基于FOA-SVM的汽轮机振动故障诊断

为解决支持向量机算法(Support Vector Machine,SVM)的核函数参数及惩罚因子参数选取的盲目性,利用果蝇优化算法(Fruit Fly Optimization Algorithm,FOA)对SVM中参数进行优化。提出基于FOA的SVM故障诊断算法,并对汽轮机故障实验数据进行模式识别。该算法能对SVM相关参数自动寻优,且能达到较理想的全局最优解。通过与常用的粒子群算法(Particle Swarm Optimization,PSO)与遗传算法(Genetic Algorithm,GA)优化后支持向量机进行对比。结果表明,FOA-SVM算法稳定、识别速度快、识别率高。     

电动剃须刀刀片旋转异响的声学检测方法研究

为解决目前电动剃须刀刀片旋转异响声人工检测效率低、经验要求高的问题,提出一种将小波变换和人工鱼群算法优化的支持向量机相结合的声学检测方法.该方法首先通过离散小波变换对电动剃须刀刀片旋转声信号进行小波分解和重构,将获得的各层相对小波能量作为样本特征参量,然后采用人工鱼群算法对支持向量机进行优化,最后使用优化后的模型对样本...     

基于GA-LSSVM预测的Hilbert-Huang变换端点效应问题处理

针对Hilbert-Huang变换中的端点效应,利用基于遗传算法(Genetic Algorithm, GA)的最小二乘支持向量机(Least Square Support Vector Machine, LSSVM)数据延拓方法对信号及其各内禀模态函数(Intrinsic Mode Function, IMF)分量进行延拓,在一定程度上克服了Hilbert-Huang变换中的端点效应,实现了准确的Hilbert-Huang变换.     

基于紫外可见吸收光谱的水质检测算法研究

为实时有效地检测地表水中硝酸根离子和亚硝酸根离子的变化过程,提出一种基于紫外可见吸收光谱的水质检测算法。针对水质光谱数据受到干扰易出现波动误差的问题,采用小波变换对其进行分解以滤除高频噪声,并通过主成分分析对数据特征进行降维以防止模型复杂度较高导致过拟合。水质光谱数据经预处理后采用支持向量机对其进行建模,通过非线性自适应调整变异收缩因子对差分进化算法进行改进,并采用改进差分进化算法对水质预测模型进行参数优化。通过与采用其他常用算法所建模型进行对比分析,实验结果表明:基于该算法所建的硝酸根离子和亚硝酸根离子模型具有更高的预测精度,且其能够以更快的收敛速度使模型达到全局最优。     

语音信号端点检测的实验研究

语音信号的端点检测一般都采用短时平均过零率和短时平均能量两参数判定,仅靠某一参数一般难以把噪声、清音和浊音区分开.本文通过理论分析和实验研究证明,仅靠短时过零率参数,只可以把清音和浊音区分开,但无法把清音和噪声有效地区分开.     

基于声发射信号的钢桶泄漏检测

目的研究基于声发射信号的钢桶泄漏检测方法。方法利用声发射传感器、前置放大器、采集卡和计算机搭建采集系统,分析漏孔直径为0.2 mm和无泄漏状况下泄漏频率特点。对采集的声发射信号采用小波包分解,提取了泄漏信号的3个特征频段(16~30 kHz,33~47 kHz,95~102 kHz)的能量特征,将其作为支持向量机的输入特征向量,对已经训练好的支持向量机进行测试,判断钢桶是否泄漏。结果经试验测试,判断准确率达100%。结论通过小波包能量与支持向量机相结合的方法,可以成功地对直径0.2mm及以上漏孔的钢桶泄漏进行检测。     

基于近似熵的语音端点检测

提高语音信号端点检测的正确率一直是语音识别领域的一个重要课题,特别是提高在各种实际噪声环境下语音端点检测的正确率更为重要,而传统的基于能量与过零率的方法在噪声环境下不能有效地工作。近似熵是一种新的度量序列复杂性的方法,它具有较强的抗干扰能力。从信号复杂性的角度提出了一种基于近似熵的带噪语音端点检测方法,证明了通过给定一个合理的阈值可以有效地进行语音端点检测。在不同类型噪声及不同信噪比环境下进行实验,结果表明,对语音信号起点和终点的检测性能均要比传统基于能量的方法要好,即使是在较低的信噪比下,该方法仍能够比较准确地检测出语音的起止端点。     

果蝇优化小波阈值超声检测信号去噪

由于材料结构的复杂性,超声检测回波信号往往存在很多干扰噪声。针对钢制结构中平底孔的超声检测信号传统小波去噪方法中小波阈值难确定的问题,结合小波良好时频特性和果蝇的全局优化能力,提出基于果蝇算法(FOA)优化小波阈值函数的超声检测信号去噪方法。对原始信号叠加5d B高斯白噪声,通过测试最大信噪比改善量获得最佳小波基和分解层数,采用sym5小波对超声检测信号进行6层分解后,利用果蝇算法对小波阈值进行参数优化,对比传统4种阈值确定方法,提高小波阈值的精度。验证结果表明:该方法对超声检测信号去噪后信噪比、均方根误差和相关性等参数具有满意的效果,去噪效果明显。     

利用支持向量机提高水声信号的检测能力

混响是影响主动声纳检测的一个重要因素。传统方法如高阶统计方法和修正协方差等白化方法在检测静止目标时效果并不理想,主要是因为这些算法无法利用混响这样的统计多变且非线性的数据准确估计一个AR模型的参数。利用支持向量机SVM（Support Vector Machine,SVM）来估计AR模型的参数,并进行了实验。结果表明,即使在静止目标的情况下,该算法依然能表现出良好的性能。     

一种基于相对自相关序列的语音端点检测法

在研究单边自相关序列(One-sided autocorrelation,OSA)和相对自相关序列(Relative autocorrelation sequences,RAS)的基础上,提出了一种基于相对自相关序列的语音信号的端点检测算法。该方法利用相对自相关算法能够消除噪声的原理,以语音信号相对自相关序列短时平均幅度代替双门限比较法中的语音信号短时平均幅度,以语音信号短时平均幅度代替语音信号的短时平均过门限率,实验表明,在低信噪比下检测精度要高于传统的双门限比较法。     

层次型支持向量机人脸检测器

大量的数值实验表明，在非线性支持向量机中，核函数的选取对支持向量机性能的影响很大。核函数的选择一直是一个难题。本文利用遗传算法的全局优化能力比较并分析了多项式核函数和高斯核函数的检测正确率和支持向量个数两项指标，提出了一种层次型支持向量机人脸检测器。实验结果证明，本文的方法确实取得了较好的效果。     

CCPSO优化支持向量机的鸟声识别技术研究

鸟类是生态系统中的重要组成部分,鸟类物种的多样性对生态环境有重要作用。所以,通过鸟声信号来识别鸟类从而对其进行保护有现实意义。文章对鸟声信号采用双参数的双门限法进行分段,从鸟声信号中寻找出声音的起始点和终止点的具体帧,进一步进行特征提取,提取每段鸟声信号中的短时能量和短时平均幅度,短时语谱图中的平均值、对比度、熵,共5种特征,采用优化参数的支持向量机进行鸟类物种分类。结果表明,基于混沌云粒子群优化(Chaos Cloud Particle Swarm Optimization, CCPSO)的支持向量机对比普通支持向量机的分类准确度得到提升,可有效地识别鸟类。利用该方法实现鸟类物种保护和生态系统管理的目的。     

基于两阶段学习的半监督SVM故障检测方法

提出一种基于两阶段学习的半监督SVM故障检测方法。该方法首先使用标识传递算法给未标识样本赋予初始伪标识,并通过k近邻图对比样本点标识值,将可能是噪声的样本点识别并剔除;然后将去噪处理后的样本集输入到SVM中,使得SVM在训练时能兼顾整个样本集的信息,从而提高SVM的故障检测性能。实验中将该方法同支持向量机(SVM)、模糊支持向量机(FSVM)、直推式支持向量机(TSVM)及拉普拉斯支持向量机算法(LapSVM)进行比较,结果表明该方法在不同数目标识样本集合的情况下,检测精度较其他算法有较大幅度提高,同时该方法还比较了不含测试样本和含测试样本训练条件下的故障检测性能,结果表明结合测试样本可进一步提高算法的故障检测性能。     

Ultrasonic flaw detection based on mathematical morphology

The deterministic and statistical properties of morphological filters and their application in ultrasonic flaw detection have studied utilizing different structuring elements. It has been shown the effectiveness of the filtering process depends on the frequency content of input signals, the combination of morphological operations, and the parameters of the structuring elements. The statistical parameters (mean, variance, and skewness) of sequential morphological operations (i.e., dilation, closing, clos-erosion, and clos-opening) are examined in order to determine the noise suppression capability of morphological filters and their biasing effects. Experimental evaluation of morphological filters for flaw detection in the presence of strong scattering echoes is presented for A- and B-scans. The processed experimental results show that morphological filters can improve flaw visibility by suppressing microstructure scattering echoes. The performance of morphological filters is compared with that of recursive median filters and ensemble averaging using experimental data. Results indicate that morphological filters perform better than recursive median filters in preserving the geometric structure of the signal and can replace ensemble averaging which requires numerous measurements     

基于PSO优化LS-SVM算法的水电站厂房结构振动响应预测

振动问题是攸关水电站运行安全的重要课题。水电站厂房结构振动主要由水力、机械和电气三大类振源引起,厂房结构与机组之间存在非线性的耦联振动关系。本文依据二滩水电站地下厂房和机组的原型观测数据,首先对机组和厂房结构振动的相关性进行了分析,据此建立了基于粒子群优化最小二乘支持向量机算法的厂房振动响应预测模型,预测结果与实测资料吻合。在此基础上,本文将运行水头作为输入因子引入到智能预测模型中,扩大了该智能预测模型的适用范围,取得了很好的效果。     

不均衡数据下基于SVM的故障检测新算法

针对传统支持向量机(SVM)算法在数据不均衡情况下无法有效实现故障检测的不足,提出一种基于过抽样和代价敏感支持向量机相结合的故障检测新算法。该算法首先利用边界人工少数类过抽样技术(BSMOTE)实现训练样本的均衡。为减少人工增加样本带来的噪声影响,利用K近邻构造一个代价敏感的支持向量机(CSSVM)算法,利用每个样本的代价函数消除噪声样本对SVM算法分类精度的影响。将该算法应用在轴承故障检测中,并同传统的SVM算法,不同类代价敏感SVM-C算法,SVM和SMOTE相结合的算法进行比较,试验结果表明当样本不均衡时,建议算法的故障检测性能较其它算法有显著提高。     

基于Duffing振子的BPSK载波信号检测方法研究

针对低压配电网具有噪声干扰强、信号衰减大等问题,提出了用Duffing振子来检测BPSK载波信号的新方法.Duffing振子对微弱信号敏感,信号的不同相位将引起系统在混沌态与大尺度周期态之间的相变,该方法就是利用载波信号的相位引起的Duffing振子的相变,通过对该相变的判别来检测载波信号的相位信息.同时还分析了Duf...