GA—HCM混合聚类算法及其在液体火箭发动机故障检测中的应用

针对HCM聚类算法对初始值和学习参数具有较强依赖性的缺点，提出了GA－HCM混合聚类算法。应用改进的基因算法为HCM算法选取初始种子解，使滑动数据窗上的聚类算法以功能层次分明的“导师一学生”制智能结构出现，从而实现了“精”与“初”相结合的解空间搜索算法，使HCM聚类算法能较快收敛到问题的最优解。同时针对液体火箭发动机系统动力学的特殊性，利用我们提出的一种适用于离线或在线系统故障检测与诊断的算法框架，基于实际试车数据对GA－HCM混合聚类算法进行了准实时的数字仿真。仿真结果表明该算法基本上克服了HCM算法的缺点，能有效地用于液体火箭发动机的事后故障分析或在线故障诊断。该故障诊断框架能区分干扰噪声、永久性故障或间歇性故障所引起的异常数据现象，并能形成当前系统的故障特征模式。对缓变故障的早期检测能力使该算法框架极富应用前景。     

金相图象的计算机处理与分析

本文对使用微机处理和分析金相图片进行了探讨，针对多灰度级的不同形状的金相粒子进行图象预处理，并抽取各粒子典型特征进行模式识别和聚类，提出了分析和处理金相图象的可行方法，为金相组织的定量分析提供了有效的手段。     

非连通非确定运动目标的识别方法

针对非连通目标的识别问题,结合人眼识别的特点,提出了一种基于识别目标的全局特征建模,从图象中提取模型特征参数的模型参数识别法,处理的结果表明,此方法参数的识别误差仅为正负一个像素,而且对序列图象能够准实时自动识别,通过对实际图像进行了实验,证实了本方法的有效性。     

一种星模式识别算法的稳健性研究

研究了一种基于奇异值分解的星模式识别算法的稳健性。首先简述了研究星模式识别算法的必要性和现有的星模式识别算法。从数学原理上证明了本文算法进行模式识别所用的矩阵的奇异值相对于坐标变换是不变的。从物理意义上给出了稳健的解释。仿真试验选取了四种有代表性的情况进行了研究。结果证实该算法所用的特征不变量是稳健的。结论部分分析了该算法的优缺点。最后给出了待研究的问题。     

基于模糊粗集的航空发动机健康状态监测算法研究

在发动机运行过程中,由于诸多非线性因素的影响,现有发动机状态监测中使用的参数只能部分地反映发动机性能状态,无法进行故障准确定位和故障预测.本文将通过研究模糊粗集的特征参数挖掘算法,从远程发动机监控系统所获得的大量发动机工况参数、气动热力参数和机械性能信息中进行数据挖掘,找出能够全面反映发动机性能状态的特征参数和新规律,进行发动机健康状态监测.     

基于量子傅里叶变换的模式特征提取算法

量子算法由于具有量子态的叠加性、相干性和纠缠性使得它可以解决一些经典NP问题,并且它具有许多传统算法所没有的优点.本文利用量子傅里叶变换提出了一个模式特征提取算法,它借助量子并行特性只需进行一次量子傅里叶变换就可以提取模式特征,所以它提取模式特征的速度比传统特征提取算法有了指数级的提高.利用该算法提取出来的特征可以进行模式识别或图像识别.本文通过理论推导证明了该算法的可行性,通过简单的模式图验证了该模式特征提取算法的有用性.     

一种紧凑型SDF光学相关识别器

提出了一种基于光学子波变换的综合判剐函数(WFSDF)匹配滤波器.采用光学子波变换和综合判别函数,通过1个4f系统实现输入图像与综合判别函数(SDF)的子波变换的相关运算,根据计算全息方法制作复数匹配滤波器.计算机模拟仿真结果表明:与传统SDF匹配滤波相关相比,WFSDF匹配滤波器的相关峰锐化,识别率更高,且光学识别系统简化,能实现多目标的畸不变识别,利于光学相关器的小型化,在导弹的末制导系统中有广阔的应用前景.     

一种多运动模式下自适应阈值零速修正算法

传统基于微机电惯性测量单元（MEMS-IMU）的惯性导航系统（INS）引入零速修正（ZUPT）算法校正器件的累积误差。但由于ZUPT算法零速判定阈值为固定值,只适合单一运动模式,当室内行人运动轨迹包含多种运动模式时,定位精度下降。对此,提出了一种多运动模式下自适应阈值ZUPT算法。分析了室内行人包括静止、走、跑、上楼和下楼5种运动模式零速判定阈值的选取,实现了利用随机森林（RF）算法对5种运动模式的分类识别,并根据识别结果对ZUPT算法零速判定阈值进行自适应调整。为了验证本文算法的可行性和有效性,利用MATLAB软件平台对实测数据进行处理,并与传统定位算法进行了比较。3组实验结果表明,当室内行人运动轨迹包括多种运动模式时,相比传统固定阈值的ZUPT算法,引入自适应调整阈值的ZUPT算法可使定位算法的定位精度提高73.83%。      

逻辑神经网络非线性可分性的实现

1985年，Aleksander领导的小组所实现的逻辑神经网络（LNN）成功地应用于脸谱实时识别。由于LNN无需学习算法，硬件可实现实时识别能力，在英国颇受工业界重视。然而，LNN存在一个缺陷就是在大模式划分成小的子模式后会造成LNN非线性能力下降甚至消失。针对上述问题，提出了一种在LNN中实现非线性可分性的方法。     

一种刀具状态在线检测的新方法

人工神经元网络（ＡＮＮ）是近年来迅速发展起来的一门新兴学科，它不仅在智能控制、信号处理等方面应用广泛，而且在机械制造过程监控中也有着广阔的应用前景。本文在分析比较常规刀具状态监控方法的同时，提出以人工神经元网络作为监控系统信息处理的工具，并对其应用于监控信息处理从理论上进行了可行性及合理性论证。研究结果表明人工神经元网络在刀具在线监控系统中具有很高的实用价值。