一种基于隐马尔可夫模型的虹膜识别方法

提出了一种基于奇异值分解和隐马尔可夫模型的虹膜识别方法。首先该方法将虹膜准确定位,并采用奇异值分解抽取虹膜图像特征作为观察序列,基于多观测值序列的隐马尔可夫模型算法进行虹膜图像的识别。实验中用VISUAL C＋＋6．0建立了虹膜训练和识别系统,实验数据为CASIA虹膜库中的图像,识别率均达到94％以上。理论分析及实验结果表明：本算法基本满足虹膜识别的稳定可靠、精度高等要求,并且对图像噪声有较强的鲁棒性。     

基于隐马尔科夫模型的牵引座状态识别

牵引座是机车中连接车体和转向架的重要部件,承受并传递着机车的纵向力,因此牵引座的状态影响着机车的安全。针对牵引座正常、小裂纹故障及大裂纹故障这3种状态,提出了一种基于隐马尔科夫模型的状态识别方法:首先对机车牵引座运行的加速度信号进行特征提取,选取敏感的特征量组成隐马尔科夫模型的训练集与测试集;然后进行状态识别;最后以最大的似然概率对应的状态作为识别结果。结果表明,针对牵引座的3种不同状态,该方法的识别结果比K邻近算法有更高的识别率。     

基于融合模糊C均值与隐马尔科夫模型的滚动轴承的退化状态识别

滚动轴承在长期的工作过程中其性能会出现不同程度的退化,如果能对滚动轴承的退化状态进行识别就可以做好维护措施。用自回归模型(Autoregressive model, AR)对滚动轴承全寿命周期的振动信号提取其系数及残差,用正常样本和失效样本特征建立模糊C均值模型(Fuzzy C Mean, FCM),用轴承正常样本的特征数据建立隐马尔科夫(Hidden Markov model, HMM)模型,将轴承的测试样本信号输入建立的FCM和HMM模型得到的两个退化指标,再将其作为特征矩阵输入到FCM模型,得到融合方法的性能退化曲线,结果表明该方法集中了空间统计距离模型和概率统计模型两者的优势,最后用IEEE PHM2012实验数据进行验证,表明所述方法与滚动轴承性能退化趋势保持一致并且可以提早发现早期故障。     

广义隐马尔科夫模型在轴承温升预测中的应用

将广义区间概率与隐马尔科夫模型结合,建立了广义隐马尔科夫模型,使之具有更好的鲁棒性和处理2类不确定性问题的能力,并成功用于滚珠丝杠进给系统的轴承温升预测。结果表明,广义隐马尔科夫模型能够根据历史信息对轴承的温升进行预测。     

虹膜识别技术的发展与应用

在对虹膜识别技术的研究现状、识别框架、系统构成等进行全面分析的基础上,介绍了虹膜图像获取、图像预处理、特征提取、特征匹配及性能评价指标等主要内容.剖析了该技术面临着高质量图像采集困难,稳定性、可行性有待验证等主要问题,提出了该技术的研究发展方向及应用前景,包括虹膜特征信息与其他生物特征信息及非生物特征信息相融合;建立虹膜特征识别的网络身份认证系统;高效快速的识别算法及通用性和兼容性强的虹膜识别芯片.     

基于形态变换理论的虹膜识别方法

提出了基于形态变换理论的虹膜识别方法,由以下几个步骤组成虹膜图像预处理、虹膜图像形态学定位、特征提取和匹配识别.实验说明该方法在保证识别质量要求的前提下具有运算量小的特性.     

基于小波域隐马尔科夫模型的肌电信号滤波

为了消除肌电信号中的噪声并且保留信号的细节信息,本文提出了基于小波域隐马尔科夫模型的肌电信号消噪方法。该方法利用隐马尔科夫模型对表面肌电信号小波分解后的小波系数之间的相关性进行建模,运用训练模型算法(Expectation-Maximization algorithm,EM算法)估计出该模型的参数,以贝叶斯估计得到真实信号的小波系数,通过重构实现肌电信号的滤波。实验结果表明该方法能有效地去除肌电信号中的噪声,对进一步的特征提取和模式识别创造了良好的条件。     

基于虹膜的身份识别技术

由于传统的身份识别体系面临着巨大的挑战,所以基于虹膜的生物特征识别越来越受到大家的关注,对基于虹膜的身份识别算法的关键技术进行了研究,对虹膜识别中的虹膜定位、虹膜特征提取等关键技术进行了相应的研究。     

基于相位一致性最大响应方向的虹膜识别方法

为了进一步提高虹膜识别的准确性,提出了一种基于相位一致性最大响应方向的虹膜识别方法.该方法对人眼图像进行图像预处理,得到归一化的虹膜图像;然后,提取像素对于相位一致性的最大响应方向作为可区分性特征,并将最大响应方向的序号编码为简单易处理的二进制虹膜代码;最后,通过计算两个虹膜代码之间的加权汉明距离衡量二者的差异,并给出识别结果.实验结果表明,该方法的等错率为0.871 5%,正确识别率为99.851 8%.与经典的虹膜识别方法相比,该方法具有更高的识别准确性.     

基于隐Markov模型的汽轮机运行状态识别

本文首先介绍HMM的基本理论.给出汽轮机振动幅值谱的标量量化方法,并在此基础上提出基于DHMM的火电厂汽轮机升负荷模型的状态识别方法.然后利用汽轮机升负荷的轴振数据验证DHMM状态识别方法的有效性.最后,总结本文研究内容并分析了HMM在汽轮机运行状态识别方面存在的问题.     

一种基于相位一致性的虹膜识别方法

凭借虹膜自身的稳定性、非侵犯性、难更改性等优点,虹膜识别已经成为生物特征识别领域中的研究热点。但是在非侵犯性的虹膜识别系统所采集到的人眼图像中,虹膜环内的部分区域被眼睑或眼毛所遮挡,造成虹膜纹理的丢失。将被眼睑或眼毛遮挡的区域去掉之后,虹膜可用纹理区域的面积会低于100%。为了在这种情况下仍然能够提取出满足虹膜识别要求的特征,本文提出了一种基于相位一致性的虹膜识别方法。实验结果证明,该方法能够在虹膜可用纹理区域不完整的情况下提取出足够多的可区分性特征用于虹膜识别,并且具有0.137 0%的等错率和99.862 5%的正确识别率。     

基于基座多传感核主元分析的故障诊断

传统振动测试中传感器一般安装在靠近振源位置,此类方式采集的振动信号的故障特征相对明显,但实际应用中常存在传感器安装不便的矛盾。本文提出基于基座的故障诊断方法,以多个传感器采集的基座上的微弱故障特征信号为原始信号,通过核主元分析(kernel principal component analysis,KPCA)进行信息融合,利用支持向量机(support vector machine,SVM)进行模式识别。文章还探析了核参数选取对KPCA性能的影响,最后实例验证了基于基座故障诊断方法的可行性。     

基于无限隐Markov模型的旋转机械故障诊断方法研究

针对传统隐Markov模型(HMM)在机械故障诊断中存在的不足,即HMM过学习或溢出问题以及隐状态数需要事先假定,提出了基于无限隐马尔可夫模型(i HMM)的机械故障诊断方法。在提出的方法中,以谱峭度为特征提取,i HMM为识别器,并以最大似然估计来确定设备运转中出现的故障类型。同时,将提出的方法与传统的HMM故障识别方法进行了对比分析。实验结果表明,提出的方法是有效的,得到了非常满意的识别效果。提出的方法能够有效避免了HMM在建模初期遗留下的不足,可以自适应确定模型中隐藏状态数和模型数学结构,因此,提出的方法明显优于HMM故障识别方法。     

基于最优阶次HMM的电机故障诊断方法研究

介绍了一种基于隐马尔可夫模型的电机匝间短路故障诊断方法,方法中提出了一种基于信息熵的隐马尔可夫模型阶次选取策略,该策略根据求解符号出现概率的熵速率与隐马尔可夫模型阶次的关系确定模型最佳阶次,确保在得到合理的模型结构的前提下,使该模型的计算代价最小,从而得到最优隐马尔可夫模型.将该最优隐马尔可夫模型应用于电机匝间短路故障诊断实验中,获得满意的诊断结果,结果表明在保证匝间短路故障诊断精度不变的情况下,通过合理选取隐马尔可夫模型的阶次可以有效地减少模型的计算代价,提高模型的计算效率.     

基于KPCA残差方向梯度的故障检测方法及应用

针对核主元分析(KPCA)在应用过程中非线性映射不存在原像、故障变量无法辨识、工程应用困难等问题,提出了一种改进的KPCA残差方向梯度故障检测方法。利用主元统计量和残差统计量的偏微分之间存在着相关性这一性质,对与主元统计量相关的格拉姆矩阵偏微分中间计算过程进行优化,提出一种新的KPCA残差方向梯度算法,在此基础上结合统计量形成系统故障检测的新方法。非线性系统仿真表明,改进的KPCA残差方向梯度法不仅具有较优的故障变量辨识能力,还极大地减小了计算量,缩短了计算时间。大型热力系统的应用进一步表明,无论对于单故障和多故障的情况,方法均具有较好的故障检测能力,并且不存在残差污染,易于工程实现。     

一种基于马尔科夫链模型的运动估计新方法

运动估计是视频编解码系统中的关键技术,而运动估计的快速块匹配算法主要是通过采用初始搜索点预测,提前退出技术以及不同的搜索模板来提高算法的效率。通过引入马尔科夫链模型实现了对初始搜索点的准确预测,以及利用模糊逻辑和遗传算法以避免搜索过程陷入局部最优点等方法,提出了一种基于马尔科夫链模型的运动估计新方法。实验结果表明,该方法能够对不同性质视频序列有很好的适应能力,并在计算成本和图像重建质量上得到了很好的折中。     

基于Kano-QFD的个性化产品属性指标重要度确定方法

为了定性、定量地分析顾客需求信息,实现顾客需求信息与个性化产品特征属性之间的精确映射,提出了一种集成卡诺模型和质量功能配置模型的产品属性指标重要度求解方法。在该求解方法中,采用卡诺模型定性分析需求信息,并将需求项分类;为了获得产品顾客满意度量化值,采用调研的方式统计分析需求项实现程度与顾客满意度之间的关系,并结合需求信息特征分析,分别建立了魅力需求、期望需求、基本需求和相反需求的顾客满意度数学模型;利用调整函数修正需求项的基本重要度,构建了产品规划质量屋模型,从而获得个性化产品属性指标的重要度。以个性化人像产品为例,验证了所提方法的可行性和有效性。     

基于隐Markov模型的重型数控机床健康状态评估

为了辅助重型数控机床的综合健康状态评估,从性能劣化角度出发,建立基于多性能参数多观测序列的隐Markov健康状态评估模型,改进了以往基于单性能参数的隐Markov模型不能准确描述机床健康状态的问题.针对隐Markov模型的参数初始化难题,通过K-means方法进行参数聚类分析,使初始化参数趋向于全局最优解;由于单性能参数不能完全描述机床状态的隐含信息,提出一种基于多性能参数多观测序列值的隐Markov模型训练算法.通过某重型数控机床滚珠丝杠的健康状态评估实例,获取了滚珠丝杠的健康状态变化趋势,验证了方法的可行性和有效性.