基于图像特征融合的粉末床缺陷检测方法

针对单一特征对粉末床缺陷表达不明确导致检测效果不佳的问题,提出了一种基于特征融合的增材制造过程粉末床缺陷视觉检测方法。该算法分别使用SIFT方法、灰度共生矩阵和Hu不变矩提取尺度空间特征、纹理特征和几何特征,借助词袋模型对每张图像构建3组视觉单词直方图,通过串行融合3组视觉单词直方图得到新的特征矩阵,采用特征选择对融合后特征矩阵进行降维,并传入随机森林分类器中进行训练。实验结果表明,不同特征对粉末床不同类型缺陷检测具有不同的贡献,优化特征融合参数后,算法平均准确率达到97.46%,缺陷检测效果明显提升。     

Behavior pattern mining based on spatiotemporal trajectory multidimensional information fusion

Trajectory data mining is widely used in military and civil applications, such as early warning and surveillance system, intelligent traffic system and so on. Through trajectory similarity measurement and clustering, target behavior patterns can be found from massive spatiotemporal trajectory data. In order to mine frequent behaviors of targets from complex historical trajectory data, a behavior pattern mining algorithm based on spatiotemporal trajectory multidimensional information fusion is proposed in this paper. Firstly, spatial–temporal Hausdorff distance is proposed to measure multidimensional information differences of spatiotemporal trajectories, which can distinguish the behaviors with similar location but different course and velocity. On this basis, by combining the idea of k-nearest neighbor and density peak clustering, a new trajectory clustering algorithm is proposed to mine behavior patterns from trajectory data with uneven density distribution. Finally, we implement the proposed algorithm in simulated and radar measured trajectory data respectively. The experimental results show that the proposed algorithm can mine target behavior patterns from different complex application scenarios more quickly and accurately compared to the existing methods, which has a good application prospect in intelligent monitoring tasks.     

一种基于TCBR与RBR融合推理的试飞支持信息系统

深入研究了基于文本案例的推理(TCBR)、基于规则的推理(RBR)及两者融合的人工智能技术,并首创性地运用于先进战机的试飞支持信息系统,由此构建了先进战机智能化试飞支持信息系统的整体框架。建立了其案例库、规则库和知识库的结构。采用Tomcat7、IK Analyzer、GWT、MySQL等运用软件进行开发。实现了理解问答、智能搜索和案例推理等功能,对于试飞工程师还增加了数据库维护及试飞文档编写助手等功能。运行结果表明:系统整体构架设计合理实用;特别是TCBR和RBR的融合运用使系统体现了接近人类思维特点的智能化特征。     

Distributed state estimation for heterogeneous mobile sensor networks with stochastic observation loss

The problem of distributed fusion and random observation loss for mobile sensor networks is investigated herein. In view of the fact that the measured values, sampling frequency and noise of various sensors are different, the observation model of a heterogeneous network is constructed. A binary random variable is introduced to describe the drop of observation component and the topology switching problem caused by complete observation loss is also considered. A cubature information filtering algo...     

一种事件驱动型无线传感器网络的数据编码及融合算法

基于事件驱动的区域监测是无线传感器网络的一类典型应用,该网络中包括两种类型的数据,分别为对网络状态进行监控的周期性监测数据和事件发生时应传送的事件消息.基于簇结构,利用簇头和簇成员两种角色的节点,分别针对上述两种类型的数据提出不同的编码方式和对应的融合机制,同时详细分析了该编码方法和融合机制的优缺点.     

基于Bayes-模糊逻辑算子的小子样可靠性信息融合方法

为了解决航空航天复杂系统可靠性评定中样本量小而导致评估结果可信度不高的问题,引入模糊逻辑算子这一非线性模型对多源可靠性验前信息进行融合,并给出了其参数估计的第二类极大似然(ML-Ⅱ)估计方法,通过仿真示例说明了融合方法的有效性.      

基于多源信息融合分析的 导弹贮存寿命评估方法

对于长期贮存的导弹,通常能获取的贮存信息仅为贮存期内的年检数据与少量的例行试验数据,贮存信息相对匮乏,对导弹贮存寿命与可靠性评估工作非常不利。为解决这种工程实践中存在的实际问题,发展了一种采用工程加速贮存与地面鉴定试验相结合的加速贮存信息获取方法,获取典型单机与简单系统贮存信息。将典型单机与非金属材料加速贮存信息与地面鉴定试验信息、现场贮存信息、贮存环境数据以及例行试验信息等数据信息融合处理,建立基于多源信息融合的贮存信息数据库。在此基础上,建立基于现场贮存信息与加速试验信息融合分析的导弹贮存寿命与可靠性评估方法,并给出导弹在现有贮存时间下,继续贮存一定年限的可靠度。     

基于卷积稀疏表示的图像融合方法

图像融合是图像处理领域中比较重要的一门技术,传统的图像融合方法会降低图像融合质量。针对稀疏表示在图像融合中存在一定的缺陷,提出了一种基于卷积稀疏表示的图像融合方法。首先,对高频子带系数进行合理有效处理,利用相似度分析和视觉显著性进行融合。然后,将低频子带系数整体融合改进为使用Butworth低通滤波对低频子带进行分解,得到低频近似子带和强边缘子带。最后,再用改进的脉冲耦合神经网络(Pulse Coupled Neural Network,PCNN)对强边缘子带进行融合。实验结果表明,与其它传统的图像融合方法相比,信息熵(Information Entropy,IE)提高了将近3%,标准差(Standard Deviation,SD)提高了将近9%,空间频率(Space Frequency,SF)提升了将近30%,互信息(Mutual Information,MI)提升了将近25%。同时,时间效率也有了一定程度地提升。     

基于混沌理论的滚动轴承振动信号融合模型预测

提出融合算法模型,在混沌理论的基础上对滚动轴承振动信号进行预测。基于相图法、最大Lyapunov指数法和关联维数法对滚动轴承振动信号进行混沌判别,证明其混沌性。以预测值和真值间差值范数最小为目标导向优化出Kriging模型、最小二乘支持向量机(LSSVM)模型和极端学习机(ELM)模型的权重,加权法构建融合算法模型。相空间重构法构建滚动轴承振动信号预测的训练样本,并对融合模型、Kriging模型、LSSVM模型和ELM模型进行训练,训练好的模型用于振动轴承振动信号混沌预测。以案例1和案例2共两个实验的滚动轴承振动信号为对象进行验证,两案例的最大Lyapunov指数大于0,从而判断这两个案例的轴承振动信号呈现混沌特性。另外,从方均误差、方均根误差和平均绝对误差指标来评价,融合算法模型的指标值均小于单一模型算法,融合算法模型的预测精度优于单一模型算法。     

传感器故障下的航天器状态监测与故障识别

针对航天器上传感器故障可能导致状态估计错误的问题,提出了一种基于证据理论的多传感器融合与故障识别方法。该方法采用证据距离与冲突质量的乘积来度量证据间的冲突大小。在证据的融合中先根据冲突大小计算每个证据的可信度,并根据可信度大小修正证据,再用D\|S规则进行融合。该冲突度量方法综合了证据间目标一致性与整体差异性的影响,在具有较强的不确定性和不可靠性的情况下,比仅采用证据距离或冲突质量来度量证据间冲突的大小更加准确。将其应用于微小卫星电源系统的状态监测,实验结果表明该方法可以有效地监测系统状态并正确地识别故障传感器,准确度优于其它方法。