雷达辐射源识别技术研究进展

雷达辐射源识别技术是雷达对抗侦察系统中的关键技术之一,是雷达对抗信息处理研究的重要内容。鉴于特征提取和分类识别是雷达辐射源识别的两大关键技术,综述了这两个关键技术的研究进展,从理论上分析了当前研究现状下存在的问题,并对未来的研究进行了展望,为进一步研究雷达辐射源识别技术提供了参考。     

基于2D PCA和2D LDA的人脸识别方法*

提出了基于2D-PCA、2D-LDA两种特征采用融合分类器的人脸识别方法.首先提取人脸图像的2D-PCA和2D-LDA特征,对不同特征在决策层对分类器进行融合.在ORL人脸库上的试验结果表明,分类器决策层融合方法在识别性能上优于2D-PCA和2D-LDA,更具有鲁棒性.     

基于改进辅助分类生成对抗网络的风机主轴承故障诊断

基于振动信号的风电机组故障诊断方法是风电安全运维领域研究的重点之一。风电机组主轴承较少发生故障,给运用数据挖掘方法判断故障类型带来很大困难。针对该问题,文中提出了一种用于风电机组主轴承故障诊断的数据增强方法。通过对辅助分类生成对抗网络(ACGAN)的适应性进行改进,引入梯度惩罚,构建了改进ACGAN框架,以提高其学习稳定性;在判别器网络中引入池化层,以提升其在多分类场景下提取数据特征的能力。仿真结果表明,所提出的改进ACGAN框架能够实现对原始数据分布特征的有效学习,抗噪声干扰性强,相对于原框架训练过程更稳定,生成数据的质量更高;能够有效平衡风电机组主轴承故障振动数据,进一步提升了风电机组主轴承故障诊断的正确率。     

Location of steel reinforcement in concrete using ground penetrating radar and neural networks

Ground-penetrating radar is becoming increasingly popular for use as a non-destructive assessment method for investigating reinforced concrete structures. The amount of data collected however can be very large and take a significant level of subjective experience to interpret. This study focuses upon the use of a neural network approach to automate and facilitate the post-processing of ground penetrating radar results. The radar data is reduced to a simplified data set by using an edge detection routine. Signal reflections from reinforcing bars displaying a hyperbolic image format are detected using a multi-layer perceptron (MLP) network with a single hidden layer containing 8 nodes to recognise a simplified hyperbolic shape. Training and testing of the network was carried out making use of an emulsion analogue tank, simulating the properties of concrete, and using real concrete specimens. The results showed that the use of a MLP neural network approach could be quite effective in automating the identification and location of embedded steel reinforcing bars from a radar investigation. Accurate estimation of depth, or cover, requires a reliable knowledge of the dielectric properties of the concrete, and recent work using a specially-developed wideband horn antenna for direct determination of in situ properties is also outlined.     

基于机器视觉及深度学习的静脉药物调配机器人药瓶识别北大核心

静脉药物调配机器人需要对数百种不同类型的药物进行调配,不同药物药瓶类型的识别、测量是精准调配的关键。对静脉药物调配机器人在药瓶类型分类、药瓶关键尺寸测量等不同任务要求情况下,运用基于机器视觉方法和深度学习框架YOLOv5s,实现了一种高效稳定的识别测量方法。结合机器视觉方法的测量准确性,深度学习方法对背景、光源的不敏感性,实现配药过程中不同环节药瓶的准确识别、测量。并通过实验定量地检测背景、环境光源对于识别结果的影响。     

用于树脂砂造型的木模结构设计及制作工艺

从木模起模和木模强度等方面入手，阐述了树脂砂木模结构的设计、木模结构简化的方法。提出了木模的选材及制作工艺     

国内外消失模铸造技术研究新进展

介绍了当前消失模铸造技术的两大研究热点，即：铝镁合金消失模铸造及其缺陷形成机理的研究，模样制作过程，质量评定方法和白区制模过程的研究．这些研究表明：模样表面泡沫塑料珠粒的融合程度高、内部珠粒融合程度低、密度均匀、表面光滑的模样适合生产高质量消失模铸件。此外，X光透射、扫描电子显微镜和计算机数值模拟技术已开始用于对珠粒充型、发泡过程及其最终所得到的模样质量的评定和预测。     

模式识别方法研究影响转炉炼钢脱磷的因素

利用模式识别方法中的偏最小二乘法对转炉炼钢的磷分配比及主要影响因素进行了分析 ,用二维分类图给出了优化趋势 ,结果符合一般脱磷理论和实际 ,可以作为冶炼的参考。     

基于小波包和支持向量机的滚动轴承故障模式识别

为了解决对故障轴承的特征提取和故障特征准确分类问题,提出了应用小波包变换和支持向量机相结合进行滚动轴承故障诊断的方法.小波包变换具有良好的时-频局部化特征,非常适于对瞬态或时变信号进行特征提取.而支持向量机可完成模式识别和非线性回归.利用上述原理根据轴承振动信号的频域变化特征,采用小波包变换对其提取频域能量特征向量,然后利用建立的支持向量机多故障分类器完成滚动轴承故障模式的识别.试验结果表明,支持向量机可以有效、准确地识别轴承的故障模式,为轴承故障诊断向智能化发展提供了新的途径.     

高温合金小直径棒材超声检测信号的余弦变换分析及识别

将离散余弦变换（DCT）用于直径为φ26mm的变形高温合金棒材超声检测信号的特征分析，提取缺陷回波的离散余弦变换幅度谱作为特征矢量，并对提取的特征利用人工神经网络进行训练和分类，实验和距离可分性测度计算结果表明，与离散傅里叶变换提取的谱类别特征相比，离散余弦变换使缺陷信号的谱类别特征有明显增强。