最后,利用平均去噪的思想对估计结果进行处理,提高了SINS俯仰姿态误差的估计精度。仿真结果表明：两种方法都能有效估计出飞航导弹SINS俯仰姿态量测误差。     

滑窗式谱减法在航空降噪中的应用

航空噪声的存在严重影响了机务人员和地勤人员的通信及健康,降低噪声是解决这一问题的有效途径。文章提出了一种新的改进谱减法,根据采集的真实航空噪声数据,将传统谱减法和改进的谱减法结果进行了比、较,计算结果表明,改进形式的谱减法可以有效降低航空噪声,提高语音的可懂度和信噪比。     

微小刀具同轴全息对刀方法研究

针对现有对刀方法存在的各种不足,提出了一种微小刀具的同轴全息对刀方法.在对全息成像原理和全息图像关键问题进行研究与分析的基础上,搭建了一套微细铣刀的全息对刀检测装置,并利用标准刀具在五轴加工中心进行了微细铣刀的对刀测量试验.试验结果表明:该对刀装置能够高效地进行微细铣刀的对刀检测,系统相对检测精度达5.1μm.在相同检...     

一种改进的星图降噪算法研究

在星敏感器的使用过程中,由于外界环境的影响及传感器自身的限制,拍摄出来的星图不可避免地存在一些噪声,因此对星图进行去噪处理是一项非常重要的工作。针对传统高斯模板滤波存在的引入邻域噪声、无法自行根据星图特性修正等造成去噪效果不好的问题,提出了一种改进的星图降噪算法。该方法在滤波前先进行坏点剔除工作,并采用高斯低通滤波与高通滤波结合的方式对图像进行处理,在抑制噪声的同时有效地保留了星点信号。通过阐述星敏感器的工作原理,分析星图的噪声特性,对星图滤波去噪算法进行研究,并进行模拟星图影像提取星点坐标实验。结果表明：使用该算法进行滤波比传统的高斯滤波算法提取的质心坐标精确度更高,较传统方法横坐标提高0.00538个像素点,纵坐标提高0.0077个像素点,证实了图像处理算法的有效性。     

小波包分析在摩擦焊超声检测信号消噪中的应用

采用小波包对摩擦焊缺陷超声检测信号进行消噪,结果表明,该方法不仅能有效抑制噪声,而且能明显提高信噪比。