基于多元图可视化分析和人机交互的设备故障诊断方法研究

针对面向数据的故障诊断方法的局限性,根据多元图表示基本理论,提出了基于多元图表达的经验样本故障模式可视化分析和人机交互(HCI)的故障诊断技术,该技术通过专家参与机器自动识别诊断过程实现了面向对象领域的故障诊断方法和面向数据的故障诊断方法的有效结合,克服了单一机器学习的局限性.采用国际标准UCI数据库中的故障数据库进行...     

人机结合的研究现状与进展

阐述了脑科学的形成及其多学科融合特点和研究重要性。从人机交互(HCI)和脑机接口(BCI)两个方面,综述了脑科学领域中的以开发仿脑计算机为目的的人机结合技术研究的进展和现状,并介绍了人机结合领域中的重要研究成果。分析了人机结合的研究趋势,指出开发基于脑机接口的人机交互将是下一代人机结合技术的发展方向。     

基于脑机接口的机器人辅助脑瘫康复面部表情训练系统设计

本文针对脑瘫(CP)患儿这一特殊群体,研究设计了基于脑机接口(BCI)技术的表情辅助训练系统。系统采用的脑机接口设备是Emotiv EPOC+,通过WebSocket通信协议获取和传递脑电信号,并且使用小波包变换对信号进行处理,获取信号的特征值;使用V-REP仿真软件设计仿真四轮小车,将获取到的特征值用于控制仿真小车实现不同方向的运动,以达到吸引患儿的注意力、提高训练效果的目的。设定了带有图片的人机交互界面增强引导患儿注意力。通过与医院康复师现场实验,验证了该技术的可行性,可为相关设备研发提供技术储备。     

基于脑机接口的机器人辅助脑瘫康复表情训练系统设计

本文基于脑机接口(BCI)设备Emotiv EPOC+设计了机器人辅助脑瘫康复面部表情训练系统.系统在Python开发环境中使用WebSocket通信协议设定服务器与客户端用来完成获取设备信号和对信号进行处理以及应用的工作,使用小波变换处理方法捕捉单一通道在某一训练时段的特征信号,通过触发对应的特征信号与动作关系指令驱...     

基于旋转编码器信号的滚动轴承故障特征增强提取EI北大核心CSCD

针对滚动轴承故障特征较弱且振动传感器安装受限的场合下故障特征不易提取的问题。结合旋转编码器信号传递路径短、干扰少等优势,提出一种基于旋转编码器瞬时角速度(instantaneous angular speed,IAS)信号的滚动轴承故障特征增强提取法。首先,使用去相位算法(de-phasing algorithm,DPA)抑制转频及其谐波等严格周期性分量;其次,通过多点优化最小熵反褶积(multi-point optimization minimum entropy deconvolution adjusted,MOMEDA)增强滚动轴承故障冲击分量;最后,对增强后的信号进行频谱分析,提取轴承故障冲击特征。通过仿真和轴承外圈实测数据验证所提方法的有效性。     

基于拓扑数据分析的驾驶疲劳EEG数据处理与优化分析研究

为提高驾驶疲劳脑电(EEG)数据处理与分析的准确性和鲁棒性,提出一种基于拓扑数据分析(TDA)的驾驶人疲劳脑电分析方法。首先利用汽车性能虚拟仿真平台开展驾驶实验,通过驾驶人状态反馈和面部特征视频,标记脑电数据,形成清醒和疲劳二分数据集。之后利用EEGLAB预处理数据,剔除噪声并保留0.3～30 Hz频带,直接从时域EEG数据中提取拓扑特征。此外还提取了经典频域特征α波能量和α/β用于对比分析。最后使用支持向量机进行分类。结果表明,基于持久同源(PH)的拓扑特征取得了高达88.7%的准确率和91.4%的召回率,与经典频域特征性能相当,且对脑电伪影的鲁棒性明显更好,在未剔除EEG伪影的情况下仍取得了87.4%的准确率和89.7%的召回率。综上所述,本文提出的用于驾驶疲劳脑电信号处理与分析的TDA方法抗干扰特性好、处理成本低、经济性高,有助于稳定、高效地处理驾驶人脑电数据并检测驾驶疲劳状态,具有较大的科学实际应用价值。     

基于Mel频率倒谱系数的光缆声音信号特征提取方法研究

Mel频率倒谱系数(MFCC)能够很好的模拟人耳的听觉特性,在识别系统中具有很广泛的应用.本文采用Mel倒谱系数来提取基于光缆感知的声音信号的特征,通过线性分类器中的支持向量机(SVM)进行仿真,验证了其具有较好的识别效果.     

基于局部图互信息最大化的异构图神经网络方法

针对现有的基于互信息最大化的异构图神经网络(HGNN)方法因图读出操作的单射限制、粗粒度的特征保留而无法适用于现实网络的问题,提出一种基于局部图互信息最大化的、无监督的异构图神经网络方法.该方法使用元路径对异构图中涉及到的语义关系进行建模,并利用图卷积模块和语义级别的注意力机制来捕获单个节点的局部表征.该方法通过最大化...     

基于GPU的子图匹配优化技术

为了解决图挖掘应用中子图匹配任务的性能问题,本文提出了一种基于图形处理单元(GPU)的顶点预剪枝子图匹配系统(GVSM).GVSM采用黑名单剪枝算法和调度排序来减少冗余搜索.利用前缀树数据结构,GVSM可以对中间结果进行压缩,以便快速索引并降低内存消耗.GVSM将子图匹配的搜索部分卸载到GPU上执行,通过设计软件流水线...     

基于时频奇异谱的柴油机缸盖振动信号特征提取研究

针对柴油机故障特征提取问题,提出了一种基于连续小波变换时频分布奇异谱的缸盖振动信号特征提取方法。复Morlet小波变换的时频分布矩阵能从时频两域表征缸盖振动信号的局部特征和能量分布,结合奇异值分解理论将时频分布矩阵分解成能够简捷反映时频分布基本特征的奇异值序列,并运用类内类间可分离性判据对奇异值特征子集进行优选和分析,解决时频分布信息的降维和有效特征参数的提取,试验分析验证了该方法提取的特征具有较好的抗噪声干扰能力和可区分度。     

Feature extraction based on sparse representation with application to epileptic EEG classification

Epilepsy seizure detection in electroencephalogram (EEG) is a major issue in the diagnosis of epilepsy, and it can be considered as a classification problem. Considering the particular property of EEG, which is sparse in Garbor dictionary, a feature extraction method based on sparse representation has been applied to epilepsy detection. To improve classification accuracy, in this article, a novel feature vector is developed, which not only can reflect the main structure, but also can give expression to the relation between main structure and residual information. Classification accuracy, efficiency, and robustness to noise of the new feature are explored and analyzed with publicly available data set. It is demonstrated by experiments that the classification accuracy and the efficiency are simultaneously enhanced with this new feature extraction method, and that the novel classification feature proposed in this work greatly improves the classification performance of epilepsy detection. © 2013 Wiley Periodicals, Inc. Int J Imaging Syst Technol, 23, 104–113, 2013     

基于小波包分析的拉索损伤声发射信号特征提取

结合显式有限元和小波包分析技术开展了拉索损伤声发射信号特征提取的仿真分析。采用ANSYS/LS-DYNA模拟得到拉索损伤声发射信号的仿真信号,基于小波包能量谱对拉索声发射的有限元仿真信号进行了特征提取,从小波包分解层次、特征频带数量的选择及特征参数的噪声鲁棒性三个方面开展了讨论分析。结果表明:(1)通过选择适当的小波包分解层次,小波包能量谱可以精细地反映信号的特征;(2)选取少数特征频带就能使得小波包能量谱反映声发射信号的特征信息;(3)基于小波包能量谱的特征参数具有良好的损伤敏感性及噪声鲁棒性,能在强噪声影响下实现对拉索不同损伤类型的判别。     

结合VMD和Volterra预测模型的轴承振动信号特征提取

针对滚动轴承振动信号的非线性和非平稳性特点,提出了一种结合变分模式分解(VMD)和Volterra预测模型的轴承振动信号特征提取方法。利用VMD良好的非平稳信号分解能力将轴承振动信号分解成有限个平稳的本征模式函数(IMF)分量,然后对各IMF分量进行相空间重构,在重构的相空间内建立Volterra自适应预测模型,根据类内类间距准则对模型参数进行优选,用于描述轴承振动信号。对4种状态的滚动轴承振动信号进行了分析,优选的特征参数表现出较好的分类性能。实验结果表明,该方法能有效提取振动信号中的非线性和非平稳特征,从而提高滚动轴承故障诊断精度。     

基于奇异值分解的信号特征提取方法研究

奇异值反映了信号中有用信号和噪声的能量分布情况,通过奇异值分解可以将隐含在噪声中的特征信号提取出来。本文提出了在强背景噪声中基于奇异值分解的特征提取方法。研究发现,随着信号信噪比的降低,奇异值的分布趋于直线,特征信号难以分离和提取。通过增加奇异值分解阶次,可以使反映噪声能量的奇异值的分布范围扩大,使得噪声的能量相对分散,凸显出了反映有用信号能量的奇异值,从而有利于特征信号的提取。仿真试验和故障分析实例都验证了该方法的可行性。     

基于EMD的胶合板损伤声发射信号特征提取及神经网络模式识别

摘要：针对胶合板损伤声发射信号的非平稳性和损伤类别特征相互重叠的实际情况,提出了基于经验模态分解(Empirical Mode Decomposition, EMD)和BP神经网络相结合的信号特征提取和识别方法。首先对损伤声发射信号进行EMD分解,筛选出包含主要信息的本征模态函数（Intrinsic Mode Function, IMF）分量;其次构建以各IMF分量的能量占比作为表征各损伤信号的特征向量;最后以提取的特征向量为输入样本,建立BP神经网络模式分类器对四类胶合板损伤信号进行识别。五层胶合板损伤的实测数据表明,该方法能够准确地提取出声发射信号特征并对其损伤类型进行有效地识别。     

摩擦振动时频图像特征提取

针对摩擦振动特征难以有效提取的问题,提出利用连续小波变换（ＣＷＴ）时频谱图像和图像处理技术提取摩擦振动特征参数的方法。运用ＣＷＴ变换绘制６Ｓ５０ＭＣ船用柴油机缸套－活塞环试样摩擦振动信号的时频谱图,再用图像分割技术提取振动特征体及相应的特征参数,探讨特征参数与不同润滑剂润滑条件下缸套－活塞环摩擦振动特性的内在联系。结果表明,随着摩擦磨损过程的进行,摩擦振动信号特征参数出现规律性变化;不同润滑工况下的特征参数呈现出明显的差异,反映了摩擦磨损的状态。振动特征体特征参数能定量刻画摩擦振动信号的特征。     

局域判别基空间能量的水声目标特征提取

考虑水声信号的非平稳性及时变性,对信号进行小波包分解。不同的小波包基可以反映不同的信号特性,基于距离准则,求取小波包局域判别基,在局域判别基的基础上,提出通过求取局域判别基的各子空间的能量,形成特征矢量的特征提取方法。利用Fisher准则函数进行特征选择,得到识别特征矢量,针对识别特征矢量设计神经网络分类器,对三类目标进行分类,验证实验表明,基于这种方法提取的识别特征矢量在水声目标分类识别中是有效的。     

Feature extraction through generalization of histogram refinement technique for local region‐based object attributes

Content based image retrieval (CBIR) is used to retrieve digital images from large databases. However, the problem of retrieving images on the basis of the contents remains largely unsolved. The proposed method of image retrieval is based on the information provided by histogram analysis of the intensity or grayscale values of images. Some additional properties are also calculated and used that are based on regional characteristics of various objects in the image. The need to retrieve the additional regional properties arises due to the fact that the standard histograms are insensitive to small changes in images. Many images of different types can have similar histograms, because, histograms provide only a coarse characterization of an image. This is the main disadvantage of using histograms. This research is based on the concept of Histogram Refinement (Pass and Zabih, IEEE Workshop Appl Comput Vision ( 1996 ), 96–102). Distributing the grayscale image intensities by splitting the pixels using their intensity values into several classes just like the histogram refinement method can provide an estimate of the object characteristics present in an image. After the calculation of clusters using a color refinement method, the inherent features of each of the clusters is calculated based on the regional properties of the clusters. These additional region based features expound some structural information of the image. Finally, all of these features are used for image retrieval. © 2011 Wiley Periodicals, Inc. Int J Imaging Syst Technol, 21, 298–306, 2011;     

基于排列熵理论的非线性系统特征提取研究

提出一种基于排列熵及其改进理论的伪相平面法,从而可以提取非线性系统中的微弱周期信号特征。通过选择合理的时间延迟和嵌入维数,对Duffing系统的响应信号进行相空间重构,得到一次排列熵和二次排列熵。随后将位移激励、一次排列熵和二次排列熵作为数据集,组成位移激励-一次排列熵和位移激励-二次排列熵两种伪相平面。通过将这两种方法与传统的相平面法、频谱分析和排列熵、排列熵谱、二次排列熵、二次排列熵谱的提取效果进行对比,验证了该方法的合理性。研究表明该方法能够对非线性系统中的微弱周期信号特征进行提取,取得了较好效果。