文本过滤中的特征抽取应用研究

文本信息过滤技术需要解决的一个重要问题是对文档进行形式化处理,使得文本成为可计算和推理的信息。文中首先介绍了基于评估函数的文本特征抽取方法,分析评价了各种评估函数的优缺点,最后提出了一种利用特征抽取对文本信息进行过滤的方法,并说明如何使用评估函数对权重函数进行改进。     

一种改进的地形轮廓预测匹配辅助导航算法

传统的地形轮廓匹配 (TERCOM )辅助导航系统 ,由于其实时性差 ,已不能满足飞行器超低空高速的导航需要。本文引入预测控制的思想 ,提出了一种基于高度特征的地形轮廓预测匹配方法 ,减少了计算量 ,提高了导航系统的实时性和机动性。     

基于小波包分析的航空发动机轴承故障诊断

振动分析是进行滚动轴承状态监测与故障诊断的重要手段。当轴承某一元件表面出现局部损伤时,产生周期性的冲击脉冲力。因此,原来的平稳振动信号变成了非平稳振动信号。傅里叶变换在频域上是完全局部化的,但它不能提供任何时域的局部化特征,而窗口傅立叶变换尽管在时域和频域均具有一定的局部化特征,但其局部化却是固定不变的。针对常规方法难以准确分析非平稳信号的局限性,提出了基于小波分析的滚动轴承故障诊断方法,通过滚动轴承外表面损伤的实验信号进行小波包频谱分析,验证了基于小波分析的滚动轴承故障诊断方法是可靠、准确的,可进一步应用于航空发动机主轴轴承的状态监测和故障诊断。     

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。      

基于MBD的复杂特征检测工艺规划技术研究

随着数字化集成制造系统的发展与应用,数字化检测技术作为数字化集成制造系统中的重要组成部分,工程需求日益强烈.针对数字化检测过程中缺乏合理的检测工艺的问题,在研究了传统检测方法的基础上,结合MBD技术,提出了基于MBD的三维检测工艺的关键技术.分析了影响采样点数量及其分布的主要因素,利用量化分析法推导得出了确定规则曲面、不规则平面的测量点数公式.根据采样点数量和被测元素特点,提出了自适应划分形心采样方法,获得了基于复杂特征的检测工艺规划.通过试验验证了所提出测量点数公式和自适应划分形心采样方法的合理性和准确性.     

3D打印材料应用和研究现状

综述了3D打印领域内六种典型3D打印工艺各自所用的3D打印材料,从物理形态上主要包含液态光敏树脂材料、薄材(纸张、塑料膜)、低熔点丝材和粉末材料四种;从成分上则几乎涵盖了目前生产生活中的各类材料包括塑料、树脂、蜡等高分子材料,金属和合金材料,陶瓷材料等.立体光刻(Stereo Lithigraphy Apparatus,SLA)工艺的材料为感光性的液态树脂,即光敏树脂;叠层实体制造(Laminated Object Manufacturing,LOM)工艺的材料为纸张、塑料膜等薄材;熔融沉积成型(Fused Deposition Modeling,FDM)工艺的材料主要为便于熔融的低熔点丝状材料,主要为蜡丝、聚烯烃树脂丝、聚酰胺丝、ABS塑料丝等高分子材料;选择性激光烧结(Selective Laser Sintering,SLS)的材料是各类粉末,包括尼龙粉、覆裹尼龙的玻璃粉、聚碳酸脂粉、聚酰胺粉、蜡粉、金属粉(打印后常须进行再烧结及渗铜处理)、覆蜡陶瓷粉、覆蜡金属粉以及覆裹热凝树脂细沙等;选择性激光熔化(Selective Laser Melting,SLM)工艺使用与SLS一样的粉末材料,不仅具有SLS优点,而且成型件致密度更高,力学性能更好;三维打印与胶粘(Three Dimensional Printing and Gluing,3DP)工艺的材料同样为粉末材料,但这些粉末是通过喷头喷涂黏结剂被黏结在一起,同时将零件的截面“印刷”在材料粉末上面,类似于纸张彩色打印,可通过设置三原色黏结剂及喷头系统,实现彩色立体打印.对3D打印材料质量和产量的发展方向也进行了分析和展望.     

基于几何特征关联的室内扫描匹配SLAM方法

为实现室内结构化环境中仅依靠激光雷达数据进行实时自定位并创建精确的特征地图,提出了一种基于几何特征关联的室内扫描匹配SLAM方法.几何特征关联与匹配方法的优劣很大程度上影响SLAM的实时性和精度.结合室内结构化环境的特点,提出了一种完备端点定义与提取方法,将直线段特征与完备端点进行关联,优化几何特征扫描匹配过程.此外,姿态角收敛是SLAM进行机器人位姿估计和求解一致性的关键.为确保姿态角准确收敛,采用了基于直线拟合认知的姿态角加权几何平均求解方法.实验证明,提出的SLAM方法得到的定位精度在100mm内,建图精度也较高,能胜任室内SLAM.     

基于磨粒磨损机理的机械磨损状态监测

针对机械设备磨损状态监测准确率较低的问题,基于不同磨损机理下磨粒具有不同的形状和纹理特征,提出了一种基于磨粒特征识别的机械磨损状态监测的数学模型。通过形状特征识别球状磨粒和切削磨粒,结合形状、纹理特征识别疲劳磨粒和严重滑动磨粒,基于提取的特征参数建立机械磨损状态监测的特征向量,通过量子粒子群优化(QPSO)的径向基函数神经网络模型,实现对机械磨损状态的监测和判别。实验结果表明:QPSO-RBF神经网络数学模型结构简单,比传统PSO-RBF神经网络模型的识别准确率高5%,可用于常见机械磨损状态的检测。      

基于单目视觉的机器人避障方法研究

避障问题一直是机器人领域研究的热点和重点。设计一种基于单目视觉的避障系统,能够同时检测机器人正前方和两侧的障碍物,且对低纹理障碍物同样具有效果。该系统采用特征尺度检测器完成机器人视野正前方障碍物的检测,对于视野两侧的障碍物运用光流平衡策略进行规避,而对于低纹理的障碍物则利用图像熵的方法进行检测。整个系统在地面移动机器人上进行了测试,实验结果表明,该方法能在复杂的环境下可靠地完成机器人的避障任务。     

基于EMD样本熵-LLTSA的故障特征提取方法

针对振动信号的非线性、非平稳性以及微弱故障特征难以提取的问题,提出了一种基于经验模态分解(EMD)、样本熵和流形学习的故障特征提取方法.该方法将EMD、样本熵和流形学习相结合.首先,利用EMD的自适应多分辨率的特点计算分解得到的IMF(固有模态函数)信号的样本熵,初步提取滚动轴承状态特征值;然后利用流形学习方法对初步的提取的滚动轴承状态特征进行进一步的提取;最后利用支持向量机(SVM)对该特征提取方法进行分类评估,并将该方法运用在滚动轴承故障诊断实验中,实验证明该特征提取方法与基于小波包样本熵的故障诊断方法相比具有很好的聚类性能,且对于SVM的分类结果可达100%,在降低了特征数据的复杂度的同时,增强了故障模式识别的分类性能,具有一定的优越性.