电涡流测厚系统特征值提取方法

用电涡流无损检测方法对铝板厚度进行检测,选用方波信号作为脉冲涡流的激励信号,通过仿真建模找出时域和频域中特征值与铝板厚度之间的对应关系,并通过进一步反演计算得出铝板的厚度,实验数据显示该法可有效实现铝板厚度的无损检测。     

一种基于跃变量特征值提取的遥测参数异常辨识方法

在导弹飞行试验过程中,如果导弹发生故障,要快速准确地进行异常判决并采取应急措施,而对遥测关键参数的报警分析则是异常快速判决的重要依据。但是弹上遥测数据由于误码的原因存在干扰数据,影响推理结果的准确性。在判断之前要对遥测参数进行预处理,先把误码造成的干扰数据从导弹故障引起的异常数据中分离出来,这样保证用于快速判决的数据是可信度高的,避免干扰数据影响了判决的正常进行。研究了基于跃变量的特征值提取方法,基于统计学原理,对遥测参数实时统计规律,形成判决器,通过判决器可以有效地分离出异常数据中的导弹故障数据与干扰数据。该方法在任务中得到了应用,为任务的快速判决和辅助决策提供了技术支持。     

用系统辨识方法估计油田可采储量

本文提出一种与储量有关的产量预报模型,依据这种预报模型,应用系统辨识的理论给出了一种估计油田在一定条件下的可采诸量的方法,实际计算表明,这种方法有较高的应用价值。     

基于SSA-VMD和熵的特征值提取方法

针对滚动轴承早期故障微弱难以识别、无法有效提取故障信息特征的问题,提出一种基于SSA优化的结合了变分模态分解与熵的特征值提取方法。方法利用麻雀搜寻算法对变分模态分解算法中的参数进行寻优,将包络熵选取为目标函数;根据峭度筛选后续需要的IMF分量,计算筛选后的IMF分量的样本熵与排列熵共同组成特征向量;采用WOA-SVM进行诊断识别,以验证该方法的有效性。经实验分析与对比,本方法能够有效提取信号的特征值,显著提高了分类识别的准确率。     

网络图形特征点提取方法

本文提出了一种网络图形特征点的提取方法。此方法一次可以较快地处理完所有相互连接的线段。在交叉点处不需要人工干预,产生的畸变较少。     

基于系统辨识的显微镜点扩散参数提取方法及应用

该文提出了基于系统辨识的显微镜点扩散参数提取方法 ;在此方法基础上设计并完成了标定试验 ,建立了显微镜点扩散参数和被观察物体Z坐标之间的映射关系 ;作为其应用 ,实现了一个具有显微图像效果的微操作拟实环境 ,当拟实环境中虚拟微操作工具Z坐标发生改变时 ,显微图像中虚拟微操作工具的像的模糊度随之发生变化 ;人眼观测表明 ,它与实际显微图像的微操作工具的模糊程度变化符合得很好 ;整个系统表现出高精度和很好的实时性 .     

从矢量字库中提取图形汉字的方法

对于给定的汉字,根据其区位码或内码,可以从指定的矢量字库中提取出其轮廓多边形的各顶点坐标,把这些坐标存入某一特定格式的文件后,该汉字即以图形的方式存在并可以     

提取分形图形参数的一种方法

基于拼贴定理,给出了一种提取分形图形IFS参数的方法。在VC6.0环境下的编程实验表明该方法是简单可行的。     

非线性系统辨识方法研究

讨论了利用小波神经网络对非线性系统辨识的新方法。在辨识过程中,为了提高小波神经网络对非线性系统的辨识性能,使用一种改进粒子群优化算法对BP小波神经网络参数进行训练,求得最优值,达到对非线性系统辨识目的。在数值仿真中,与采用标准粒子群优化算法相比,结果显示了提出的方法在收敛性和稳定性等方面均得到了明显的改善。     

基于多重启发式规则的中文文本特征值提取方法

本文根据中文文本的特点,以一种新的同义概念来替代传统的词为单位,并给出了同义概念之间权值的全新计算方法。我们不仅考虑了文本中词汇概率信息,还结合文本语义等多方面来提取文本特征值,从而提出了一种基于多重启发式规则的中文文本特征值提取方法,并给出了特征值提取模型和算法。通过与传统特征值提取方法的比较实验,证证明本文中提出的特征值提取方法能有效地提高文本分类正确率,并达到了有效降低特征向量维数的目的。     

一种基于语义分析的中文特征值提取方法

文章根据中文文本的特点,不仅考虑了文本中词汇概率信息,还结合了文本语义等多方面来提取文本特征值,从而提出了一种基于语义分析的中文文本特征值提取方法,并给出了具体算法。通过与传统特征值提取方法的比较试验,证明文中提出的特征值提取方法能有效提高文本分类正确率,并达到有效降低特征向量维数的目的。     

非线性系统辨识方法的新进展

对现有的非线性系统辨识方法进行了简要综述。介绍了多层递阶辨识方法,以及把神经网络、模糊逻辑、遗传算法等知识应用于非线性系统辨识而得到的一些新型辨识方法,最后慨括了非线性系统辨识未来的发展方向。     

用DELPHI处理图形数据库的方法

介绍了用Delphi建立和灵活访问数据库图形字段的二种方法。     

基于快速Fourier变换法的广义特征值问题重根辨识方法

对具有重根的广义特征值问题,采用基于快速Fourier变换的方法进行求解,实现重根辨识.文章中采用多次单点初始激励的方式,仿真计算测点上的自由振动响应,对响应进行快速Fourier变换后得到频域数据.而后对频域数据分析,得到固有频率和多组测点振型数据.根据单频和重频处的振型特性,引入振型的余弦相似度为判别参数,辨识重根.数值算例表明,该方法可有效实现重根辨识,同时特征值的计算能达到较高精度.     

用模糊模型在线辨识非线性系统

讨论用模糊方法实现非线性系统在线辨识问题.首先给出了简化的模糊规则表达 方法及其相应的自适应模糊推理,在此基础上给出了模糊模型参数在线辨识算法.最后对 非线性模型进行在线辨识,验证了本文提出的模糊模型及其在线辨识算法.     

动力调谐陀螺仪系统辨识方法

针对动力调谐陀螺仪(DTG）系统辨识中,传统辨识方法(最小二乘类辨识法和频域辨识法）辨识拟合度不高的问题,提出去离群点频域辨识法。该方法结合DTG模型结构特征和固有有色噪声特点,将去离群点思想应用于DTG模型的频域辨识。实验结果表明,去离群点频域辨识法的辨识效果优于最小二乘类辨识法和传统频域辨识法,辨识拟合度在90%以上,并且辨识结果重复性好,辨识算法稳定。在DTG系统辨识中,去离群点频域辨识法能够提高辨识拟合度。     

基于小波神经网络的系统辨识方法

神经网络由于具有良好的自学习和自适应能力，在非线性黑箱建模或系统辨识中有着广泛的应用，这些辨识模型有：多层感知器、径向基函数网和反馈网络等等。文中提出了基于小波神经网络模型的系统辨识方法。由于小波变换或分解所表面的良好的时频局部化特性，以及多尺度的功能，我们用规范正交的小波函数作为基函数网络中的基函数，得到所谓的小波神经网络。通过计算机仿真证实了该方法的良好的辨识效果。