基于几何模式识别的发动机传感器故障诊断

提出一种基于几何模式识别技术的发动机传感器故障诊断方法,以解决传感器缓慢漂移故障和由于安装制造差异和性能蜕化等造成的模型不匹配难以区分的问题。传感器测量值输入到自适应模型中,产生一组部件性能修正因子,作为故障模式来对传感器故障进行诊断,每种故障或性能蜕化都对应惟一的模式,采用几何模式识别技术隔离出传感器故障。以某型涡扇发动机为对象进行的仿真结果表明,该方法能诊断出传感器小漂移故障,并能对部件状态进行监控。     

航材应急保障决策支持系统的设计与实现

结合航材保障决策支持系统的数据需求,详细地研究数据库系统的结构;根据航材应急保障的决策问题,对模型库系统所应包含的模型进行分析;设计的系统的实现架构,综合人和计算机两者优势,能有效地辅助航材保障决策机关对航材的保障进行决策。     

汽车牌照自动识别技术研究

提出了一种汽车牌照的自动识别算法：先对图象进行直方图均衡,平滑去噪,二值化预处理,再根据车牌上文字变化特点快速,准确地从复杂背景中分割车牌最后采用投影－变换系数法取汉字,英文和阿拉伯数字的不同维数的特征,送到相应的ＢＰ神经网络中进行识别,较好地解决了汽车牌照的自动畜产     

基于加权朴素贝叶斯分类器和极端随机树的蛋白质接触图预测

提出一个新的基于集成学习的预测器(TargetPCM),对蛋白质接触图(特别是中长程)进行高精度的预测。首先,TargetPCM使用加权朴素贝叶斯分类器(Weighted Nave Bayes classifier,WNBC)融合3个接触图预测器的输出,其中WNBC中的权重参数通过粒子群算法优化得到;其次,将WNBC融合后的输出和基于序列的特征进行组合,得到更具鉴别能力的特征;在此基础上,应用极端随机树训练得到最终的蛋白质接触图预测模型。为了验证TargetPCM的有效性,在包含98个非冗余蛋白质的数据集上进行了测试。结果表明:对于短程、中程和长程接触,TargetPCM的Top L/5精度比现有最好的集成预测器(NeBcon)分别提高了8.2%,16.1%和5.3%。在CASP11上进一步的验证表明,对于短程、中程和长程接触,TargetPCM的Top L/5精度比现有最好的基于协同进化的集成预测器(MetaPSICOV)分别提高了7.4%,9.1%和7.5%。实验结果验证了本文所提蛋白质接触图预测方法的有效性。     

航空发动机排气温度基线建模新方法研究

为实现航空发动机气路性能诊断与预测,提出一种基于堆叠降噪自编码器(Stacked de?noising auto encoder,SDAE)和支持向量回归(Support vector regression,SVR)相结合的航空发动机排气温度(Exhaust gas temperature,EGT)基线建模方法.以CF...     

快速并行细化算法

本文提出一种快速并行细化算法。细化过程是一个迭代过程。每次迭代分成两个子迭代。算法收敛速度快,细化连续性好,几何畸变小,对二值纹理图像无特殊要求,具有通用性。算法实现巧妙,独特,占用内存少,特别适合小型计算机图像处理系统。该算法在PCvision图像处理系统上实现的效果良好。     

二值图像的自适应窗口边缘检测技术

英国Aleksander等人用RAM网络实现的自适应模式识别系统可以认为是一种逻辑神经网络,本文详细描述了利用这种模型实现的自适应窗口边缘2检测技术,包括模型的理论分析,边缘检测种种的各种实现方法和实验结果。基于这种模型的边缘检测技术的基本思想是:首先对窗口边缘检测技术,包括模型的理论分析,边缘检测的各种实现方法和实验结果。训练一个或多个对目标物体边缘敏感的模式,然后对图像逐点扫描和测试,根据窗口对特定扫描区域的响应实现对边缘的检测。其过程和模式识别中的训练—识别过程相似。文中讨论了“中心块”和“边缘训练”窗口的响应行为以及窗口大小的选择、响应阀值的确定和N元的选用等具体方法。并给出了相应的实验结果。研究表明,这种方法对边缘检测和噪音滤除都具有较好的效果,且硬件容易并行实现。     

基于改进人工神经网络的航天器电信号分类方法

根据航天器系统级电性能测试工作中数据量大、任务繁重的特点,设计了基于人工神经网络的智能分类系统,对原始测试数据进行智能化分类,将非线性的调试经验以数据的形式储备,可在减少测试工作中对人为经验依赖的同时为航天器信号识别快速提供专家知识。考虑到经典的人工神经网络系统有训练时间长和对网络初始权值的依赖程度高等不足,利用主成分分析对数据进行压缩和自动编码技术对网络权值进行初始化。实验数据测试表明:与传统方法相比,本文提出的改进学习系统的分类准确率、稳定性和响应速度均得到显著提高。      

星载SAR亚马逊雨林辐射定标仿真研究

辐射定标是准确、定量描述星载合成孔径雷达(SAR)系统性能的重要手段.星载SAR在轨运行期间,天线方向图较之发射前可能存在较大的失真,从而严重影响所获取的SAR图像数据质量,因此准确测量在轨飞行时天线俯仰向方向图特性并予以补偿是星载SAR辐射定标的主要内容之一.利用具有均匀后向散射系数特性的分布目标进行外定标是测量双程俯仰向天线方向图的最佳方案,而亚马逊雨林是全球最稳定、最均匀、最平坦的分布目标,后向散射系数几乎不随入射角变化,是公认的理想测试场地.鉴于目前我国尚无自行采集的星载SAR图像数据,我们对星载SAR回波功率仿真、天线方向图模型参数估算进行了深入、系统的研究,利用仿真的亚马逊雨林SAR功率图像成功地实现了星载SAR俯仰向天线方向图在轨测试关键环节的模拟,对我国的星载SAR辐射定标研究具有一定的理论意义和重要的工程实用价值.