视觉测量中椭圆自动检测与定位方法

针对视觉测量中椭圆目标的检测效率与定位精度较低的问题,提出一种高效的椭圆识别与定位方法。该方法利用回光反射控制点的强反射特性,提取目标的边缘信息,对连续的边缘进行分组,利用椭圆长轴信息对每组边缘数据进行椭圆识别,采用基于变量含误差模型的椭圆拟合方法,实现椭圆目标中心的精确定位。实验证明,该方法具有快速、自动化、定位精度高、鲁棒性好等优点,在视觉测量中具有广泛的应用前景。     

基于误差椭圆的车型识别算法

针对车辆分类需求,提出一种基于误差椭圆的车型识别算法。利用背景差法去除车辆图像的不相关背景,从而分离出目标车辆,并对其进行识别和轮廓提取,通过平移、旋转和缩放车辆的轮廓边界,获得一个不相关的二维方差阵,将其与已知模板方差阵进行比较,以实现车辆分类。实验结果表明,该算法能获得较好的分类结果,满足实时性要求。     

基于缺失数据的误差生成策略及其在故障检测中的应用

误差生成是基于机理模型故障检测方法的核心本质,但鲜有应用于统计过程监测方法中.为此,提出一种基于缺失数据的误差生成策略,将能反映出采样数据对统计模型拟合程度的误差作为新的被监测对象实施故障检测.所提出的基于缺失数据的主元分析(MD-PCA)方法通过逐一假设各变量测量数据缺失后,利用缺失数据处理方法推测出相应缺失数据的估计值,并对缺失数据的实际值与估计值之间的误差实施基于PCA模型的故障检测.利用误差实施故障检测的优势在于,生成的误差能在一定程度上降低原测量变量的非高斯性程度,而且误差体现的是对应缺失变量中与其他测量变量不相关的成分信息,更能揭示各测量变量的本质.通过在TE过程上的实验充分验证了所提出方法的优势,以及MD-PCA方法用于故障检测的可行性与优越性.     

基于OpenCV的图像椭圆特征识别与定位研究

面向平板零件上螺纹孔的识别定位需求,基于开源计算机视觉库OpenCV进行椭圆特征的识别与定位研究。采用Canny边缘检测算法提取图像边缘信息,对边缘图像通过轮廓检索得到单一的连续轮廓,并对得到的每一条连续轮廓进行椭圆拟合。研究给出一种评价轮廓与所拟合椭圆误差的计算方法,以此误差为准则实现非椭圆特征的剔除。进一步针对螺纹孔形成的相套椭圆特征,采用聚类筛选的方法得到螺纹孔对应的内环椭圆特征,从而实现了板上螺纹孔的识别与定位。     

基于3MAD-PCA的软测量数据过失误差侦破

经典PCA是一种对软测量建模数据进行误差侦破的方法,但当数据中存在单变量大误差时,该方法不能准确确定主元(PC),从而影响了误差侦破效果.针对这一情况,结合单变量误差侦破技术提出了3MAD-PCA方法.该方法首先用3MAD对数据分别进行单变量误差侦破,再利用经典PCA进行多变量误差侦破,提高了经典PCA方法的稳定性,有效实现了数据的过失误差侦破.用该方法对丙烯浓度的软测量数据进行过失误差侦破,取得了良好的效果.     

数据校正在焦化碳一过程中的应用

化工生产过程中，开展测量数据的误差侦破与校正方法的研究具有十分重要的意义。针对焦化碳一过程中测量变量的稳态数据校正，采用残差检验方法进行数据协调和过失误差的识别、侦破，通过两层次变换进行数据分类，从而消除了已有算法中出现奇异矩阵的情况。校正后的变量满足物料和元素平衡要求，误差侦破的结果为仪表故障的排除等提供了参考依据；数据校正则提高了生产效率。     

稳态过程的数据校正和大误差侦破方法的集成研究

针对实际数据校正问题中同时含有未测变量和带大误差已测变量的情况，提出利用两步投影矩阵方法来进行数据分类，先将稳态模型变换为统计检验所需要的标准形式（只含已测变量），用广义似然比方法侦破出大误差并予以补偿后再对数据校正问题进行求解计算，从而为数据校正及大误差侦破的集成提出了一种通用的策略，并且减少了计算量。     

改进PCA在发酵过程监测与故障诊断中的应用

提出一种改进的主元分析(PCA)法．利用主元相关变量残差统计量代替平方预测误差Q统计量,并采用累积方差贡献率及复相关系数确定PCA模型的主元数．将改进的主元分析法应用于粘菌素发酵过程监测和故障诊断中,仿真结果表明改进的PCA方法避免了Q统计量的保守性,并保证了主元子空间中的信忠存量．与一种基于特征子空间的系统性能监控方法相比较,改进的PCA方法具有更强的有效性．     

GIS中衡量位置数据不确定性的可视化度量指标族探讨

点是矢量GIS中最基本的元素，线和面可以由其本身的特征点来加以抽象和表达。针对当前国际GIS数据质量标准中，只定义了衡量点位数值精度的情况，应GIS可视化的要求，从图形角度出发，借鉴测绘学科中衡量平面点元位置不确定性的几何误差椭圆方法，通过计算点位坐标落入其本身误差椭圆内的概率大小，来定义矢量GIS中衡量点、线和面位置数据不确定性的点位误差椭圆、线位误差和面位误差和可视化度最指标装，以期丰富和完善当前GIS数据质量的指标体系，从而可以更好地控制各种矢量GIS数据库中的精度。     

机器视觉测量中透视投影误差分析控制与补偿

在机器视觉齿轮倒角的测量系统中,轮廓测量是实现齿轮中心定位的关键因素。传统镜头成像时,由于透视投影特性,会引起齿轮轮廓圆直径的测量误差,进而影响轮廓圆的定位精度。针对此建立了透视投影误差的非线性模型,并对不同厚度齿轮轮廓圆直径的测量进行了误差分析与补偿。实验结果表明,该方法具有一定的实用价值,满足了齿轮轮廓圆测量的要求。     

基于稀疏主元分析的过程监控研究

主元分析（principal component analysis）是一种多元统计技术,在过程监控和故障诊断中具有广泛的应用。针对过程监控中数据量大的特点,提出一种稀疏主元分析（sparse principal component analysis）方法,通过引入lasso约束函数,构建稀疏主元分析的框架,将PCA降维问题转化为回归最优化问题,从而求解得到稀疏化的主元,并提高了主元模型的抗干扰能力。由于稀疏后主元相关的数据量减少,利用数据建立过程监控模型,减少了计算量,并缩短了计算时间,进而提高了监控的实时性。利用田纳西伊斯特曼过程（TE processes）进行实验仿真,并与传统的主元分析方法进行对比研究。结果表明,新提出的稀疏主元分析方法在计算效率和监控实时性上均优于传统的主元分析方法。     

基于主元分析的桥梁挠度传感器故障诊断研究

主元分析(PCA)是一种典型的数据降维的多元统计方法,已被越来越多地用于故障诊断。将PCA应用在桥梁挠度传感器故障诊断。介绍了PCA的理论,研究了基于PCA的故障检测方法和基于贡献率的故障诊断方法。计算平方预测误差(SPE)和Hoteling T2统计,当统计量超过阈值时,判断系统出现了传感器故障,然后通过SPE贡献图判断故障源。通过仿真验证了PCA在故障诊断的实用性,但结果也表明:PCA对小故障不是很敏感。     

Spark下基于PCA和分层选择的随机森林算法

针对大数据背景下随机森林算法中存在协方差矩阵规模较大、子空间特征信息覆盖不足和节点通信开销大的问题,提出了基于PCA和子空间分层选择的并行随机森林算法PLA-PRF(PCA and subspace layer sampling on parallel random forest algorithm).对初始特征集,提...     

重构贡献在变压器故障诊断中的应用

在常规DGA诊断方法中,存在故障数据不敏感的问题。为此,提出一种基于重构贡献的变压器故障诊断方法。该方法在建立主元分析模型后,采用SPE和T2统计量检测故障,在分析重构贡献法故障诊断性能的基础上,利用重构贡献法识别故障。实例研究结果表明,该方法可以识别故障发生的原因,提高故障诊断的准确性,具有较好的故障识别能力。     

基于圆盘散射模型的无线传感网定位方法研究

在非视距传播（NLOS）环境下,基于圆盘散射模型来构造和引入NLOS误差符合实际的多径通信场景。利用已知锚传感器节点测量得到的电波到达时间和电波到达角等信息对未知节点位置进行定位估计。将圆盘散射模型细化为两种建模,即以未知节点为中心的散射体圆盘模型和以锚节点为中心的散射体圆盘模型,对各模型有针对性的提出定位思路和方法。进行计算机仿真,实验结果表明所提出的定位方法较传统的多种定位法具有更小的定位误差,定位精度较高。同时所提出的定位法不受圆盘散射半径的增大对定位误差的恶化影响,鲁棒性较好,适用面广。     

一种基于HOG-LBP的高效车辆检测方法

针对形状特征在车辆检测中存在的误检现象,在分析误检原因的基础上,提出一种融合形状和纹理特征的车辆检测方法。对检测窗口中划分的胞元进行方向梯度直方图特征和统一化局部二进制模式算子的求解,统计检测窗口中各胞元的特征情况,在形成浏览窗口的形状和纹理特征过程中,采用主成分分析解决特征的高维度和冗余问题,结合支持向量机进行特征训练和检测实验。实验结果证明,该方法有效兼顾车辆图像的形状和纹理两方面的特征,在不影响检测速度的同时,明显降低了车辆检测的误检率,在时效和精度两方面都取得较好的效果。     

基于SPCA和域变换递归滤波的高光谱图像分类

提出一种基于分割的主成分分析（Segmented Principal Component Analysis,SPCA）和域变换递归滤波（Domain Transform Recursive Filtering,DTRF）的高光谱图像分类算法。利用SPCA方法降低高光谱图像的维数和提取各波段子集的第一主成分。使用不同参数的域变换递归滤波器对各波段子集第一主成分进行滤波,形成堆叠的边缘保持滤波图。采用主成分分析（Principal Component Analysis,PCA）将堆叠的边缘保持滤波图进行特征融合。利用基本阈值分类器（Basic Thresholding Classifier,BTC）对融合后的主成分进行分类。仿真实验表明,所提方法能够提高分类精度,且在总体分类精度、平均分类精度、Kappa系数等方面优于已有方法。     

矿井组合导航系统的设计与应用

针对矿井捷联式惯性导航系统（SINS）误差累计的问题,提出了一种基于射频位置修正技术的矿井组合导航系统。系统将射频标签存储的实际位置和SINS解算位置的差值作为量测量,利用Kalman滤波器估计并补偿SINS存在的陀螺漂移和加速度计零偏。该方法在修正点对误差估计精度高,收敛速度快,能够对SINS累计误差进行一次性修正。     

基于K-EROS的QAR数据集的相似性分析

叙述了传统的PCA方法在处理QAR数据相似性问题的不足,提出基于EROS的KPCA方法处理QAR数据之间的相似性问题。通过引入EROS方法而不需要对数据进行向量化,引入核矩阵对QAR数据进行主成分分析,可以有效降低数据的维数。选取两组QAR数据集,采用支持向量积方法,选用不同数目的主成分进行分类实验,同SPCA方法和GPCA方法进行比较,实验结果显示把该方法运用到QAR数据集,具有较好的分类结果。