基于分形理论和Kohonen神经网络的纹理图像分割方法

分形理论作为描述自然现象的一种模型,受到人们越来越多的重视。该文提出采用分形维数和多重分形广义维数谱q－D（q）作为纹理特征,采用自组织神经网络Kohonen网络作为分类器的图象分割方法。通过对纹理图象的分割实验,结果令人满意,证实该方法的有效性。     

心室纤颤和心动过速的多重分形分析

基于多重分形分析对心动过速（VT）与心宣纤颤（VF）进行了研究。通过直接计算，（a）奇异谱的方法，计算出VF和VT信号的奇异谱。发现这两种信号奇异谱曲线所包含的面积存在较大差异，并且在大多数情况下VF信号的奇异谱曲线面积大于VT信号。本文用奇异谱曲线面积作为区分VF和VT的一个判据。实验证实该判据可有效区分VF和VT。     

基于小波多重分形的复杂机械故障诊断方法研究

针对复杂机械系统的复杂性和非平稳性，给出了一种基于小波多重分形的故障诊断方法，并给出了参数优化和噪声抑制措施。该方法克服了单一分形维数难以全面刻画信号特征的缺点，又能够表征信号能量分布的奇异状况和几何特征分布几率，可用于非平稳信号内在特征信息的精细刻画和准确提取。仿真证明了该方法的有效性。     

基于多重加权法的多重分形图像分割研究

针对现有多重分形谱对噪声敏感的问题,该文提出了一种基于多重加权法的多重分形谱算法。并首先介绍了基于测度理论的多重分形谱的定义;然后定义了基于多重加权的概率测度,同时对基于多重加权法的多重分形谱性能进行了分析,最后采取与衬底法、方差法进行仿真比较的方法,进行了线性区间、抗噪声性能和收敛速度的比较。比较结果表明,该算法具有保持和加强图像的局部特性以及突出图像的细微处的特点,不仅克服了多重分形谱对噪声敏感的缺点,而且权重因子收敛快。     

基于多分形特征的枪械自动机裂纹故障诊断

为更好地利用振动信号对枪械自动机的裂纹故障进行诊断,提出基于振动信号多分形特征的故障诊断方法。该方法利用Wavelet Leader 来估计振动信号的多分形谱,通过6个特征量描述多分形谱的形态特征以实现多分形谱的降维,并使用基于Mahalanobis距离的分类器对不同的裂纹故障进行分类。应用该方法对某12.7 mm高射机枪自动机闭锁机构的裂纹故障进行了诊断,诊断正确率达到了82.5%,验证了将振动信号的多分形特征用于自动机裂纹故障诊断的可行性。     

基于多重分形谱和支持向量机的风电机组行星齿轮箱故障诊断与研究

风电机组行星齿轮箱振动信号是一种典型的非平稳、非线性信号,传统故障检测方法对于此类信号处理能力有限。为了克服传统方法的不足,提高故障诊断能力,提出了一种基于多重分形谱和支持向量机相结合的故障检测方法。首先通过多重分形定义求取信号的多重分形谱。然后在多重分形谱中提取八个特征量。最后将特征量作为支持向量机的输入向量,实现了在不同转速情况下对正常信号和四种太阳轮故障信号的分类与识别。实验结果证实了所提方法对行星齿轮箱信号特征进行提取是有效的,在不同转速情况下均提高了故障识别率。     

测井曲线的多重分形分析方法研究

单一分形在测井解释方面已有许多应用.多重分形分析可以计算出包括单一分形分维数在内的多重分形谱,对测井曲线进行分析时,多重分形分析可以提供比单一分形分析更多的信息.在研究测井曲线多重分形分析的数学原理基础上,研究了计算测井曲线多重分形谱的算法.该算法由FORTRAN语言实现.通过对实际测井资料的处理分析,发现多重分形谱在描述地层非均质性方面具有比较好的效果.测井曲线的多重分形分析方法对于复杂地层的研究具有一定的现实意义.     

Improved multi-fractal network traffic model and its performance analysis

This paper demonstrates the limitation of the traditional multi-fractal wavelet model(MWM).Through analyzing the multi-resolution behaviors of the real video traffic,we propose an improved MWM model.It synthesizes the traffic traces using another wavelet basis,and can adjust wavelet coefficients and multiplicative coefficients at each time scale,based on the network measurement.Subsequently,multifractal spectra and queue performances of the new model have been analyzed.The simulation proves it can capture the multifractal behaviors of network traces.     

PD pattern recognition based on multi-fractal dimension in GIS

This paper designs four types of gas insulated substation (GIS) defect models based on partial discharge (PD) characteristics and its defections. TheGIS gray intensity images are constructed based on the mass specimens gathered by the ultra-high frequency and high-speed sampling systems. The multi-fractal dimension is founded on the box-counting dimension and multi-fractal theories. The GIS gray intensity images distillation methods, based on multi-fractal characteristics, is put forward. The box-counting dimension, multi-fractal dimension, and discharge centrobaric characteristics of the PD images are also extracted. The characteristic variables are then classified by the radial basis function (RBF) network. Identified results show that the methods can effectively elevate the discrimination of the four types of defects in GIS. __________ Translated from Chinese Journal of Scientific Instrument, 2007, 28(4): 597–601 [译自: 仪器仪表学报]