一种关于目标与安全管道相对位置估算方法

针对靶场试验安全控制中目标与安全管道位置估算的实际需求,结合靶场实时数据处理要求,提出了利用滑动窗口技术,动态载人理论弹道数据,并采用折半查找和KNN查询相结合的思想实现了目标与理论弹道最近邻点查询,完成了飞行目标与理论规划航迹间的位置等参数偏差查询。利用区间估计原理,给出了目标与安全管道相对位置估算方法,解决了传统试验中无法对目标与管道边界的接近程度进行量化的问题。     

基于改进SURF算法的无人机遥感图像拼接方法

针对传统SIFT算法在无人机遥感图像拼接中存在的运算缓慢、误匹配较多且计算过于复杂,无法满足遥感图像处理的实时性要求等缺陷,以及由于采集到的图像之间存在曝光差异等情况,直接进行叠加拼接后极大可能会在边界处产生重影错位的情况,文章提出了一种改进的SURF算法与融合算法用于无人机的遥感图像拼接。首先,在特征检测阶段,将SURF算法与Harris角点检测算法2种算法相结合,快速得到图像的特征点与特征描述子;在特征匹配阶段分为粗匹配与精匹配2个步骤:通过KNN算法对待拼接图像间特征点的粗匹配,以及应用RANSAC算法去除误匹配点的精匹配;在图像融合阶段,采用了基于距离的加权平均算法进行图像融合;最后,实验表明:文章所提出的算法处理速度相比于传统SUFT算法提升了近5倍,相比于其他改进算法,匹配精度也有所提高,并且该算法能够有效提高图像拼接后的质量与效果,解决了拼接痕印明显、重影、错位等现象可能发生的问题。     

基于共享最近邻的专利自动分类技术研究

专利文献是一种具有法律效力的科技文献,其内容覆盖了几乎所有的技术领域的最新、最活跃的创新技术信息,因此对专利文献的分类和组织在专利管理中有着重要意义。本文通过对现有的专利自动分类技术的归纳和分析,融合BM25相似度计算方法和样本邻域信息提出一种基于共享最近邻的KNN专利自动分类方法。本方法的有效性在NTCIR-8专利分类评测任务中得到充分验证。     

基于案例推理方法在飞机故障诊断中的应用

基于案例推理(CBR,Case-Based Reasoning)方法是一种基于经验知识进行推理的求解方法,适合于经验丰富的领域.针对飞机售后服务过程中积累的大量故障诊断和维修经验,将CBR方法应用于飞机故障诊断和维修决策支持.从飞机维修的需求出发,分析了CBR飞机故障诊断方法的基本过程;讨论了飞机故障案例库的构建、案例表达、案例检索、匹配、案例修改和维护等关键技术;重点研究了故障案例的知识表达,应用字符型字段匹配和K-近邻方法(KNN,K-Nearest Neighbor)相结合的检索模型实现了案例检索和匹配;提出了辅助飞机故障诊断系统的结构,开发了原型系统并给出应用实例.      

基于VMD-CWT和改进CNN的直升机轴承故障诊断

由于直升机自动倾斜器滚动轴承振动信号具有非平稳、非线性特点,并夹杂非敏感故障特征信息,导致网络模型对周期信号过于敏感,不能充分利用故障信息的问题;针对此问题,提出一种变分模态分解(VMD)与连续小波变换(CWT)联合提取敏感故障特征的方法.研究表明:在相同模型训练下,该方法相对其他方法最高可提升模型准确率20.8％.为...     

基于KNN的机床刀尖点频响函数预测

加工颤振是影响工件表面质量、加剧刀具磨损和降低机床寿命的重要原因,颤振抑制一直以来都是学术界和工业界关注的重点。稳定性叶瓣图是现有颤振抑制方法的重要依据,而机床刀尖点频响函数是绘制稳定性叶瓣图的主要输入。锤击试验法是目前获取刀尖模态参数最为准确的方法,但是在机床结构变化频繁的应用场景下,该方法效率低,机床需要长时间停机,难以满足实际生产要求。提出了基于KNN的机床刀尖点频响函数预测方法,将锤击试验法和KNN算法相结合,大幅减小了锤击试验的次数,同时准确获得机床刀尖点频响函数。在试验验证中,将该方法和传统RCSA方法进行对比,结果表明所提方法具有良好的准确度。     

A method for satellite time series anomaly detection based on fast-DTW and improved-KNN

In satellite anomaly detection, there are some problems such as unbalanced sample distribution, fewer fault samples, and unobvious anomaly characteristics. These problems cause the extisted anomaly detection methods are difficult to train accurate classification model, and the accuracy of anomaly detection is hard to improve. At the same time, the monitoring data of satellite has high dimension and is difficult to extract effective features. Based on the DTW over-sampling method, this paper realizes the over-sampling of fault samples in satellite time series, and constructs a distributed and balanced time series data set. The Fast-DTW method is applied to calculate the distance between different time series, which can improve the speed of similarity calculation. KNN (K-Nearest Neighbor) method is applied for classification and the best classification result is obtained by search the optimal hyper-parameters k. The results show that the proposed method has high anomaly detection accuracy and consumes short calculation time.