基于EOG的眼动信息提取与分类研究

基于眼电（Electro-oculogram,EOG）的人机交互系统（HCI）是生物电信号处理领域的研究热点之一。在研究眼动信息的基础上,提出了一种EOG扫视信号特征提取与分类算法,该算法提取扫视信号的线性预测（Linear Predictive Coding,LPC）系数,对其作差分运算获取一阶差分线性预测系数,与归一化极值作为组合特征参数,通过神经网络对样本信号分类。实验室环境下,采用所提该法对来自6名眼部功能均正常的受试者扫视样本分类,平均分类正确率超过92%。实验表明,该法能准确地描述EOG扫视信号,具有较高实用价值。     

基于角度-距离的仪表读数识别技术研究

<正>对基于距离法和基于角度法两种常见的仪表读数识别方法进行分析,提出了一种角度-距离改进仪表识别法,该方法融合了传统距离法和角度法的优点,对仪表读数进行识别。实验仿真结果表明,本改进方法相比传统单一仪表读数识别方法,其读数的精准度更高。     

亮度变化下人眼适应性与舒适度的实验研究

由于光环境明暗快速变化会引发视觉疲劳,本文从人眼适应性和舒适度的角度进行研究,探讨亮度变化下光环境研究的实验方案。通过理论分析及实验方法的综合选择,以适应时间的测量手段为切入点,选择基于图形识别的朗道尔环作为实验测试的视标,建立实验装置,并根据现有国家标准拟定实验参数并进行实验,以人体主观舒适度评分和适应时间为评价依据,对实验中所得的数据进行评价与分析,探究亮度变化下人眼适应性与舒适度的关系。通过主观评价、客观测量进行综合分析和对比,对实验的结果进行研究与分析。     

基于驾驶员眼动特征的无极调光智能控制技术的安全性

为研究采用无极调光智能控制技术对驾驶员行车安全性的影响,选取周公山隧道进行基于驾驶员眼动特征的试验。采用眼动仪记录驾驶员的眼动数据,对注视持续时间、扫视平均速度、瞳孔直径等参数进行统计分析。试验结果表明,驾驶员在使用无极调光智能控制技术的隧道照明环境中行驶时,眼动特征参数与未使用此技术无明显差异,表明驾驶员通过采用此技术的隧道照明环境时,心理舒适程度、紧张程度与未采用此技术的隧道无明显变化,满足了隧道行车安全性、节能性、舒适性的要求。     

基于感兴趣区域的螺栓位姿及尺寸检测研究

为了提高工业生产中螺栓定位抓取的效率和准确性,提出基于感兴趣区域的螺栓位姿及尺寸检测方法。首先利用YOLOv5目标识别算法对螺栓目标进行识别,将识别出的目标区域截取为感兴趣区域。再利用中值滤波和二值化方法对ROI进行预处理,采用Canny改进算法检测目标轮廓。通过最优拟合直线算法获取螺栓的倾斜角度,并用矩特征算法求解出螺栓重心位置。最后采用霍夫两直线段最短距离算法检测螺栓直径。经过实验验证采用YOLOv5目标识别算法的识别准确率达到92.7%,螺栓倾斜角度的检查误差为±1.2°,螺栓直径的检测误差率为±5.5%,实现了对螺栓位姿和尺寸的识别。     

基于SIFT特征匹配的电力设备图像变化参数识别

在变电站视频监视系统中,可通过视频巡检来及时发现某些异常状态,以免产生故障。图像的某些参数的改变是判别图像状态改变的重要依据,提出了一种基于SIFT,OTSU和RANSAC相结合的特征匹配的电力设备图像变化参数识别算法。先对样本资料图像和监测图像进行SIFT特征匹配,与OTSU相结合消除干扰匹配特征点,再通过RANSAC随机抽样一致性算法消除错误匹配特征点,根据匹配结果识别电力设备图像变化角度和缩放比例这2个重要参数。仿真实验表明,此算法简单易行,精度高,可用于电力铁塔倾斜角度和指针式仪表指针旋转角度的识别,也可用于视频巡检中缩放系数的识别。     

基于红外与可见光图像信息融合的绝缘子污秽等级识别

绝缘子污秽等级的准确识别是污闪防治的有效途径。红外和可见光图像分别表征了污秽绝缘子的表面温度和色彩分布,可从不同角度反映绝缘子的污秽状态,该文提出了基于红外和可见光图像信息融合的绝缘子污秽等级识别方法。建立并求解了湿污绝缘子发热数学模型,得到了绝缘子表面温度分布;通过实验获取绝缘子红外及可见光图像,经图像分割后,提取了绝缘子盘面红外与可见光特征并用Fisher判别法进行选择;将选出的特征与环境湿度、照度组合成为特征向量,并使用贝叶斯决策理论对其进行特征级信息融合,识别绝缘子污秽等级;最后对现场样本进行了识别。实验结果显示,图像信息融合提高了绝缘子污秽等级识别准确率,现场测试结果准确,为准确识别现场绝缘子污秽等级提供了新方法。     

车辆姿态感知注意力增强的车辆重识别

由于不同道路监控视角下的车辆姿态不断变化,因此车辆重识别仍是智慧交通系统中一项具有挑战性的任务。现有的车辆重识别的方法大多数基于车辆的外观属性,但识别受光照和角度等因素影响导致识别效果较差。因此,本文设计了一种车辆姿态感知注意力增强网络以提高车辆在光照和角度等因素影响下的重识别效果。首先,将图片输入到卷积姿态网络中生成12个关键点重建车辆姿态信息,然后将输入图像车辆与目标图像车辆进行比较,提取出两辆车公共区域的特征;最后,计算车辆全局特征和局部特征之间的距离,并根据最终结果对识别结果进行排序。本文在Vehicle ID和VeRi776数据集上进行验证,实验结果表明,所提出的网络相较于其他模型top10的检测准确率提高了10%左右。     

基于图像处理技术的表盘指针角度识别研究

论文论述了变电站设备表盘指针角度识别的数字图像处理和图像识别的实现过程。给出了远程数字视频监控与识别系统的组成。分析并研究了可用于指针图像处理的图像分割、图像滤波及图像的膨胀细化等运算方法。提出了一种新的适合实际运行设备的指针角度识别方法一同心圆环搜索法，该算法的计算简单，实时性好，识别误差小。经过大量不同条件的实验，证明这种算法对于指针角度的识别是十分有效的。     

基于差异的图像特征描述及其在绝缘子识别中的应用

文中提出了一种新的特征描述方法用于目标识别以及实际航拍图像的绝缘子识别。定义了一种差异的计算方法,将图像的灰度值矩阵转换为差异值矩阵,将人眼对图像灰度差异敏感度的非线性关系转换为线性关系;之后针对差异值、形状、角度等特征进行区域描述以及区域之间联合特征描述。通过实验验证,提出的描述方法可以表示图像的灰度差异、形状变化等多个特征,将新的描述方法应用到实际航拍图像中,可以实现对绝缘子的识别。     

基于瞬时能量熵和SVM的滚动轴承故障诊断

针对滚动轴承故障振动信号的非平稳特性和难以获得大量实际故障样本的情况,提出了一种基于经验模式（EMD）分解的新型故障特征撮方法,并与支持向量机（SVM）相结合实现滚动轴承的故障诊断.该方法首先将振动信号进行小波包降噪,再对去噪信号进行EMD分解,求解分解后各单元的瞬时能量变化,取瞬时能量变化的熵值组成特征向量,最后将其作为支持向量机的输入实现滚动轴承故障分类.经过实验验证,该方法能够有效的识别轴承正常状态、内圈故障、外圈故障以及滚珠故障.     

基于时变自回归模型阶次判定值的滚动轴承特征提取

针对滚动轴承振动信号的非平稳性,提出了一种基于时变自回归模型阶数判定值的特征提取方法。通过用时变自回归模型定阶过程中的判定值构建特征量,并以支持向量机的分类识别率为依据选择最佳的特征向量维数,输入支持向量机进行滚动轴承运行状态的识别。仿真实验表明,所提方法能够有效地提取滚动轴承的故障信息进而实现其故障诊断。     

基于PCA相似系数与SVM的涡轮泵故障检测算法

提出了一种基于主元分析法(principal component analysis,PCA)相似系数与支持向量机(support vector machine,SVM)的故障检测算法用于液体火箭发动机涡轮泵试车后故障检测.该算法将历史信号按合理的步长分段,对信号段进行小波去噪预处理;再将每个步长信号平分为多段,采用主元...     

基于K-L特征提取与支持向量机的油浸式变压器故障诊断模型研究

针对变压器多故障问题,提出了基于Mercer核函数的欧式距离查询策略算法,并建立了基于Karhunen-Loeve(K-L)特征提取与支持向量机的变压器故障诊断模型,利用K-L变换提取信号的特征值,最后通过支持向量机学习算法完成对信号的选择与分类。通过实例应用表明:所训练的SVM分类器较之直接任意选取训练样本作为训练集的传统方法具有更高的诊断率。     

基于差值信号的故障特征提取及应用

以电路软故障作为研究对象,提出了一种基于差值信号做故障特征的方法。首先将被测电路中各状态的信号波形的数据与标准信号波形的数据作差值,差值作为新的数据组,再进行小波包变换提取特征向量,经主元分析后选取具有代表主要信息的作为综合特征向量,最后送到分类器进行诊断。实验结果表明此方法可以有效地将电路软故障区分开来。     

遗传优化支持向量机在软件缺陷预测中的应用

软件开发过程中对软件模块的可靠性进行预测可以有效地提高软件的质量。支持向量机可应用于建立软件缺陷预测模型。为提高预测模型的分类准确度,利用遗传优化算法选择出最优属性子集,从而降低数据样本中冗余属性带来的不利影响,利用支持向量机建立了一种高效的软件缺陷预测模型。实验结果表明,基于遗传算法和支持向量机建立的预测模型能够为软件缺陷预测提供较高的预测精度和效率,有着良好的应用前景。     

三电平有源电力滤波器IGBT开路故障诊断方法研究

针对三电平中点钳位式(Neutral Point Clamped,NPC)有源电力滤波器(Active Power Filter,APF)中功率器件IGBT开路故障的诊断问题,提出采用小波包分析故障信号,提取各频段能量系数作为故障特征,并利用网格搜索支持向量机(Support Vector Machine,SVM)进行分类的诊断方法。将所提方法应用于三个测试点进行测试,分别为逆变输出侧三相补偿电流、直流侧电容电压、电源侧三相电流,然后针对各信号的特点完成故障特征提取与故障类型识别,最后在谐波源三相整流桥触发角变化时进行了适应性实验,结果表明所提出的方法可分别基于三个测试点实现故障诊断,并且基于直流侧电容电压的测量方式对谐波源变化有良好的适应性。     

基于改进EEMD的高压断路器振声联合故障诊断方法

高压断路器是电力系统中关键的控制和保护设备,针对其故障诊断方法的不足之处,将振声数据级融合和特征级融合应用于高压断路器故障诊断方法。振声特征级融合诊断方法首先将采集到的声波信号通过快速核独立分量分析(Fast KICA)实现盲源分离处理,其次利用改进集合经验模式分解(EEMD)提取振动信号和声波信号的特征向量。振声数据级融合诊断方法首先构建振声联合图像,其次利用改进的BEEMD提取特征向量。最后将两种方法提取的特征向量输入支持向量机模型(SVM)进行故障诊断,实验结果表明,所提方法诊断高压断路器故障能取得良好的效果。     

一种基于扰动能量与功率谱的电容器组投切的定位方法

由于部分无功补偿装置本身的不成熟,容易产生误动现象,因此定位多条母线处的投切电容器组具有重要意义。以2条母线处电容器同时投切为研究对象,提出了一种利用扰动能量与功率谱作为特征,支持向量机作为智能分类器的定位方法。该方法首先使用扰动能量第一峰值的极性及其大小,判断电容器投切的主要区域;接着对区域内部分监测点的监测电压进行功率谱估计,计算所提出的2个特征指标;最后将这些特征量输入支持向量机,得到电容器投切的位置。在PSCAD/EMTDC中建立了简单配电网模型,仿真不同位置的电容器投切,测量母线电压暂态数据,所得数据导入Matlab进行处理,仿真结果表明,该方法对判定两两同时投切电容器组的位置具有较好的适应性,平均识别精度达到98.6%。