一种新型快速收敛的LMS谐波检测算法

针对传统基于固定步长LMS算法在电网谐波检测中存在收敛速度与稳态精度需折中选择的问题,提出了一种新型具有较高收敛速度的改进变步长LMS算法。该算法以同一相位下相邻两时刻的误差信号e(n)、e(n－1)的自相关估计调节步长更新,并且采用归一化处理方式,以误差信号在总电流信号中的比例k(n)、k(n－1)作为新反馈量,同时对新的反馈量进行相干平均估计来调整步长迭代;在权值迭代公式中引入相邻时刻估计误差绝对值之差的扰动量来加快自适应滤波器权矢量的迭代速度。MATLAB/Simulink仿真和实验证明,该方法相对于传统固定步长LMS谐波检测算法在收敛速度和稳态精度上有了进一步的提高,尤其在负载发生突变时的跟踪能力。     

结构动力方程一种新的级数形式的解析解

将结构的位移及速度响应作为状态变量,采用Lyapunov(李雅普诺夫)人工小参数法求解状态方程,导出状态方程的一个新的级数形式的解析解,该解析解还可以推广到非线性动力方程的计算。将秦九韶算法引入级数解的计算,提高了计算的效率和稳定性,同时给出了算法的计算格式和步骤。该算法无需对转换矩阵H求逆,仅使用矩阵向量相乘,计算稳定,精度仅由收敛项数控制,很容易达到任意精度要求,而且适合并行计算及压缩存储。最后通过算例进一步证实了该算法的精度和效率。     

改进的细菌觅食优化算法及其在框架结构设计中的应用

在细菌觅食算法(bacterial foraging algorithm,BFA)基本原理的基础上,结合“和声搜索”算法,提出了一种改进的细菌觅食算法,并应用于框架结构优化.采用该优化算法分别对一单跨8层框架和双跨5层框架结构进行离散变量的质量优化设计,并与细菌觅食算法的计算结果进行了比较.计算结果表明改进的细菌觅食算法应用在结构优化中具有较好的收敛速度和精度,可应用于工程结构的优化设计.     

基于前馈神经网络的自适应回声消除方法

回声消除常用的LMS算法收敛性差，而收敛性好的RLS算法计算量大。文章中提出一种全新的求解方法：基于前馈神经网络的自适应回声消除方法。把回声消除模型中求解滤波器系数的问题转化为前馈神经网络神经元权值的训练问题，并运用误差反向传播算法(BP算法)得出神经元权值的递推公式。经仿真计算，能较好地实现回声消除，与原传统算法LMS和RLS计算比较：该方法能得到非常高的计算精度和明显优越的收敛性能，而计算量只有RLS算法的一半。     

(V,Ti)(C,N)固溶体粉末对WC-8%Co硬质合金性能的影响

通过碳热还原氮化法合成了不同钛含量的(V,xTi)(C,N)(x=5%、10%、15%(质量分数))固溶体粉末晶粒细化剂,并考察了它们对WC-8%Co硬质合金显微组织和机械性能的影响。结果表明,与V(C,N)或者V(C,N)/Ti(C,N)混合晶粒细化剂相比,(V,Ti)(C,N)固溶体粉末可以显著地提高WC-8%Co硬质合金的机械性能;当加入0.5%(质量分数)的(V,5Ti)(C,N)固溶体粉末时,WC-8%Co硬质合金的抗弯强度和硬度分别达3490MPa、1804HV30,WC平均晶粒尺寸约为0.5～0.6μm。     

快速群搜索优化算法及其应用研究

在群搜索优化算法GSO(Group Search Optimize)基本原理的基础上,提出了改进的群搜索优化算法——快速群搜索优化算法QGSO(Quick Group Search Optimize),并应用于结构优化设计。算法的改进主要有3个方面:第一,当算法不前进时,适当加大游荡者的数目;第二,引进粒子群算法(PSO)的搜索方式,将GSO中的角度搜索改为步长搜索,并考虑群体最优值和个体最优值;第三,引入遗传算法,通过个体最优值与群体最优值的杂交重新生成游荡者。采用QGSO优化算法分别对平面和空间桁架结构进行了离散变量的截面优化设计,并与GSO优化算法和启发式粒子群优化算法(HPSO)的计算结果进行了比较,结果表明:该文改进的群搜索优化算法QGSO与GSO算法和HPSO算法相比具有较好的收敛精度和更快的收敛速度,可应用于工程结构的优化设计。     

采用混合粒子群算法实现匹配追踪算法

针对匹配追踪信号稀疏分解的巨大计算量问题,在具有全局优化能力的粒子群算法基础上,提出了一种结合BFGS(Broyden、Fletcher、Goldfarb和Shanno)方法和变异操作的混合粒子群算法实现信号匹配追踪分解。利用BFGS方法增强了算法的局部开发能力,加快了信号特征提取速度;通过变异操作控制种群多样性以避免早熟收敛,增强了算法全局探测能力,提高了信号特征提取精度。通过与单一粒子群算法和遗传算法实现仿真信号匹配追踪分解的结果进行对比,证明了使用混合粒子群算法的匹配追踪分解能够快速准确提取信号特征参数。最后,将该算法应用于某内圈损伤轴承振动信号中的冲击特征提取,结果表明该算法在工程应用中具有一定的准确性和实用性。     

基于BP-AGA的非线性组合预测方法研究

运用神经网络和加速遗传算法建立非线性组合预测模型，在BP算法训练网络出现收敛速度缓慢时启用加速遗传算法(AGA)来优化网络参数，把AGA的优化结果作为BP算法的初始值，再用BP算法训练网络，如此交替运行BP算法和AGA以加快网络的收敛速度，同时改善局部最小问题。最后给出实例研究，结果表明，该方法能明显提高预测精度。     

基于RBF神经网络的地磁车位检测优化算法

研究了汽车车位的地磁法检测。针对车辆在长时间停放下出现了基线漂移的现象,致使传统的地磁检测算法在车辆长时间停放时容易出现漏检、误检等情况,提出了一种基于径向基函数(RBF)神经网络的地磁车位检测优化算法,该算法对长时间停车状态下的基线进行补偿,以获得更加准确的基线值从而提高检测的精度。实验结果表明,通过该算法得到的基线值能快速逼近真实值,对基线漂移有较好的补偿效果,经过RBF神经网络对基线进行补偿后,漏检率降低了6.65%,准确率提高了7.31%。     

基于MID算法的组合切片分析在滚动轴承故障诊断中的应用

调制密度分布(MID)作为谱相关密度的开放性推广,能够很好地解决离散或者随机载波调制信号的检测问题,然而该算法在判定轴承故障前需要大量计算描述矩阵来估计调制密度因子,不能满足工业生产的实时性要求。为此,提出基于MID算法的组合切片分析方法,首先根据转速的波动范围,确定故障特征频率相对于理论值的波动范围,然后给定选择性因数(Δf)的范围并计算信号的MID组合切片带,最后通过切片带之间的能量对比确定轴承故障类型。该分析方法不仅对噪声不敏感,而且有效地减少了计算量,满足了实时性要求。随后,分别采用仿真信号和QPZZ-II系统(滚动轴承故障模拟实验平台)的实测数据,对MID组合切片分析方法进行了实验验证,并与包络解调分析进行了对比。实验结果表明,该方法对滚动轴承外圈、内圈和滚动体故障的检测精度更高。     

卫星定位终端入栏检测算法的研究与实现

载有卫星定位的设备终端是否在设定范围内的检测方法,决定着电子围栏设计的成败。将分类思想用于此类检测,提出一种基于支持向量机的入栏检测算法。该算法依据卫星定位终端的定位数据特征选择合适的核函数;通过网格搜索法求取核函数及误差惩罚参数的值;视检测准确率高低不断调整确定最优阈值等几个环节来实现。用实测数据进行算法验证,入栏检测准确率可达80%～96%,远高于直接检测得到的43%～67% 的准确率,表明算法可靠有效,具有较高的实用价值。     

基于改进ALOHA算法的RFID标签防碰撞研究

目的 为提高射频识别技术(Radio Frequency Identification,RFID)标签识别成功率,以及包装生产线自动分拣效率、智能化水平.方法 以包装生产线检测系统为研究对象,结合RFID技术设计一种自动包装、检测、配送系统.介绍RFID检测系统,主要包括标签、阅读器、天线和控制系统.针对RFID识别过程中标签碰撞问题,提出一种改进ALOHA算法,采用动态预测权值估计标签数目使标签数目与数据帧长度大致相等.通过实验验证ALOHA算法的有效性.结果 实验结果表明,碰撞比率平均值只有1.1％,整个系统的检测成功率可以达到99.6％;所述改进ALOHA算法可以有效避免标签碰撞.结论 该系统能够自动完成检验,并且用时较少,检验过程中正确率较高,具有较高的市场应用价值.     

基于最近邻搜索耦合近邻损耗聚类的图像伪造检测算法

目的为了解决当前图像伪造检测算法在对图像进行伪造检测时,主要依靠全局搜索的方式来完成特征点匹配,导致其检测效率较低,且在对复杂伪造图像进行检测时,易出现检测精度不高和检测错误的不足。方法提出基于最近邻搜索耦合近邻损耗聚类的图像伪造检测算法。首先引入积分图像的方法,对图像进行预处理,借助Hessian矩阵行列式来提取特征点。利用特征点构建圆形区域,通过求取圆形区域内Haar小波响应获取特征点的特征描述符。然后通过特征描述符建立KD树索引,利用最近邻搜索方法代替SURF中全局搜索的方法,对SURF进行改进,完成特征点的匹配。最后,利用特征点间的近邻关系求取近邻函数值,通过近邻函数值对特征点进行聚类,完成图像的伪造检测。结果实验结果显示,与当前图像伪造检测算法相比,所提算法具有更高的检测效率以及更高的检测正确度。结论所提算法具备较高的检测精度,在印刷防伪与信息安全等领域具有较好的应用价值。     

基于深度神经网络的素色布匹瑕疵检测算法研究

目的为了改进当前布匹检测算法覆盖瑕疵种类不全、瑕疵检测准确率低和定位精度差的问题,提出一种端到端的素色布匹瑕疵检测的实用算法。方法首先通过图像增强扩充样本数量,使用以Resnet50为主干的Cascade-RCNN网络,通过加入可变形卷积、特征融合网络,增加锚框数目的方法实现素色布匹瑕疵检测。结果通过实验对比表明,该算法可实现检测20种布匹瑕疵,检测是否为瑕疵布匹的准确率为97%,瑕疵定位的平均检测精度为65%,每张样本平均时间为80 ms。结论该算法有效提升了布匹瑕疵检测的准确率和精度,检测瑕疵类别更全面,并且可以获取缺陷位置和类别,能够满足工业上的生产需求。     

基于改进YOLOv5算法的PCB裸板缺陷检测

目的 将基于深度学习的YOLOv5算法应用于PCB裸板的缺陷检测上,以提高检测的准确率。方法 通过增加特征融合通路,将C2、C3、C4层直接与P2、P3、P4层相连,从而减小信息的损耗;引入更浅层的C2、F2、P2特征图以增加图像的细节信息;并且使用注意力机制SE_block,大幅提高原算法的准确率。结果 改进后的网络的平均精度由91.54%提高至97.36%,提高了5.82%,并且对于各类缺陷,算法的检测精度都能保持在90%以上,满足工业的需求。结论 文中的算法提高了检测精度,体现了浅层信息在小目标检测上的作用,验证了多信息融合通路的优势,彰显了注意力机制的优越性,相比于原算法具有一定的优势。     

一种车辆识别代号检测和识别的弱监督学习方法

车辆识别代号对于车辆年检具有重要的意义。由于缺乏字符级标注,无法对车辆识别代号进行单字符风格校验。针对该问题,设计了一种单字符检测和识别框架,并对此框架提出了一种无须字符级标注的弱监督学习方法。首先,对VGG16-BN各个层次的特征信息进行融合,获得具有单字符位置信息与语义信息的融合特征图;其次,设计了一个字符检测分支和字符识别分支的网络结构,用于提取融合特征图中的单字符位置和语义信息;最后,利用文本长度和单字符类别信息,对所提框架在无字符级标注的车辆识别代号数据集上进行弱监督训练。实验结果表明,本文方法在车辆识别代号测试集上得到的检测Hmean数值达到0.964,单字符检测和识别准确率达到95.7%,具有很强的实用性。     

一种零件综合质量评定方法研究

零件的质量评定是柔性智能制造中十分重要的环节。现有的自动化识别装置一般采用非人工接触的光学检测系统,但由于工况环境复杂,诸多干扰因素均会影响零件质量检测与评定的准确性。另外,工业现场的连续作业对工控机硬件的运行速度、光学检测系统的环境适应性以及质量评定算法的预测准确性都提出了更高的要求。基于此,提出一种基于机器视觉与机器学习的零件综合质量评定方法。首先,借助机器视觉技术完成被测零件图像的实时采集与处理,并利用灰度匹配算法与几何匹配算法对零件的图像与CAD（computer aided design,计算机辅助设计）机械加工图进行比较,求解得到灰度匹配分数与几何匹配分数这2个几何特征参数。然后,针对零件表面的缺陷（如划伤、磨损、边缘缺料及锈蚀等）,在图像预处理（灰度化、图像增强、高斯降噪和二值化）的基础上,求解得到图像灰度的均值和标准差这2个表面缺陷特征参数。最后,借助主成分分析（principal component analysis, PCA）对零件的四维特征数据集进行降维处理,并利用K最近邻（K-nearest neighbor, KNN）算法对降维后的数据集进行训练和预测,完成零件综合质量评定;在此基础上,比较KNN算法与其他机器学习算法的准确率、召回率和特异度等指标,以验证其可行性。实验结果表明,所搭建的光学检测与处理系统在不同光源条件下的识别准确率达到96.15%以上;当相机的快门时间设定为100 μs时,该系统的图像处理速度达到45.2 帧/s。所提出的零件综合质量评定方法具有较高的准确率与处理速度,适用于复杂工况下零件的综合质量评定。     

基于改进YOLOv5的试剂卡印刷缺陷检测算法

目的 针对试剂卡生产企业采用人工分选印刷缺陷的试剂卡存在效率低、成本高、易漏检的问题，提出一种基于深度神经网络YOLOv5s的改进试剂卡印刷缺陷检测算法YOLOv5s-EF。方法 通过图像预处理算法获得高质量的缺陷图像数据集，在YOLOv5s的主干特征提取网络中添加高效通道注意力（Efficient Channel Attention, ECA）机制，增强特征图中重要特征的表示能力；引入焦点损失函数（Focal Loss）来缓解正负样本不均衡的影响；结合印刷区域的定位结果，二次精确定位并构建方位特征向量，提出一种特征向量相似度匹配方法。结果 实验结果表明，本文提出的试剂卡印刷缺陷检测算法在测试集上的检测平均准确度可以达到97.3%，速度为22.6帧/s。结论 相较于其他网络模型，本文提出的方法可以实现对多种印刷缺陷的识别与定位，模型具有较好的检测速度和鲁棒性，有利于提高企业生产的智能化水平。     

基于改进YOLOv5的轻量级芯片封装缺陷检测方法

目的 针对芯片封装缺陷检测过程中检测精度低与模型难部署的问题,提出YOLOv5-SPM检测网络,旨在提高检测精度并实现模型轻量化。方法 首先,通过在特征提取模块后增加通道注意力机制,提高缺陷通道的关注度,减少冗余特征的干扰,进而提升目标的检测精度。其次,在主干网络与颈部网络连接处使用快速特征金字塔结构,更好地融合了自建芯片数据集的多尺度特征信息。最后,将主干网络的特征提取模块更换为MobileNetV3,将常规卷积更换为深度卷积和点卷积,有效降低了模型尺寸和计算量。结果 经过改进后的新网络YOLOv5s-SPM在模型参数下降29.5%的情况下,平均精度较原网络提高了0.6%,准确率提高了3.2%。结论 新网络相较于传统网络在芯片缺陷检测任务中实现了模型精度与速度的统一提高,同时由于模型参数减小了29.5%,更适合部署在资源有限的工业嵌入式设备上。     

Harris算子耦合强度特征的图像复制-粘贴篡改检测算法

目的针对当前较多图像复制-粘贴篡改检测算法主要依靠度量图像的结构特征来实现篡改检测,忽略了图像的强度特征,使其在各种几何变换下难以准确检测出伪造内容,导致检测结果中存在漏检和误检等问题,设计一种基于Harris算子耦合强度特征的图像复制-粘贴篡改检测算法。方法利用Harris算子对图像的特征点进行精确的提取。通过特征点构造圆形特征区域,求取该区域的Zernike矩,通过Zernike矩的大小实现对特征点的描述。随后,利用不同阶数的Zernike矩来描述图像的强度特征和纹理特征,从而构造匹配模型,对图像特征进行粗匹配,并引入RANSAC方法对粗匹配结果进行优化。最后,利用形态学腐蚀与膨胀操作将特征区域进行连通,以确定篡改区域。结果实验结果表明,与已有的图像伪造检测方案相比,所提算法具备更高的检测精度和鲁棒性,在噪声和旋转等变换下仍有更好的检测效果。结论所提技术拥有较高的伪造检测准确性,在图像水印、信息安全领域具有一定的参考价值。