基于模糊C-均值聚类技术的轴承状态检测

论述了模糊C-值聚类的原理及方法,着重对其在滚动轴承状态检测及故障诊断中的应用进行了详细分析。依据实际工业加工条件模拟出不同的工况及轴承故障状态,并采集振动信号,对振动信号进行分析处理后,提取出有效特征值,对提取所得的特征值进行模糊C-均值聚类模式识别及故障诊断,得出了识别结果,验证了模糊C-均值聚类的正确性。与神经网络相比,模糊聚类需要较少的数据量,实用性更强。     

基于模糊C均值聚类方法的子母弹落点识别

对子母弹落点的随机特点进行了分析,基于模糊C均值聚类方法,分析了一定面积上散布子弹的分布中心及类别,提出了由单个子弹落点特征判断识别该子弹在母弹腔体中所处位置的计算方法,该方法通过了模拟计算,识别效果较明显.     

基于HMM与K-均值聚类的声目标识别

提出一种隐马尔可夫模型和K-均值聚类混合模型的声目标识别方法.在该方法中,建立声信号的HMM,提取了声信号的线性预测系数（LPC）作为目标识别的参数,用K-均值算法对参数进行聚类,产生了训练和识别所用的特征向量.最后根据混合模型的识别算法判断声目标的类别.仿真结果表明：新的混合模型识别系统在声目标识别中具有可行性.     

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。     

基于数学形态学的一种聚类算法

为便于从空间数据库中直接发现一些有意义的聚类结构,在分析已有聚类算法的基础上,提出一种基于数学形态学的聚类算法。该算法通过闭合运算,将空间对象聚成类,一次完成三维空间聚类,可以快速处理非凸的、复杂的聚类形状。算法分析和实验表明该算法有效。     

基于模糊c均值聚类的多无人机协同搜索策略

针对多无人机静态搜索任务与持续监视任务开展多无人机协同搜索策略研究。针对基于"回报率"图的贪婪搜索策略和分布式协议搜索策略在搜索收益和剩余"回报率"均匀性方面存在的不足,对其原因进行了分析并提出了基于模糊c均值聚类的多无人机协同搜索策略,该策略将模糊数学的方法引入多无人机协同搜索领域,将离散搜索环境以"回报率"和空间位置为特征矢量进行聚类划分,减少了无人机转场次数,降低了搜索代价的无功消耗,提高了搜索收益和剩余"回报率"均匀性。仿真结果表明,本文提出的协同搜索策略在静态搜索任务中比贪婪策略的搜索收益提升了39.03%,剩余"回报率"降低80%,比分布式协议搜索策略性能有所提升;而在持续监视任务中,本文提出的搜索策略的搜索收益比两种基准搜索策略提升了22.74%和18.82%,剩余"回报率"均匀性分别提升了89.28%和87.37%,有效地提高了多无人机协同搜索的任务效能。     

基于模糊聚类分析法的地地导弹退役决策模型

针对地地导弹退役决策的问题,对影响导弹退役的各种主要因素进行了详细的讨论,建立了各因素定量评估模型.应用模糊聚类方法对导弹的退役进行了分析和计算,评估了导弹的最佳退役时间.仿真实例验证了所提出的导弹退役决策方法.     

基于优化遗传算法的模糊聚类图像分割算法

根据个体适应度大小和变化快慢来自适应改变遗传算法中的计算参数,并引入基于直方图二阶导数的约束条件．对遗传算法进行了两方面的优化,不仅可增加计算的自适应程度以增大计算结果的准确性,而且可缩小搜索空间,提高运算速度,从而形成一种基于优化遗传算法的模糊C均值聚类图像分割算法。实验结果证明,文中算法不仅减小了最小均方误差,改善了分割效果,而且大大缩短了计算时间,提高了运算效率。     

基于Hough变换和聚类的舰艇编队队形识别算法

编队队形识别技术是反舰导弹武器系统目标识别领域中的一项重要研究内容,具有队形识别能力的反舰导弹可以有效增强对密集型舰艇编队当中重要目标的选择能力,进而直接提升导弹的命中概率和作战效能。基于Hough变换技术研究了一种舰艇编队队形识别算法,在无探测噪声影响时具有很好的识别率。当目标信息受污染较严重时,进一步采用了改进的K均值聚类算法对Hough变换后得到的积累矩阵局部峰值进行聚类处理,根据峰值聚类的结果准确提取出待识别队形的参数,从而有效抑制了探测噪声带来的不利影响。仿真结果表明,采用该算法可以正确识别出舰艇编队队形,在目标信息受污染较严重时也具有较好的识别效果,具有较好的鲁棒性。对该算法复杂度及目标指示误差对算法精度的影响进行了分析。     

基于分形维数的SAR图像纹理特征的提取

提出了一种基于分数布朗运动模型提取SAR图像分形特征的方法,即沿不同方向,对功率谱密度运用线性拟合的方法计算方向分形维数,提取拟合线的斜率和截距信息,并将它们与图像的灰度信息结合起来构成一个多维特征向量组,然后利用FCM对SAR图像进行模糊聚类分割。实验结果表明,该方法能够较好地描述SAR图像的特征,具有良好的分割效果。     

基于不变性模糊特征融合的红外目标识别方法

研究了将平移、缩放与旋转变化(TSRI)的不变性模糊特征信息融合技术用于红外目标图像识别分类的方法,通过提取红外目标图像奇异值与不变矩的平移、缩放与旋转变化(TSRI)的不变性特征,结合模糊特征融合的模式识别方法,并应用模糊判决准则进行分类。实验结果表明,基于红外图像的TSRI不变性多特征信息融合的目标识别方法比不具有TSRI不变性多特征信息融合的识别方法具有更好的稳定性、准确性和可靠性,能够有效地提高红外成像末制导识别系统的精确度,并增强了系统的容错性能。     

基于LabVIEW与Matlab的滚动轴承故障诊断

针对滚动轴承故障在线监测问题,将LabVIEW与Matlab 2种编程方式相结合进行故障诊断。论述滚动轴承故障信号特征,介绍峭度分析法和共振解调法分析方法,并采用LabVIEW和Matlab联合编程进行算法实现。借助典型轴承故障实验数据对分析方法进行验证,结果表明：该系统能有效分析并识别轴承的特征故障,可用于轴承故障监测。     

坦克声双谱谱峰特征模糊识别分析

探讨了智能雷弹的坦克模糊识别器特征提取和优选方法,并对在不同声源干扰下的目标识别效果进行了仿真,证明双谱谱峰用于战场坦克识别是一种有效的方法.     

基于KPCA-HSMM设备退化状态识别方法的研究

为消除多通道观测信息冗余,压缩高维故障特征,提出了基于核主元分析( KPCA)多通道特征信息融合的隐半马尔可夫模型( HSMM)设备退化状态识别的新方法。首先,对采集的单通道振动信号进行小波相关滤波处理,构造单通道振动信号的小波相关特征尺度熵向量;然后,利用KPCA方法对多通道的小波相关特征尺度熵向量进行冗余消除和特征融合,得到多通道的融合小波相关特征尺度熵向量;并以此融合特征向量作为HSMM的输入进行训练,建立基于HSMM的设备运行状态分类器,从而卖现设备退化状态的识别。实验结果表明,该方法能有效的识别设备的退化状态,从而为多通道特征信息融合设备退化状态识别开辟新的途径。     

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DSP的低分辨率红外目标特征提取及识别

针对末敏子弹试验样机在某试验靶场的高塔上扫描，所获得的低分辨率红外目标图像，介绍了目标特征提取及识别方法。研究指出目标波形携带了与目标密切相关的信息，利用参数方法对目标波形进行分析并选取某些参数作为目标特征向量，可对目标进行粗略分类和识别。在对目标波形进行特征分析的基础上，用抽驭的特征向量构造了目标模板。用以DSP为图像微处理器的试验样机进行现场试验表明：该方法对低分辨率红外目标的识别有好的效果。     

基于小波和神经网络的红外目标特征提取与识别

研究了小波和神经网络相结合进行目标识别的方法.利用目标信息主要集中在低频部分的特点,对信号进行小波分解,提取在不同频带信号的多尺度空间能量和不变矩作为特征量,再用BP神经网络进行识别.实验结果表明,该方法具有很高的识别率,充分说明了红外图像信号在小波子带上的不变矩及能量分布具有表征目标类别的信息.该方法对于精确制导武器的目标识别研究具有一定的实用价值.     

基于小波变换和神经网络的毫米波一维距离像识别

将小波和神经网络理论结合，并将小波神经网络用于毫米波频率步进雷达目标一维距离像识别，提出了基于小波分析的能量特征矢量法，分类识别效果有了很大的提高．