基于生成对抗网络和自动编码器的机械系统异常检测

现有的机械系统智能诊断模型需要不同健康状态下大量的历史数据和相对应的标签来完成模型训练,但有些机械系统难以采集到异常样本。在无异常样本训练情况下,本文提出一种新的机械系统异常检测方法。新方法结合生成对抗网络和自动编码器,构建了一种编码-解码-再编码的网络模型。所提模型首先通过早期采集的正常样本进行训练,然后用于对未知状态的实时监测样本进行测试,输出两次编码得到的潜在特征的差异值,最后通过观察差异值的变化对系统进行监测。3组实验分析结果验证了方法的有效性。与传统方法相比,新方法检测出异常的时间更早,所得差异值指标在异常发生时幅度增加得更大,且能更稳定表征故障演化过程。     

基于小波边缘检测的图像去噪方法

为得到轮廓清晰的小波去噪图像，提出了一种保护图像边缘信息的小波去噪方法。通过选取二维可分离小波对噪声图像进行导数平滑处理，测出小波系数的局部极大值点，即边缘点，在采用统一阈值对图像去噪的同时，对图像的边缘点做保留处理。实验证明，在加大阈值的情况下，此种方法仍保持了清晰的图像边缘，去噪后的图像峰值信噪比提高了1～2dB。     

基于检定数据自相关性的低压智能电能表局部异常点检测方法

低压电能表在运行过程中,若不能及时找出局部异常点故障,会直接影响智能电网的电力传输质量。为保证低压电能表的安全运行,提出基于检定数据自相关性的低压智能电能表局部异常点检测方法。该方法首先对电能表内部结构展开具体分析,获取电能表运行影响因素,并基于分析结构,结合检定自相关函数实施电能表数据的去噪处理;通过对低压智能电能表状态特征值的提取,利用BP-AdaBoost复合神经网络建立电能表的局部异常点检测模型,将获取的特征值输入模型中,根据模型输出实现低压智能电能表局部异常点的精准检测。实验结果表明,利用该方法开展低压智能电能表局部异常点检测时,可靠性高,检测效果好。     

一种基于对称与反对称结构特征的棋盘格图像特征点检测算法

棋盘格图像在相机标定、畸变校正等方面应用十分广泛。棋盘格图像中每4个相邻方格的交点往往被当作特征点。这些特征点的检测精度会直接影响相机标定、畸变校正等的精度。而在由数码相机拍摄或扫描仪扫描得到的实际图像中,由于噪声以及分辨率等因素的影响,方格交点往往扩散为由若干像素点组成的点阵,这给特征点的高精度检测带来很大的困难。本文分析了现有特征点检测算法的不足,提出了一种新的基于棋盘格图像结构特征的特征点检测算法。该算法巧妙地利用棋盘格图像的像素点相对于方格交点对称、相对于方格交线反对称这一特点,计算交点附近区域每一像素点的对称度和反对称度,并以此为依据来判定特征点的准确位置。实验结果表明,该算法精度高、计算简单,对噪声、透视、畸变等鲁棒性强,便于特征点检测的自动化处理,非常适合在相机标定、畸变校正中应用。     

基于时间序列位图的滚动轴承异常检测

针对机械故障快速实时异常检测问题,提出一种基于时间序列位图的新方法。对时域振动信号运用静态等区间符号化方法进行"粗粒化"处理,得到时域信号的符号矩阵,对时域波形的采样点和小波段分别进行特征统计,并用单层和双层时间序列位图对滚动轴承正常状态和异常状态进行显示。针对实验数据得到的检测结果验证了该方法的准确性和有效性。该方法克服了公式法异常检测中计算过程复杂和检测结果抽象的不足,用可视化位图的方式实现了机械运行状态的直观快速显示,降低了对现场异常检测和故障诊断操作人员的要求,是对现场机械实时在线异常检测方法的有力补充。     

基于椭球面模型的鱼眼图像校正方法

鱼眼镜头的大视角、短焦距等特点,使鱼眼图像校正算法成为目前图像研究的热点。提出一种椭球面校正模型,通过边缘检测算法获取特征点,运用伪特征点剔除法得到正确的特征点,利用这些真特征点得出校正模型的参数,并以网格图像为例进行研究。实验结果表明,特征点检测准确,得到的模型对网格图像的校正效果好,验证了该校正模型的准确性和有效性。     

基于双视角乳腺X线图像的微钙化簇检测

本文提出了一种通过将两个视角的图像信息进行综合分析的方法,以降低乳腺X线图像中微钙化簇检测中的假阳性率.基于微钙化簇通常出现在两个视角图像中这一事实,文中提出了一种微钙化簇匹配技术:首先把MLO视角探测到的可疑微钙化簇通过空间位置关系找到CC视角中与其相对应的病变区域,形成微钙化簇对;然后对匹配后的每对微钙化簇提取面积、形态、灰度等簇特征,通过特征之间的相似度判断所对应微钙化簇的真伪.实验结果表明:本文的微钙化簇检测算法较单视角检测特异度增加了15%.     

一种改进型的Harris角点检测算法

Harris角点检测方法是在计算机视觉领域中使用非常广泛的点特征提取算法,它算法简单,而且稳定,但在对一些图像进行角点提取时存在角点信息丢失和位置偏移等现象,为此提出一种改进的Harris角点检测方法.实验表明该方法在点特征的提取和精确定位方面都达到了较好的效果.     

基于机器学习的船舶柴油机异常点检测技术研究

本文结合某船历史航行数据提出基于孤立森林和长短时记忆网络(LSTM)算法的柴油机异常点检测方法。运用孤立森林算法对柴油机气缸排气温度数据进行异常点检测;针对缺乏异常数据的船舶柴油机热工压力参数根据其和柴油机转速的强相关性提出基于LSTM算法的异常点检测方法,再通过实船数据验证两种算法异常点检测效果。研究表明基于LSTM和孤立森林算法的柴油机异常点检测算法具备可行性。     

基于大数据分析的变频器异常检测方法

变频器设备机理复杂、设备监测数据异常样本少,导致在实际应用中基于经验和基于模型的异常检测方法操作性难、常规的数据驱动方法可行性差.针对上述问题,结合密度峰值聚类与时序运行数据的转移特点,提出一种基于大数据分析的变频器异常检测方法.该方法首先通过密度峰值聚类将运行数据聚类,然后将时序过程数据在不同类簇间的动态变化规律用概...     

基于深度学习的微流体液滴特征检测方法

微流体液滴可以作为一个进行生化反应的微容器,在生物、化学、医学等领域有着广泛的应用前景.近年来,深度学习越来越多地被用于微流体测量,如利用微流体液滴图像测量流体的速度、浓度.通过分析T型微通道基本流型,发现已经形成的液滴及其生成过程挤压-滴状区具有不同的特征.通过一个基于深度学习的多语义分割网络,可以得到不同的分散相区...     

基于自适应超环检测器的设备异常度检测方法

针对在无故障样本情况下如何快速检测设备异常度问题,在引入自己空间边界样本概念的基础上,提出一种自适应超环检测器。在描述自适应超环检测器生成算法的基础上,以Iris数据集为例进行分析,发现与已有的异常检测方法相比,自适应超环检测器异常检测方法在区分有较清晰类边界数据时,具有更好检测性能。利用自适应超环检测器异常检测方法分析轴承状态数据,不仅能反映出轴承的各种状态,而且能通过设备的异常程度反映出同类故障的轻重程度。基于自适应超环检测器的设备异常度检测方法,是在学习设备正常运行数据的基础上,寻找自己空间的边界样本,结合其方位信息与自己样本半径,建立能完全覆盖状态空间的自适应超环检测器,不需要设备运行的故障数据,它适合对故障数据缺乏的设备进行有效的异常检测。     

基于ORB特征的图像误匹配剔除方法研究

针对图像特征匹配当中存在明显错误匹配、匹配准确度较差的问题,对ORB算法和RANSAC算法进行了研究。ORB算法中,特征点的匹配是基于汉明距离进行的。在此前提下,提出了一种基于RANSAC算法的改进算法进行误匹配剔除。该算法通过增加粗剔除过程来剔除一部分错误匹配,然后利用RANSAC算法做了进一步剔除,同时增加了RANSAC算法中的初始样本集的数量并加以预判断,达到了降低RANSAC算法耗时的目的。最后利用多组图像对该算法进行了验证,实验结果表明,该算法可以有效剔除误匹配,提高图像特征匹配的准确度,并且具有旋转不变特性和噪声抑制特性,同时也保证了ORB算法的匹配速度。     

基于STM32的地下电缆异常状态检测系统研究

由于目前缺乏相应的监测技术,地下电缆线路出现异常运行状态无法被及时发现,久而久之易演变成大故障,最终只能通过更换地下电缆进行修复,耗费大量的人力、物力。鉴于此,开发了一种基于STM32的地下电缆异常状态检测系统,利用热传导原理测量地下电缆表面温度,通过测量温度的高低判断地下电缆的过载运行情况和异常运行状态,并对异常运行的异常点进行预测,辅助供电人员开展异常运行电缆的检修工作,以节省人力、物力。     

基于卷积变分自编码器的异常事件检测方法

针对传统的异常事件检测方法中手工提取的浅层特征无法统一表达不同场景的表观和运动信息问题,提出了一种基于卷积变分自编码器(ConVAE)的异常事件检测方法.首先构建了一个卷积变分自编码器网络,以视频帧序列作为网络输入,提取场景的深度特征;接着采用多变量高斯模型对在所有帧序列的深度特征图中位于同一位置的特征向量进行拟合,获...     

基于投影图像特征匹配的微纳CT焦点漂移校正

微纳CT射线源焦点热漂移是影响图像清晰度的重要因素之一。通过理论和仿真实验分析了射线源焦点漂移对图像清晰度的影响。利用实际微纳CT系统,实验发现焦点漂移主要是缓慢热漂移,漂移量与X射线源功率正相关,且焦点漂移具有一定随机性。据此,提出一种基于投影图像特征匹配的焦点漂移校正方法。首先,在实际CT扫描后快速采集少量参考投影,根据实际CT投影和参考投影自适应特征匹配结果求取特定角度下的焦点漂移量;其次,采用样条插值获取CT扫描过程所有的焦点漂移量;最后,根据焦点漂移量修正实际投影数据,重建得到校正后的图像。实验表明,该方法定位精度高,可大幅度减少图像畸变,图像清晰度提高近10%。     

基于角点检测的高精度点匹配算法

针对多光谱、多传感器遥感图像的自动配准,本文提出新的基于角点检测的高精度点匹配算法.该算法充分利用图像的点特征以及灰度和位置信息,先由Harris算子检测得到待匹配的角点集合,随后采用局部灰度相关进行粗匹配得到多对多匹配对,然后进行迭代由精匹配得到一对一的匹配对,最后利用角点间距离比进行全局一致性检测,进一步保证匹配的准确率.初步实验表明,本算法对于存在仿射变换的遥感图像可以精确自动匹配,其精度和速度都优于传统的点匹配算法.     

基于LabVIEW的摩托车曲轴组件动平衡检测系统研究

摩托车曲轴组件动平衡的检测系统主要由硬件系统和软件系统组成,硬件系统的设计中关键是要保证支承振动台的线性,软件系统包括信号采集、振动信号提取、测试结果的表示和测试结果的管理几部分.在摩托车曲轴组件动平衡检测中,通过曲轴组件不平衡量来计算出惯性力椭圆,从而表示其曲轴组件的特性.本课题通过深入阐述曲轴组件的振动特性以及振动信号的特点,开发出了摩托车曲轴组件动平衡检测系统.并且在软件系统的编写过程中引入了LabVIEW开发平台.     

基于图像特征点匹配的车辆运动检测

提出了应用于交通视频监控系统中车辆运动检测和分割的一种新颖有效的方法.采用了较为简易的特征点匹配检测车辆并利用纹理识别对车辆进行分割.此方法不需要对序列图像进行预处理,能有效消除光照阴影和背景,实验结果表明该方法可以实时准确提取道路交通信息.     

基于滑动窗口的时间序列异常检测方法

针对传统滑动窗口异常检测(anomaly detection for sliding windows)中的子序列特征不能准确反映数据结构特征的问题,采用子序列斜率置信区间的方式进行解决,并提出了基于滑动窗口的时间序列异常检测方法.通过滑动窗口法将时间序列进行初始分割,提取子序列斜率的置信区间距离半径用于异常子序列的识别...