基于小波多尺度分解子带主成份的特征提取

论文在研究目标图像多尺度小波分解特性的基础上,提出了提取多个子带变换域中的主成份来构成目标综合特征的方法,这种特征不但包含目标的部分边缘特性和一些局部灰度分布特性,也包含目标的一些结构特性。实验结果证明这种特征可有效地用于目标匹配。     

基于参数优化变分模态分解和多尺度熵偏均值的行星变速箱故障特征提取

针对某型装甲车辆行星变速箱行星轮故障特征难以提取的问题,提出了结合参数优化变分模态分解(VMD)和多尺度熵偏均值的故障特征提取方法。为克服VMD算法参数选取依赖经验的弊端,采用粒子群优化算法对VMD参数进行优化。使用参数优化后的VMD算法对信号进行分解,并依据互信息选取有效分量对信号进行重构。多尺度熵能反映信号在多尺度下的复杂度,偏均值可以反映多尺度熵的均值和变化趋势。采用基于多尺度熵的综合指标多尺度偏均值,以全面反映振动信号在多尺度下的特性,用于衡量行星变速箱运行状态,从而进行故障特征提取。行星变速箱实验数据处理结果表明,新方法可以更加有效的提取行星变速箱故障。     

基于小波多尺度分解子带主成份的特征提取

基于小波多尺度分解子带主成份的特征提取法,利用小波多尺度分解子带系数图像特征.各尺度变换域系数代表目标不同信息,综合图像的边缘、灰度和结构等信息,再用信息提取图像的主要特征.以车辆跟踪为例,提取的特征可用于目标匹配,并用处理后干净图像的小波分解系数重构图像.     

基于小波特征尺度熵-隐半马尔可夫模型的设备退化状态识别方法及应用

机械设备从正常到故障往往经历一系列退化状态,正确识别设备当前所处的退化状态,对预防设备进一步退化和故障的发生具有重要意义。提出了一种基于小波特征尺度熵一隐半马尔可夫模型(HSMM)的设备退化状态识别新方法。通过小波变换提取小波特征尺度熵,然后构造信号的小波特征尺度熵向量,并以此作为HSMM的输入进行训练,建立基于HSMM的机械设备运行状态分类器,从而实现设备退化状态的识别。并且以滚动轴承为例,对正常和几种故障程度不同的滚动体运行状态进行了识别,实验结果表明该方法能有效的识别设备的退化状态。     

基于性能退化指标的轴承剩余寿命预测及其应用

为确保系统可用性和降低维修成本,提出基于性能退化指标的轴承剩余使用寿命(remaining useful life,RUL)预测模型预测轴承的RUL。通过局部均值分解(local mean decomposition,LMD)将轴承原始振动数据分解为若干积性函数(PF)分量,并根据峰度准则选取有效的PF分量重构原始信号;提取重构原始信号的时域退化特征量,利用基于人工神经网络(artificial neural network,ANN)训练的注意力机制模型选择高质量特征;引入K_均值聚类算法与分段拟合获得健康的退化指标(health degradation indicator,HI),利用灰色回归模型(grey regression model,GM)评估轴承退化可信度范围,并建立基于HI的粒子群优化最小二乘支持向量机模型(particle swarm optimization least squares support vector machine,PSO_LSSVM)预测轴承RUL。实验结果表明,该方法在预测可靠性上取得良好的效果。     

基于性能退化与 D-S 证据理论的可靠性评估方法

针对传统可靠性评估方法对多元性能参数进行可靠性评估时存在困难的问题,提出一种基于性能退化与D-S 证据理论的可靠性评估方法。首先,分别对各个性能特征参数的退化数据进行建模,得到它们的退化模型和寿命分布;然后,运用 D-S 证据理论对各个关键性能特征参数的寿命数据进行融合、决策,得到产品整体的可靠性指标;最后,结合光纤陀螺的性能退化数据对该方法进行了检验,求得光纤陀螺的贮存寿命为 36 500 h。以某型光纤陀螺的试验数据为例,对该算法的有效性进行了验证。试验结果表明：该方法较好地解决了多性能参数产品的可靠性评估困难等问题,对于多性能参数产品的可靠性评估具有一定参考意义。     

基于多尺度局部对比度和多尺度梯度一致性的红外小弱目标检测算法

针对复杂背景和强杂波干扰下红外小弱目标检测虚警率高的问题,提出了一种基于多尺度局部对比度方法与多尺度梯度一致性方法的红外小弱目标检测算法。利用多尺度局部对比度方法对红外图像中红外小弱目标进行增强,利用多尺度梯度一致性方法剔除复杂背景和强杂波干扰造成的虚警。从信噪比（SNR）增益、平均残留背景绝对值、检测率、虚警率及ROC曲线方面将新算法与max-mean算法、max-median算法、top-hat算法、IPI算法及MGDWIE算法进行了对比。实验显示：新算法相较于对比算法具有更高的SNR增益、更低的平均残留背景绝对值、更高的检测率及更低的虚警率。对比结果表明：新算法在复杂背景和强杂波干扰下具有良好的红外小弱目标检测准确性和鲁棒性,有效改善了复杂背景和强杂波干扰下红外小弱目标检测虚警率高的问题。     

基于局部加热的铝与铜复合搅拌摩擦焊接头组织与性能

基于局部加热的复合搅拌摩擦焊接方法,成功实现8 mm厚商业5754铝合金和T2纯铜的可靠焊接,并进行接头显微组织、物相组成、显微硬度分布和力学性能的测试与分析。结果表明:该复合搅拌摩擦焊接头组织致密,可靠性高;接头抗拉强度为242 MPa,达到5754铝合金母材的95%,达到T2纯铜母材的82%;接头焊核区由单质Al相、Cu相和Al2Cu相共同组成。     

PTFE颗粒对齿轮钢锰系复合磷化膜性能的影响

以齿轮钢作基体制备锰系复合磷化膜,研究磷化液中PTFE颗粒质量浓度对磷化膜的微观形貌、耐蚀性、耐磨性及PTFE颗粒质量分数的影响.结果表明:PTFE颗粒起物理填充作用,对磷化膜的晶粒形态、尺寸及结合状态无影响.随PTFE颗粒质量浓度从0.015 kg/L增至0.09 kg/L,锰系复合磷化膜中PTFE颗粒质量分数先升后降,耐蚀性和耐磨性均明显提高而后下降.当PTFE颗粒的质量浓度为0.06 kg/L时,复合磷化膜中PTFE颗粒质量分数最高,达9.24％,大量PT?FE颗粒弥散分布在晶粒表面和晶粒间隙,可有效阻挡腐蚀介质侵蚀,在摩擦界面形成一层固体润滑膜,起较好减摩作用.该锰系复合磷化膜更适合作表面改性层,大幅度提高齿轮钢制件表面的耐蚀性和耐磨性.     

变尺度正交基函数分解对异常信号的探测方法

针对现有的正交基函数(OBF)分解对水下目标磁异常信号的检测,需要知道目标与探测路线上CPA点的距离R0,而实际探测过程中对目标的先验信息掌握有限,所以无法准确知道距离R0的问题.文中基于标准正交基函数分解的方法,通过对其基函数的改造,提出了变尺度正交基函数(VSOBF)分解的方法.该方法能够在检测过程中对距离R0进行...     

基于EEMD-CWD的齿轮箱振动信号故障特征提取

为实现齿轮箱故障特征提取,提出一种基于集成经验模态分解（EEMD）和乔-威廉姆斯分布（CWD）的齿轮箱振动信号特征的提取方法。对现场采集的振动信号进行EEMD分解,再对分解得到的固有模态函数（IMF）分量依照峭度准则进行排序,选取峭度指标较大的IMF分量进行CWD分析,最终得到信号的CWD.该方法可以有效抑制由于干扰项引起的频率混叠和干扰问题,有助于将原始信号在时间历程、频率成分和幅值大小3个方面的特征信息同时进行准确提取。利用该方法对实际齿轮发生断齿、裂纹故障进行了实验分析,结果表明：该方法能够全面、有效地提取齿轮振动信号中所蕴含的齿轮箱状态信息,为后续进行齿轮箱状态识别和故障诊断奠定基础。     

基于高阶谱的战场声目标特征提取

由于高阶谱对于高斯噪声不敏感的特性，在战场噪声环境中。提取被动声目标的双谱、双谱切片和相位耦合特征，通过建立声目标的高斯混合模型（GMM），进行声目标信号的识别。将基于此模型的识别结果与功率谱方法比较。仿真结果证明：基于高阶谱特征提取方法优于AR功率谱特征，该方法在抑制背景干扰中具有优越性。     

战场声目标特征提取研究

综合AR参数模型系数和小波包分解能量特征,获得战场声目标特征矢量。探索了该方法的可操作性和实用性,在理论研究基础上,从应用角度对特征提取过程进行了详细阐述。仿真实验表明该方法具有良好的稳定性。     

回归谱特征提取与识别效果分析

在战场目标噪声自回归参数统计特征分析的基础上,以战场四种车辆噪声为背景,在自回归谱上提取了１２ 个单项特征,并借助于直方图和模糊识别论域分布图,对它们的识别效果进行了分析。     

基于小波包分析的战场被动声目标特征提取

针对战场环境存在噪声干扰的情况,提出了一种基于小波包分析的声目标特征参数提取方法.该方法将小波包分析和Mel倒谱分析相结合,提高了特征参数的鲁棒性.实验结果表明,在噪声条件下,基于小波包分析的平均识别率比MFCC参数提高6.78%,在信噪比为5dB时,识别率仍能达到94.5%.     

基于小波数据压缩技术的故障特征提取

文中基于小波数据压缩技术．提出了一种基于小波多分辨分解的特征提取方法。首先．研究了小波基函数的选择方法；然后，基于选择的小波基，应用小波数据压缩技术实现故障数据特征提取；并将其应用于导弹故障诊断的特征提取过程中。通过对几种典型的故障信号的分析实验，验证了基于小波多分辨分解的特征提取方法的有效性。     

基于小波能量特征的尾流光信号特征研究

针对舰船尾流激光探测的信号检测与分析问题,提出了利用小波域能量特征进行尾流特征分析的新方法。首先设计了变遗忘因子的自适应抵消器滤除水体后向散射信号与系统噪声,有效地选取了含有目标的信号;其次采用小波包分解方法并按频段的能量形成提取目标特征;最后借助主成分分析方法对特征向量进行降维。通过对试验数据的分析表明,提取的特征能有效地揭示不同性质下的尾流后向散射光信号,提高了对尾流分析的能力。     

基于小波熵的弹丸激波信号特征提取方法研究

在实验中获取的弹丸激波实测信号,由于受到激波在空气中传播时各种因素的影响,使得获取的信号有很多不确定性,其持续时间难以利用传统的信号处理方法来获取.文中从小波变换的角度出发,通过在尺度域上对信号能量的一种划分,引入了小波能谱与小波熵作为信号特征提取的特征量来反映系统信号的统计特征.实验结果表明,该算法能有效提取弹丸激波信号特征,速度快、准确率高,而且具有对噪声不敏感的优势.     

基于形态学与聚类相结合的图像特征提取方法研究

利用可见光图像进行军事侦察与制导时,目标往往掩盖在复杂背景中,难以准确识别,研究一种能准确提取目标特征的图像处理方法就成为图像精确制导的关键。文中提出了利用数学形态学的方法先确定目标范围,然后结合聚类方法进行小目标精确检测的算法。实验证明这种算法在背景复杂、目标可视面积较小的情况下,仍可以精确识别目标。该算法克服了聚类运算速度慢的缺点,从而能够快速的、准确地将目标提取出来,且具有良好的适应性。