利用模态编码进行结构损伤位置识别的自联想储存器神经网络方法

 提出了一种基于自联想储存器神经网络的结构损伤识别方法,该网络的训练数据为经编码后的结构模态向量。和传统BP网络相比,这种方法收敛性能较好且不易陷入局部极小值。另外,为判断识别结果的正确性,提出了一种基于向量间距离的可靠性分析方法。最后,以一个悬臂梁为算例验证了该方法的有效性和可行性。     

基于朴素贝叶斯分类器的空中红外目标抗干扰识别方法研究

红外诱饵对抗技术的发展使得空战环境日益复杂化,对红外成像制导空空导弹抗干扰目标识别技术提出了更高的要求。红外诱饵的投放使得目标特征的完整性、显著性及稳定性遭到破坏,基于特征融合匹配的统计模式识别方法无法准确识别目标。提出了一种基于朴素贝叶斯分类器的抗干扰目标识别方法,该方法对空战对抗仿真图像数据集进行了特征挖掘,利用实验拟合方法构建了典型特征的概率密度函数模型,构造了朴素贝叶斯分类器,实现了飞机目标和干扰的分类识别。仿真实验结果表明,该方法在已测试的弹道图像数据集下的平均识别正确率达到了81.82%,且能够解决假目标、目标遮挡等抗干扰目标的识别难题。     

基于LSTM和CNN的高速柱塞泵故障诊断

针对高速轴向柱塞泵容易发生空化,且目前空化故障诊断方法存在依赖手工特征提取、鲁棒性不高的问题,提出了一种基于长短时记忆（LSTM）和一维卷积神经网络（1D-CNN）相结合的空化故障诊断方法。搭建了柱塞泵故障实验台,采集柱塞泵在不同空化等级下的壳体振动信号。利用LSTM和1D-CNN搭建的分类模型对不同进口压力情况下的振动信号进行空化等级识别。实验结果表明：提出的方法能够准确地识别出4类不同的空化等级,准确率高达99.5%,同时在不附加降噪方法的情况下,具有良好的鲁棒性,在0 dB信噪比的情况下,识别准确率高达87.3%。     

环境减灾二号A/B卫星在地震次生地质灾害识别中的应用

以2014年鲁甸地震重灾区为研究区,通过目视解译方法对研究区内的滑坡体进行识别,采用定性评价与定量评价、基础评价与应用评价相结合的方法,对环境减灾二号A/B卫星及高分一号、六号卫星对滑坡的识别能力进行对比分析。结果表明：环境减灾二号A/B卫星可识别出地震后全部大型滑坡、部分中型滑坡和个别小型滑坡。与相同分辨率的高分一号卫星影像相比,环境减灾二号A/B卫星具有相当的滑坡识别能力,并且具有幅宽较大的优势,对于快速识别大型滑坡等地质灾害和确定极灾区范围,具有较好的应用前景。     

氧化铟气体传感器动态测试及基于神经网络的识别特性研究

准确测量密封舱内有毒有害气体成分和浓度是载人航天器环控生保系统的关键技术之一。文章选择In2O3作为气敏材料制备气体传感器,利用温度动态测试方法并结合神经网络模型对气体种类及浓度的检测进行研究,经静态和动态测试,获得了氧化铟气体传感器对不同种类、不同浓度气体的响应曲线。神经网络训练结果显示：训练模型可以识别6种不同的气体,识别率达98%以上;对不同气体不同浓度的检测误差小于10%,浓度梯度的平均识别率高于95%。     

采用多层感知器的润扬桥损伤分析与定位

将针对一座大跨斜拉桥的拉索损伤采用多层感知器（MLP）进行损伤定位研究。首先在动力计算基础上定义了损伤模式,通过分析损伤模式发现：由各个损伤位置引起的损伤模式具有本质的不同特征,而损伤程度只是对损伤模式曲线的线性放大;第4,6,7阶频率对拉索损伤不敏感,因而将这3阶从损伤模式中剔除。然后采用trail-error方法设计了一个MLP网络来描述损伤模式的7维映射空间。辨识结果证明：设计合理的MLP可以有效地描述结构的损伤模式,并能正确地进行损伤定位。     

单目视觉车道线识别算法及其ARM实现

首次将ARM技术应用于汽车的自动导航,使用Intel公司生产的基于ARM10的PXA255作为核心处理器,详细讨论了硬件平台与接口的设计.结合单目机器视觉实现了一种基于像素的图像处理算法,该算法能成功地提取道路中的白色车道线,为车辆自动导航提供了准确的图像信息,并将处理时间控制在70 ms以内,取得了很好的实时效果.同时,建立了一种简单有效的透视投影模型,实现图像坐标系与摄像机坐标系之间的映射,不仅为图像处理算法提供了有效的约束条件,而且获取了道路的深度信息.在沪宁高速南京段的实验结果表明该算法的实时性与精确性已基本满足安全行驶要求.     

Liutex-涡定义和第三代涡识别方法

本文回顾了涡定义和涡识别方法的发展历史,着重介绍了作者UTA(University of Texas at Arlington)团队及其合作者在涡科学和湍流研究的一些最新学术创新成果。UTA团队发现了可以定量描述流体刚性转动部分的物理量——Liutex向量,其主要思想是把流体刚性转动从流体运动中提取出来,进而用Liutex来定义和识别涡结构,并已在广泛应用中证明了其作为涡识别方法的优越性。基于Liutex向量可以进一步研究涡量分解、速度梯度张量分解、流体运动分解、湍流结构、湍流生成机理以及旋涡的科学识别,为流体运动学的发展开辟了广阔的研究空间。区别于第一代涡识别方法和第二代涡识别方法,Liutex是一个向量,其方向代表当地转轴,大小代表当地流体刚性旋转角速度的二倍。本文详细介绍了基于Liutex向量的第三代涡的定义和识别方法,包括Liutex等值面、Liutex-Omega等值面、Liutex向量线、Liutex涡核线、以及最新发现的中低雷诺数湍流边界层中的Liutex-5/3幂次相似律,其发现很大程度上扩大了传统湍流能谱幂次律的适用范围,对建立湍流模型具有重要意义。