基于傅里叶变换的随机纹理瓷砖的高精度表面缺陷检测

针对经典缺陷检测算法不能很好地提取随机纹理瓷砖图像的缺陷的问题,提出一种基于傅里叶变换的随机纹理瓷砖表面缺陷高精度检测方法。在此基础上,完成了瓷砖表面缺陷检测硬件系统设计。对采集的瓷砖图像,首先利用傅里叶变换得到频率谱图像,然后研究截止频率参数对滤波的影响,设计最优化滤波器进行滤波,再通过傅里叶逆变换获得重构图像,达到抑制背景纹理信息,加强缺陷区域信息的目的,最后通过阈值化和形态学操作获得缺陷区域。实验结果表明: 本方法对不同的随机纹理瓷砖样本进行缺陷检测的准确率高,在瓷砖缺陷检测中具有较高的实用价值。     

基于傅里叶特征谱和相关系数的织物疵点检测

为提高织物疵点自动检测的准确度,提出一种基于傅里叶特征谱和相关系数的织物疵点检测算法。以平纹、斜纹织物为研究对象,对织物图像进行傅里叶变换,得到织物图像的频谱图;定位频谱中的特征峰点,提取表征图像灰度、纹理的五个特征值;以正常织物为模板,计算待检图像特征值与模板图像特征值之间的相关系数,确定用于识别织物疵点的阈值,来实现织物疵点检测。实验结果表明:当阈值设定为0.80时,该算法能够实现稀密路、断经、吊经、纬缩、破洞等常见疵点的准确检测。     

基于离散傅里叶不变特征的人脸识别

给出了一种基于离散傅里叶不变特征的人脸识别方法。从连续傅里叶变换出发,讨论连续傅里叶变换情况下的傅里叶变换性质,给出离散傅里叶变换情况下的傅里叶变换性质。依据离散傅里叶变换性质,推导出离散傅里叶变换的不变特征,并将其用于人脸图像识别。人脸识别结果表明方法具有很好的识别能力。     

随机傅里叶特征空间中高斯核支持向量机模型选择

模型选择是支持向量机(support vector machines, SVMs)学习的关键问题.标准支持向量机学习本质上是求解一个凸二次优化问题,求解的时间复杂度为数据规模的立方级,而经典的模型选择方法往往需要多次训练支持向量机,这种模型选择方法对于中等规模的支持向量机学习计算代价已较高,更难以扩展到大规模支持向量机学习.基于高斯核函数的随机傅里叶特征近似,提出一种新的、高效的核支持向量机模型选择方法.首先,利用随机傅里叶特征映射,将无限维隐式特征空间嵌入到一个相对低维的显式随机特征空间,并推导在2个不同的特征空间中分别训练支持向量机所得到的模型的误差上界;然后,以模型误差上界为理论保证,提出随机特征空间中核支持向量机的模型选择方法,应用随机特征空间中的线性支持向量机来逼近核支持向量机,计算模型选择准则的近似值,从而评价所对应的核支持向量机的相对优劣;最后,在标杆数据集上验证所提出方法的可行性和高效性.实验结果表明,所提出的模型选择方法与标准交叉验证方法的测试精度基本相当,但可显著地提高核支持向量机模型选择效率.     

基于相异度的测试优选算法

测试性日益成为现代电子产品的重要性能指标,必须在系统研制初期进行测试性设计,从而在故障诊断过程中,测试费用最少、诊断时间最短;根据贪婪策略提出了一种基于相异度的测试优选算法;在采用基于动态熵的故障隔离策略选择测试中,当动态熵值相同时,结合相异度进行测试优选;实验结果表明,该算法实现简单,能够在诊断时间最短的情况下,测试费用最少。     

基于快速傅里叶变换与人脸先验知识的改进人眼检测算法

提出了一种针对DVF（距离向量域）眼睛检测算法的重要改进。使用距离向量域来检测人眼在图像中的位置已经被证明是一种出色的方法,然而其拥有非常高的时间计算复杂度。目前,两项重要改进被引入：首先,使用快速傅里叶变换与卷积定理,成功将检测复杂度降低。其次,眼睛在人脸中粗略位置的合理假设被引入检测过程中,使得DVF检测算法在人脸在有旋转与偏斜的情况下仍然保持精确。     

基于离散傅里叶不变特性的人脸识别

给出了一种基于离散傅里叶不变特征的人脸识别方法，从连续傅里叶变换出发，讨论连续傅里叶变换情况下的傅里叶变换性质，给出离散傅里叶变换情况下的傅里叶变换性质。依据离散傅里叶变换性质，推导出离散傅里叶变换的不变特征，并将其用于人脸图像识别。人脸识别结果表明方法具有很好的识别能力。     

基于随机傅里叶特征空间的高斯核近似模型选择算法

核方法是一种把低维空间的线性不可分问题转化为高维空间中线性可分问题的方法,其广泛应用于多种学习模型。然而现有的核模型选择方法在大规模数据中计算效率较低,时间成本很大。针对这一问题,本文引入随机傅里叶特征变换,将原始核特征空间转换为另一个相对低维的显式随机特征空间,并给出核近似误差上界理论分析以及在核近似的随机特征空间中训练学习模型的误差上界,得到核近似的收敛一致性和误差上界与核近似参数之间的关系。基于随机傅里叶特征空间选择出最优模型参数,避免了对最优原始高斯核模型参数的大规模搜索,从而大幅降低原始高斯核模型选择所需的时间成本。实验表明,本文给出的误差上界确由核近似参数控制,核近似选择的最优模型相较于原始高斯核模型有较高的准确率,并且模型选择时间相对网格搜索法大幅减小。     

基于连续傅里叶变换计算离散傅里叶变换的一种算法

介绍一种利用连续信号的傅里叶变换计算离散序列离散傅里叶变换的算法,给出了这种算法的应用实例,并对此算法的有效性进行了验证.     

基于快速傅里叶变换的乐器音色特征识别算法研究

本研究主要以传统乐器为研究对象,探究了乐器的音色本质。在频域中利用快速傅里叶变换提出了乐音泛音列提取的2种方法,即最大倍频和法和多倍频法,并将二者在不同场景下进行了比较。发现多倍频法具有较好的鲁棒性。同时,考虑到乐音在时间维度上也蕴含一定的信息,进而针对性地使用语谱图以弥补传统频谱中一些信息丢失的问题,并根据提取到的泛音列支持了乐器音色特征识别,在中国传统乐器古琴中进行了算法测试,结果表明本研究所构建的方法可推广到其他中西乐器,未来还可以拓宽到信号特征辨识、材料探伤等领域。     

非线性网络控制系统的故障检测

针对一类具有随机丢包的非线性网络控制系统,研究了系统的故障检测问题.基于T-S模糊模型将对象线性化,考虑了控制器和执行器之间、控制器和传感器之间的随机丢包现象,采用满足Bernoulli分布的二进制序列来描述数据传输的随机丢包.同时利用模糊主导子系统规则,设计了模糊观测器,给出了基于观测器闭环系统渐近稳定的充分条件,并通过数值仿真实验验证了该方法的有效性.     

傅里叶重建图像法检测磁片表面刀纹缺陷

磁片在被切割为更小的片时表面上可能会出现缺陷,这些缺陷将严重影响磁性材料产品的性能和使用寿命,因此表面刀纹缺陷自动检测成为磁片生产中一个重要的任务。针对经典缺陷检测算法不能很好地提取颜色暗、对比度低的磁片图像的缺陷的问题,提出一种基于傅里叶变换重建图像的磁片表面图像处理方法。用傅里叶变换获取磁片图像的频谱图像,缺陷在频谱图像中被显示为一条亮线。用霍夫变换检测亮线的角度,去除这条亮线的频率分量,使用傅里叶反变换得到去除掉缺陷的正常灰度图像。缺陷区域则可以通过评估原始图像和重建图像之间的灰度差来获得。对大量的磁片图像进行实验后表明,该方法可以准确、高效地检测磁片表面的刀纹缺陷。     

具有随机丢包的一类网络控制系统的故障检测

针对存在随机数据包丢失的网络环境,研究了一类网络控制系统的故障检测问题.考虑随机丢包同时发生在传感器与控制器以及控制器与执行器之间,将网络控制系统建模为含有4个模态的马尔可夫跳变线性系统.基于此类模型,构造了系统的残差发生器,相应的故障检测问题转化为H∞滤波问题.利用马尔可夫跳变线性系统理论,设计了故障检测滤波器,使得...     

近邻标准化样本核特征量驱动的间歇过程故障检测

针对间歇过程的多工况和非线性特征,提出一种基于近邻特征标准化(Nearst Neighborhood Feature Standardization,NNFS)样本的核特征量(Kernel Feature Statistics,KFS)故障检测方法。首先,将间歇过程数据按批次方向展开构成二维建模样本,计算每个样本的局部近邻,采用近邻特征实现标准化,提取多工况批次之间的正常偏差,克服Z-score标准化将多工况过程数据看作一个整体而造成的不准确问题。其次,通过核方法将经过标准化后的样本映射到高维空间,在核空间建立监视模型,计算特征量,并提出采用方差分析(variance,VAR)方法确定核参数,通过核密度估计法确定统计控制限。最后,在青霉素发酵过程进行仿真研究,通过比较表明了所提方法的有效性。     

基于递推规范变量残差和核主元分析的微小故障检测

微小故障由于故障征兆不明显从而很难在故障发生早期对其进行检测. 针对该问题, 本文提出了一种基于递推规范变量残差和核主元分析(RCVD–KPCA)的微小故障检测方法. 首先构造规范变量残差, 从中提取数据的线性特征. 利用指数加权滑动平均法对规范变量残差进行递推滤波处理, 提高规范变量残差对微小故障的敏感程度;然后使用KPCA提取规范变量残差中的非线性主成分作为非线性特征, 根据提取的特征提出了两个新的故障检测统计量; 此外, 利用核密度估计确定故障检测统计量的控制限. 由于同时提取了过程数据的线性和非线性特征, 有效地提高了非线性动态过程中微小故障的可检测性. 以闭环连续搅拌釜式反应器过程为例进行了仿真分析, 仿真结果表明本文所提方法具有较好的故障检测性能.     

具有随机丢包的非线性网络化控制系统鲁棒故障检测

针对具有随机丢包的Lipschitz非线性网络化控制系统,研究了系统存在外部干扰情况下的鲁棒故障检测问题。由于带宽有限,传感器-控制器和控制器-执行器的网络通道中存在随机数据包丢失,鉴于此,设计一种基于观测器的故障检测滤波器,给出存在故障检测滤波器的充分条件,使误差系统均方指数稳定并达到鲁棒H∞干扰抑制水平,同时给出基于观测残差均方值的故障检测策略。通过仿真算例验证了所提出方法的有效性。     

Fault detection via factorization approach

Problems of designing fault detection and identification filters in the frequency domain are formulated and solved. Using the factorization approach a characterization of all fault detection filters is derived. This enables the derivation of necessary and sufficient conditions for the existence of fault identification as well as detection and isolation filters. It is shown that these conditions are a generalization of existing results. The formulas of constructing the filters are also derived. In comparison with the algorithms given in previous work they are computationally straightforward and simple. Finally, the proposed method for designing fault identification filters is extended so that more practical cases can be handled.     

Fault detection problem for discrete-time impulsive system using mixed dissipativity approach

This article studies the fault detection problem for a class of discrete-time impulsive systems using mixed dissipativity theory. First, under the impulsive effects, a fault diagnosis observer is designed such that it is insensitive to disturbances, and sensitive to faults. Then, a mixed dissipativity concept is introduced to deal with impulsive effects, disturbances insensitivity condition and faults sensitive condition in one framework such that the impulsive error dynamic is dissipative with respect to the proposed mixed supply rate. Based on the proposed mixed supply rate, sufficient conditions are obtained to guarantee the dissipativity of the impulsive estimation error dynamic. Moreover, sufficient conditions are established for the existence of the desired fault observer. The corresponding solubility conditions for the designs of the desired observer are also obtained. Finally, simulation results are proposed to demonstrate the effectiveness of our proposed strategy.     

动态局部邻域主多项式分析故障检测研究

针对复杂工业过程中存在的动态性、多模态及非线性等特征,提出一种动态局部邻域主多项式分析(DNSPPA)的故障检测算法。首先,设置一定长度的时间窗来描述样本点之间的时序相关关系;其次,寻找时间窗内样本在空间方向上的局部近邻集,利用近邻集对数据样本进行标准化处理;最后,在标准化处理后的数据上建立PPA模型,计算统计量并确立控制限进行故障检测。DNSPPA方法能解决复杂工业过程中的动态时序问题和多模态数据中心漂移的问题,从而降低多模态结构对PPA检测性能的影响。使用具有动态特征的多模态非线性数值例子和青霉素数据对DNSPPA方法进行仿真测试,并与主元分析法(PCA)、主多项式分析法(PPA)进行对比,仿真结果表明,DNSPPA方法能更加及时地检测到故障,且故障检测率较高。