多模态控制策略的平稳过渡及其应用研究

以具有大进给力的纳米级驱动部件为被控对象,在分析不同模态过渡过程的基础上,指出极点差异是导致多模态难以实现平稳切换的关键因素之一。采用状态反馈矩阵和增益补偿环节来改造被控对象,采用零极点相消方法建立广义的一阶模型,解决了多模态的平稳过渡问题。应用提出的多模态平稳过渡策略,对具有大进给力的纳米级驱动部件进行控制,在5kN的大进给力下,进给精度达到了10nm,模态过渡调整时间小于1min,充分证明了该方法的实用性和可行性。     

基于导波基函数投影变换的单模态超声导波提取方法

由于超声导波的多模态特性和频散特性,实际检测时在同一激发频率下存在多种模态的混合信号,影响导波检测的灵敏度。针对上述存在的问题,在建立导波频散信号的数学模型的基础上,提出一种基于导波基函数投影变换的单模态超声导波提取方法。首先根据频散传递函数建立各模态导波信号的数学模型,将各模态导波信号构建为一组导波模态基,之后,以模态基函数为投影变换核,对接收信号进行投影变换,从而实现多模态混叠信号中单模态导波信号的提取。通过对板中的Lamb波S₀、A₀和A₁混合模态仿真和实际信号处理试验表明,提出的方法无需频散补偿即可实现多模态混叠信号中单模态导波信号的有效提取。     

基于历史过渡特性的新过渡模态建模方法

传统的统计过程质量控制是通过检测和采集大量的过程质量特征数据以实现过程质量控制,过渡过程在短期内无法获得充足的建模数据,导致统计错判概率增加.研究了多模态生产过程中的过渡模态建模特征,提出了一种基于历史过渡模型相关特性的新过渡模态建模方法,充分利用已有过渡模型中所蕴含的过程特性,弥补新过程数据不足无法准确描述新过渡过程特性的缺点,可准确描述新出现的未建模过渡模态.通过在田纳西-伊斯曼过程中的仿真结果证明了所提出方法的可行性和有效性.     

新能源电力系统多模态振荡识别技术研究

在新能源电力系统振荡识别过程中，通常采用经验模态分解方法实现电力系统量测信号分解，但极易出现模式混叠的情况，导致多模态振荡识别的频率误差较大。因此，针对新能源电力系统，设计了一种新型多模态振荡识别技术。依托于多元经验模态分解策略，协同分解多通道电力系统量测信号，得到不同频率尺度的IMF（固有模态函数）分量。再计算每个IMF分量的能量权重，从中筛选出包含主导振荡模式的关键分量。运用Prony算法对关键IMF分量进行分析，得出振荡特征参数，基于此得出电力系统多模态振荡识别结果。实验结果表明，所提识别技术应用后可以得到较为准确的振荡特征参数，其中频率最大误差仅为1.8×10-3Hz。     

基于神经步进激励机制的蛇形机器人环境自适应仿生控制策略

针对已有的蛇形机器人在环境适应过程中步态调整策略复杂,参数调整时间长的问题,引入神经步进激励机制,提出一种基于多模态中枢模式发生器模型的简单快速的仿生控制策略。构建能够产生蛇形机器人多种步态的多模态中枢模式发生器模型,并基于仿生学原理提出神经步进激励机制。通过对蛇形机器人三种主要步态的运动学分析,得出其运动性能与控制参数之间的关系,利用神经步进激励机制并结合蛇形机器人自身的运动特性建立蛇形机器人环境自适应仿生控制策略。通过仿真将该策略与传统蛇形机器人控制方法进行对比,并利用试验验证了该策略的有效性。     

负脉冲混合多模态输入整形器抑振鲁棒性分析

鲁棒性是评估输入整形器抑振能力强弱的重要指标,可通过分析灵敏度曲线获得。描述了一种新型负脉冲混合多模态输入整形控制策略的构建方法与鲁棒性分析原理。建立六种负脉冲混合两模态输入整形器抑制一种3-DOF机器人的残余振动,通过仿真分析了它们前两个模态的抑振频带宽度与频率误差范围,并分析了各种多模态输入整形器的抑振特性和选用原则。结果表明,采用新型控制策略建立的输入整形器NZVD-NEI的鲁棒性最好,且脉冲类型的变化和混合控制策略的应用将改变多模态输入整形器的鲁棒性,NZV-NZVD输入整形器对这种3-DOF机器人抑振的综合性能最好。     

基于经验模态分解包络谱的滚动轴承故障诊断方法

针对滚动轴承故障振动信号的非平稳特征和传统包络分析法的缺陷,提出了一种基于经验模态分解包络谱的滚动轴承故障诊断方法.该方法首先采用经验模态分解将原始信号分解为若干个平稳的固有模态函数之和,然后求出包含主要故障信息的若干个固有模态函数分量的包络谱,再定义包络谱中故障特征频率处的幅值比为特征幅值比,最后以特征幅值比作为故障特征向量,输入神经网络,以神经网络的输出来判断滚动轴承的工作状态和故障类型.对滚动轴承内圈、外圈故障振动信号的分析结果表明,基于经验模态分解包络谱的故障诊断方法能有效地提取滚动轴承的故障特征.     

基于CUDA加速的多模态膝关节图像配准

不同模态的医学图像包含了不同的信息,这些信息对医生和患者来说通常是互补的.针对单一模态医学图像信息缺失的问题,提出了一种基于CUDA加速的多模态医学图像快速配准算法.算法首先通过数字影像重建(Digitally Reconstructed Radiograph,DRR)技术将采集到的患者膝关节CT三维体数据转化成二维平...     

基于高斯混合模型的转子碰摩声发射识别方法

基于模态声发射和窄带信号理论,给出描述多模态特征的声发射信号(Acoustic emission,AE)的表达式,提出基于倒谱系数和分形维相结合作为特征参数的高斯混合模型(Gaussian mixture model,GMM)的碰摩声发射识别方法.该识别模型对碰摩声发射信号中不同模态波的特征矢量所具有的概率密度函数进行建模,将这些特征矢量进行聚类,每一类均作为一个多维高斯分布函数,以每一类的均值、协方差矩阵和出现的概率作为每种模态波的训练模板,识别时将待测碰摩声发射信号的特征矢量代入每个模板,采用最大比合并的方法对高斯模型似然概率进行加权得到总似然概率,当该值大于设定的门限,即可判定存在碰摩声发射.在转子试验台上获得碰摩AE信号,根据AE信号在传播过程中的波型并结合其分形曲线进行分类,由此确定GMM的模型输入类型;然后对所有测试数据叠加不同信噪比的高斯白噪声和非平稳噪声,再利用上述模型进行识别.试验结果表明,该模型具有较高的识别率,并具有较好的抗噪声能力.     

融合超像素与多模态感知网络的遥感影像车辆检测

针对遥感影像车辆检测中背景干扰、目标密集和目标异质性等因素引起的识别精度下降问题,提出了一种融合超像素与多模态感知网络的遥感影像车辆检测方法。首先,基于混合超像素的区域合并规则,通过超像素二分图融合算法将两种模态的超像素分割结果进行融合,提升了不同模态图像超像素分割结果的准确性;其次,提出一种多模态边缘感知网络的遥感影像车辆检测方法 MEANet (Multi-modal Edge Aware Network),引入OPT-FPN模块（Optimized Feature Pyramid Networks）来增强网络学习多尺度目标特征的能力;最后,通过边缘感知模块聚合超像素和多模态融合模块生成的两组边缘特征,进而生成车辆目标的准确边界。在ISPRS Potsdam和ISPRS Vaihingen遥感影像数据集上进行实验,最终的mF1分数分别为91.05%和85.11%。实验结果表明,本文提出的方法在多模态遥感影像车辆高精度检测中有着较好的检测准确度和较好的应用价值。