基于改进的K-means聚类图像分割算法

介绍一种采用K—L变换、二维向量小波和改进的K—means结合的图像分割算法。阐述和分析了二维向量小波变换和Laws纹理能量测度，得出图像每个像素点可用9个纹理特性来描述的结论。运用K—means算法的思想对其进行改进，最后得出分割后的图像。试验结果证明，运用以上处理方法可显著提高分割速度和精度。     

基于机器视觉的货车滚动轴承外圈麻点缺陷检测

利用数字图像处理技术,设计出一种基于线阵CCD成像技术的轴承表面缺陷非接触在线检测系统。首先讨论了系统中灯光、摄像机的安装位置对成像效果的影响,然后提出了一种有效的利用麻点呈黑色针孔状凹坑、有一定深度、个别存在或密集分布的图像特征,对轴承外圈麻点缺陷进行的检测方法。该方法可以克服油渍在图像处理中会造成较大误差的缺点,并且能够对麻点缺陷区域进行确定。现场测试表明,该系统抗干扰性较强,精确度较高,而且应用浮动阈值检测法可以使得该算法有较强的鲁棒性,具有一定的实用价值。     

求解铁路物流配送中心选址问题的改进灰狼优化算法

针对单一机制的灰狼优化算法（GWO）易陷于局部最优、收敛速度慢的问题,提出了一种改进灰狼优化（IGWO）算法来解决实际铁路物流配送中心选址的问题。首先,在基本的灰狼优化算法的基础上,引入佳点集理论初始化种群,从而提高了初始种群的多样性;然后,利用差值剔除策略（DES）来增加全局寻优能力,以达到一种高效的寻优模式。仿真实验结果表明：与标准的灰狼算法相比,所提出的IGWO适应度值提高了3%,在10个测试函数中最优值精度可最多提高7个单位;与粒子群优化（PSO）算法、差分进化（DE）算法和遗传算法（GA）比较,所提算法的运行速度分别提高了39.6%、46.5%和65.9%,选址速度也明显提高。可见所提算法可用于铁路物流中心的选址。     

一种用于轴承缺陷图像分割的改进k-means聚类算法

为了实现轴承缺陷无损检测自动化,研究了轴承表面缺陷图像的分割方法。在数字图像处理技术的基础上,提出一种改进的k-means的图像分割算法。先利用二维向量小波变换对图像提取特征,根据表面缺陷特征,运用k-means算法的思想,对其进行改进。试验结果证明,该方法显著提高了分割速度和精度,受背景、光照、角度、姿态的影响很小,具有较好的鲁棒性,具有一定的使用价值。     

基于NESSUS的1.5 MW永磁直驱风力发电机主轴可靠性灵敏度分析

永磁直驱风力发电机主轴的可靠性对于整套风机系统的质量属性具有重要的影响。针对主轴结构参数的随机性,首先利用有限元软件ANSYS的参数化设计语言APDL对主轴进行参数化建模,主要变量为尺寸参数及载荷参数,并进行了初步的静力分析。然后介绍了基于设计验算点MPP的结构可靠度及参数灵敏度的计算原理。最后通过专门的结构概率分析软件NESSUS联合ANSYS的静力分析模块对主轴进行可靠性分析,获得了主轴结构可靠度指标和各个参数的灵敏度指标及设计验算点位置。     

基于模糊C均值技术的轴承故障诊断

先利用多小波变换对轴承缺陷图像进行去噪,再利用模糊C均值(FCM)聚类用于灰度图像分割具有简单直观、易于实现的特点,对模糊C-均值聚类(FCM)算法进行改进,并对缺陷图像进行分割,试验结果证明,该方法显著提高了分割速度和精度,受背景、光照、角度、姿态的影响很小,具有较好的鲁棒性,具有一定的使用价值.     

基于支持向量机的轴承表面缺陷检测

提出一种基于支持向量机的轴承表面缺陷检测算法,该算法把轴承中的非缺陷区域和缺陷区域分别看作两种不同的纹理模式,利用主成分分析法(PCA)对图像进行降维处理,然后用支持向量机方法对两类不同的样本采样学习,进行分类判断。实验结果表明,该算法能够较好地实现轴承缺陷的检测分类,有着深入研究的价值。     

基于机器视觉的铁路货车滚动轴承表面缺陷检测

针对目前轴承缺陷检测操作复杂、速度慢、精确度低等缺点,利用数字图像处理技术,设计出基于CCD成像技术的轴承缺陷非接触在线检测系统,讨论了系统中灯光、摄像机的安装位置对成像的影响,提出利用图像特征的麻点的检测方法,该系统能对麻点缺陷进行识别,对缺陷的区域进行测定。现场测试表明,系统操作简单、速度快、精确度高、为轴承缺陷检测提供了一种新方法。     

一种基于改进PLSA和案例推理的行为识别算法

针对行为人发生的行为因遮挡或者自遮挡可能导致行为歧义性的问题,提出基于改进PLSA和案例推理算法的行为识别方法。该算法既可以克服传统PLSA算法中生成式模型对观察特征序列的独立性假设会导致过拟合的缺点,又可以消除由于遮挡等原因引起的歧义性带来的识别精度降低问题。实验表明该方法能有效地提高人体行为识别准确率。     

一种用于轴承缺陷图像的改进FCM聚类检测算法

传统的FCM算法对原始图像进行分割,既没有考虑像素间相关性,又没有考虑像素的空间信息,因而对噪声十分敏感而且速度慢。为了克服上述问题,提出了一种新的基于改进的FCM图像分割算法。该方法以轴承缺陷图像为研究对象,对改进的FCM算法进行了分析和研究;通过先对采得的图像进行K-L滤波消除图像像素分量间的相关性,然后对所得图像进行二维向量小波变换,对滤波后的图像提取特征得出图像每一个像素点都有含9个纹理特性来描述的结论,最后运用FCM算法的思想,对其提出进行改进方案得出分割后的图像,使其精度和速度都有改善。其结果证明了改进算法的有效。