基于MICA-PCA的间歇过程故障监测

针对具有数据非高斯分布或混合分布的间歇过程, 研究一种新的改进MICA-PCA监控方法.首先利用MICA方法提取非高斯分布过程信息, 通过设定负熵阈值实现独立成分个数的自动选择, 以此克服传统ICA方法中需提前确定独立成分个数的缺点, 再使用核密度估计方法确定相应统计量的置信限, 然后对服从多元高斯分布的残差过程信息, 进一步进行PCA分析和处理.将该方法应用于北京某生化制药厂重组大肠杆菌制备白介素-2发酵过程监控.结果表明:该法在过程变量不服从高斯分布的情况下能有效降低传统方法的漏报和误报率, 准确地对过程进行监控.     

基于MICA-OCSVM的间歇过程故障监测

针对多向独立成分分析 (multi-way independent component analysis, MICA) 需要假设过程变量服从非高斯分布的要求, 以及MICA基于马氏距离构造的监控统计量会导致故障检测率降低的问题, 研究了一种将多向独立成分分析与单类支持向量机 (one-class support vector machines, OCSVM) 相结合的MICA-OCSVM监测方法.首先采用MICA提取间歇过程所有批次的独立成分;然后分别对每个时刻的所有批次的独立成分进行OCSVM建模, 利用确定的决策超平面构造非线性的监控统计量;最后计算所有建模数据的监控统计量, 并利用核密度估计确定相应的控制限.将该方法应用到青霉素发酵过程仿真平台, 实验结果表明:该方法相比于传统的MICA故障监测方法, 无需考虑过程变量服从何种分布, 能够有效利用独立成分的结构信息, 故障的误报率、漏报率明显降低.     

基于EWMA-kNN的多工况过程微小故障检测

针对应用多工况过程k近邻方法(k-nearest neighbor,kNN)进行故障检测时,微小故障样本较难被检测的问题,提出一种基于改进指数加权移动平均算法的k近邻(kNN based on expo-nentially weighted moving average,EWMA-kNN)故障检测方法.考虑到过程为多工...     

机械设备微小故障在线诊断的新方法

本文基于目前对机械设备微小故障在线诊断的要求,在对数谱的性质上建立了适合于在线诊断微小故障的对数谱相关函数,并在初步探讨机械设备故障信号中的边频带现象产生机理的基础上又提出了边颏谱相关函数。对数谱相关函数和边频谱相关函数的概念是从能量变化的角度出发来诊断机械设备微小故障的。本文给出了这两种函数的详细数学证明,并给出了实验论证,结论说明这两种方法用于在线诊断机械设备的微小故障是正确和可行的。     

基于集成主成分分析的故障检测方法

针对核主成分分析(KPCA)和主成分分析(PCA)的一些不足,提出一种基于集成主成分分析的故障检测方法。该方法将PCA与KPCA结合,利用KPCA描述过程的非线性信息并提取核主成分,再利用PCA对原始信息和核主成分一同提取线性主成分,通过构造统计量T2和SPE(或Q)进行故障检测。在TE(Tennessee-Eastman)过程上的仿真研究表明,本文提出的方法较PCA和KPCA有更高的故障检测精度。     

不同展开方法在间歇过程故障检测中的应用

间歇过程数据是一个典型的三维数据形式,数据的展开方法在一定程度上影响了所建立的统计模型的精确度。针对这一问题,提出了基于不同展开方式上的核独立元分析（KernelICA）的在线故障检测方法,并应用于青霉素生产过程的数据分析中。仿真结果表明,与传统的在批次方向展开的建模方法相比,所提出的方法大大降低了故障的漏报率,具有更好的故障检测性能。     

基于LMD-ICA降噪的滚动轴承故障特征提取方法研究

在滚动轴承进行故障识别中,针对局部均值分解(LMD)方法分析非平稳、非线性含噪信号时,存在端点效应,易产生虚假分量和单通道独立成分分析(ICA)盲源分离时的欠定问题,提出了基于LMD-ICA降噪的振动信号特征提取算法.首先对原始信号进行LMD,并抑制端点效应,得到n个瞬时频率具有物理意义的乘积函数(PF)之和;然后对得到的PF分量以连续的3阶PF分量为一序列组合进行ICA,可以得到n-2个重构分量;最后利用n-2个分量进行重构,得到降噪后的故障信号,并再次进行LMD或功率谱计算,提取故障特征.经验证,该方法可有效识别滚动轴承的多类故障.     

数据驱动PCA、ICA和KICA故障检测仿真比较

针对同一非线性过程数据,分别应用多元统计过程监控技术中的主元分析（Principal Component Analysis,PCA）、独立元分析（Independent Component Analysis,ICA）和核独立元分析（Kernel Independent Component Analysis,KICA）三种方法进行了故障检测建模,并进行了仿真比较研究。通过田纳西-伊斯曼过程（Tennessee Eastman Process,TE）仿真结果表明：在处理实际工业生产中非线性、非高斯的数据方面,KICA方法具有更强的故障监测能力。     

基于KPCA-SVM的相关和独立变量故障检测方法

实际工业过程中有一些独立于其他变量的过程变量,为能够分别检测独立变量与相关变量,提出一种基于核主成分分析（kernel principal component analysis,KPCA）和支持向量机（support vector machine,SVM）相结合的相关和独立变量故障检测方法,记为KPCA-SVM．首先,应用基于互信息的变量划分策略,通过计算变量之间的互信息将过程变量划分为相关变量和独立变量．然后,在相关变量空间和独立变量空间分别建立KPCA和SVM模型对测试数据进行监测．与传统KPCA和SVM算法相比,KPCA-SVM方法结合了KPCA在检测相关变量和SVM方法在检测独立变量上的优势,提高了KPCA和SVM方法的故障检测性能．最后,将KPCA-SVM方法应用于田纳西-伊斯曼（Tennessee-Eastman,TE）工业过程进行故障检测,并与KPCA、核熵成分分析（kernel entropy component analysis,KECA）和SVM方法进行比较．仿真结果表明,KPCA-SVM方法具有较好的检测效果,对于多种故障的检测效果有所提升,其中对于微小故障5的检...     

逆PCA方法及其在故障检测与诊断中的应用

针对主元分析方法的特点，提出一种逆主元分析方法，具体采用二次投影逆主元方法，以实现故障发生时，主元空间向故障变量的投影．首先，对负荷矩阵进行方差最大正交旋转，以使某一个或某几个主元能够与某一特定子系统相对应，实现第一次投影；然后，在子系统内部进行故障诊断，实现二次投影．该方法提高了PCA方法的检测灵敏度和诊断效能．     

基于视觉中心转移的视觉显著性检测方法

针对现有许多检测方法提取出的显著性区域不够清晰的问题,提出一种基于视觉中心偏移的视觉显著性检测方法,在对图像进行预分割的基础上,结合图像的颜色对比特征、颜色分布特征和位置特征,提取出图像显著性区域,利用视觉中心转移模拟人类视野系统的视野转移过程,对图像进行多尺度分析,融合不同尺度显著图得到最终显著图。试验结果表明,本方法较现有显著性检测方法在视觉效果和查准率召回率有明显提高,ROC曲线下的面积可达0.952。     

基于小波静态分解的离散小疵点检测

在分析织物疵点特点的基础上,提出了一种新的检测方法.首先根据正常织物小波分解后的能量来确定小波基和小波分解层数.接着对测试图像进行小波静态分解,然后提取子图中的子窗口标准差作为提取的特征;在此基础上,通过与正常子图中的特征相比较来判断小疵点是否存在.最后通过提取特征构造的标准差图确定小疵点的位置.实验表明,该检测方法是有效的.     

基于选择性视觉注意机制和曲线发现法的弱小目标检测

将选择性视觉注意机制和基于连接点问题模型的曲线发现法引入到深空背景弱小目标检测中。在注意机制中,充分利用目标灰度和运动连续显著性,得到注意焦点整合图;通过基于连接点问题模型的曲线发现法进行目标轨迹检测,最终完成目标检测。实验结果表明此方法有效地降低了信息处理量,具有较强的抗噪性,可用于低信噪比环境中的弱小目标检测。     

基于多尺度融合与注意力机制的小目标车辆检测

针对传统目标检测算法（SSD）检测小目标精度低的问题,提出基于注意力机制与多尺度信息融合方法并将其运用于车辆检测任务.结合浅层特征图与深层特征图的优势,小目标检测分支和大中型目标检测分支的特征图采用5支路和2支路融合.在基础网络层之间加入注意力机制模块,模型会关注包含更多信息量的通道.实验结果表明,在自建车辆数据集上的均值平均精度（m AP）达到90.2%,比传统SSD算法提高了10.0%,其中小目标检测精度提高了17.9%;在PASCAL VOC 2012数据集上的类别平均精度mAP为83.1%,比主流的YOLOv5算法提高了6.4%.此外,提出算法在GTX1 660 Ti PC端的检测速度可以达到25帧/s,能够满足实时性的需求.     

基于均值偏移粒子滤波的自适应跟踪

针对视频中运动人体的跟踪,提出了一种基于均值偏移粒子滤波的自适应跟踪算法。该算法首先对所要跟踪的人体目标进行分块,并选择与周围环境颜色相似度最小的块模板作为跟踪区域;然后使用基于均值偏移的粒子滤波方法进行跟踪,并设计了自适应更新块模板尺度的方法;最后在粒子滤波的状态估计阶段后,加入自适应观测模型,根据块模板尺度的变化情况,自适应地选择高斯噪声方差和粒子数目。实验证明,在出现遮挡或人体运动方向改变的情况下,本文算法的跟踪效果比传统均值偏移粒子滤波更好。     

基于加权空间直方图的均值漂移目标跟踪

目标模型内的背景像素会造成目标跟踪定位偏差。为了减少背景像素对跟踪造成的定位偏差,首先通过目标区域像素和目标区域周围背景像素的颜色直方图定义了一个加权系数,然后将该加权系数引入到空间直方图的计算中,提出了一种基于加权空间直方图的均值漂移(MS)目标跟踪算法。在此基础上,给出了一种模型更新方法。仿真实验表明,该算法具有很好的跟踪精度,对遮挡具有更好的鲁棒性。     

基于均值漂移的非线性尺度空间滤波

为解决均值漂移滤波核带宽的选择问题,分析了均值漂移和尺度空间滤波的关系,指出当采用正态核函数时,均值漂移是一种基于高斯尺度空间滤波的聚类方法。由此提出了一种基于均值漂移的非线性尺度空间滤波方法,其性能仅取决于空域的核带宽的选择,在每个采样点处根据信号的局部特征自适应选取幅度域的核带宽。该方法克服了均值漂移滤波存在块状效应的缺点。实验结果表明,该方法的整体性能优于均值漂移滤波、高斯滤波和中值滤波。     

基于理想换挡过程的换挡品质评价模型

分析了目前有级式自动变速器换挡品质评价的各种方法,提出了有级式自动变速器理想换挡过程的概念,以DCT典型动力升挡工况为例建立了换挡品质评价指标体系。构建了以理想换挡过程为参考的换挡品质评价模型。基于此模型,进行了与换挡品质主观评价的对比试验,试验结果表明:该模型客观地评价了换挡品质且与主观评价有较好的一致性,为有级式自动变速器换挡品质评价提供了新的思路和方法。     

基于直接驱动和自增力技术的AMT换挡系统

针对电动汽车换挡过程的转速控制阶段存在控制器局域网络(controller area network, CAN)通信时延而导致的控制精度低、稳定性差的问题,建立了带有随机时延的驱动电机转速闭环控制数学模型,通过基于伯德图的频域分析,提出了使用分数阶PID修正频响曲线的方法,提高了系统对时延的适应性. 针对时延的时变性和固定参数PID性能的局限性,设计了一种基于模糊分数阶PID的驱动电机转速控制算法. 仿真与台架实验结果表明,该控制算法取得了良好的控制效果.

     

一种均值漂移与图割相结合的视差估计

针对传统视差估计方法匹配误差较大的问题,将输入图像低纹理区域的色度进行融合,提出了一种均值漂移与图割相结合的视差估计算法。先采用均值漂移原理对左右视点图像进行预处理,再将处理后的图像利用图割法进行视差估计。实验结果表明,与传统视差估计算法相比,所提出算法能有效提高视差估计的准确性。