基于神经网络的回转窑火焰图像分割

回转窑火焰图像的正确分割对于提取回转窑工况参数具有重要的意义。本文研究了多层感知器、径向基函数网络、学习向量量化网络和自组织特征映射网络等四种神经网络在回转窑火焰图像分割中的应用。选取火焰图像的归一化色彩值作为训练样本,分别采用有导师学习和无导师学习两种方法进行训练。对实测图像进行分割的结果表明,本文提出的方法很有效。     

基于图像校正的炉膛火焰检测算法

针对基于图像处理的炉膛火焰检测系统中实际采集到的火焰图像与实际火焰产生变形的问题，提出了基于图像校正的炉膛火焰检测算法。实验结果表明采用该方法可以有效地提高燃烧诊断的准确性。     

基于特征融合的AGV小车图像数字识别方法

针对自动引导车上的图像数字在识别时受现场环境影响大的缺陷，提出了一种基于特征融合的自动引导车图像数字识别方法，它将各工位图像数字归一化处理后，提取灰度信息、改进的穿越线特征等特征量进行特征融合计算，并输出最后结果。现场运行实验表明：在有噪声的情况下，该方法不仅能够提高图像数字的识别率，并且对由环境影响所导致的图像数字局部污染与残缺具有很好的鲁棒性。     

基于Matlab的火焰图像着火点位置探测方法

介绍了一种在HSI彩色空间中对前景累积图像进行阈值分割的火焰图像分割算法,通过火焰的闪烁频率设定分割阈值,结合图像的颜色、质心等特征确定火焰位置,区别火源与干扰图像;采用Matlab软件对算法的可行性进行了实验,结果表明:该算法可以分割出完整的火焰图像区域,确定着火点位置。     

基于RBF网络的眼睛状态识别

在基于视频分析的驾驶员状态检测过程中,对驾驶员眼睛状态的检测是关键一环.经研究发现,人在清醒、疲劳、睡眠时,眼的张开程度不同,并且这3种状态时眼睛区域二值化图像的水平投影有明显区别.提取眼睛区域二值化图像水平投影特征,利用RBF网络分类器识别驾驶员眼睛的状态.实验结果表明,方法可行,并取得满意效果.     

基于时频图像极坐标增强的柴油机故障诊断

针对柴油机不同部位的机械故障特征容易混淆且呈现非平稳循环特征的特点,提出了一种基于时频图像极坐标增强的柴油机故障诊断方法。将振动信号Gabor变换的时频特征通过等角度采样映射为极坐标图上某一区域的显著增强的特征,实现了周期瞬态特征的增强。提取不同技术状态振动信号6个工作循环内的极坐标图上区域能量特征作为故障特征参数,输入支持向量机进行分类训练和模式识别。试验结果表明,针对柴油机的5种典型故障,该方法能显著增强故障特征,有效提取故障特征信息,准确识别出不同类型的磨损故障。     

基于循环一致性对抗网络的室内火焰图像场景迁移

基于深度学习的视频火灾探测模型的训练依赖于大量的正负样本数据,即火灾视频和带有干扰的场景视频。由于很多室内场合禁止点火,导致该场景下的火灾视频样本不足。本文基于生成对抗网络,将其他相似场景下录制的火焰迁移到指定场景,以此增广限制性场合下的火灾视频数据。文中提出将火焰内核预先植入场景使之具备完整的内容信息,再通过添加烟雾和地面反射等风格信息,完成场景与火焰的融合。该方法克服了现有多模态图像转换方法在图像转换过程中因丢失信息而造成的背景失真问题。同时为减少数据采集工作量,采用循环一致性生成对抗网络以解除训练图像必须严格匹配的限制。实验表明,与现有多模态图像转换相比,本文方法可以保证场景中火焰形态的多样性,迁移后的场景具有较高的视觉真实性,所得结果的FID与LPIPS值最小,分别为119.6和0.134 2。     

基于SCADA数据的风力发电机轴承状态识别方法

提出一种基于SCADA数据的轴承状态识别方法。首先,从SCADA运行数据中提取与轴承状态相关性较高的发电机轴承温度、发电机转速、有功功率、机舱环境温度等原始特征;然后,构建了轴承温度与环境温度差,前、后轴承温度差以及多尺度的轴承温升监测值等敏感特征;最后,采用随机森林算法建立智能识别模型对发电机轴承进行状态辨识。风电场实例数据的验证结果表明,本文构建指标能有效提高模型的辨识性能,与随机森林算法相结合能够实现风电机组发电机轴承全类型状态的有效辨识。     

基于振动图像特征的机械状态异常检测算法

针对实时监测得到的振动信号,从图像角度出发,提出了一种新的特征提取方法.首先,将实时监测得到的连续信号划分为独立的循环片段,将各个片段内的一维振动信号重构成二维灰度图像,在此基础上对灰度图像进行特征提取;其次,通过计算相邻周期图像间的相似性建立能描述机械运行动态特性的量化指标;然后,采用拉依达准则对机械设备运行状态进行...     

大空间火灾火焰图像分割区域的静态特征描述与提取

大空间火灾的有效检测对预防火灾、保护人员生命财产安全有着至关重要的作用。基于火焰视频图像的检测结果,对分割出的火焰图像进行静态特征描述和分析,提取出火焰候选区域的多种定量特征描绘子,并从颜色特征、纹理特征和形状特征这三个方面来描述火焰影像区域的静态视觉特性。试验结果表明利用火焰影像的颜色矩特征能够区分一般干扰物体;利用纹理特征能有效排除与火焰像素颜色相近的干扰物体;同时,采用圆形度作为火焰图像区域的形状特征描绘子也能排除常见的干扰模式,从而对火灾事件进行准确而有效的识别,减少识别误报率。     

基于多波段深度神经网络的舰船目标识别

考虑多波段图像的融合识别可以扩展识别系统的应用范围,本文探索并设计了一种基于卷积神经网络的融合识别方法。该方法以AlexNet网络模型为基础,同时对可见光、中波红外和长波红外三波段图像进行特征提取;然后,利用互信息的方法对串联的三波段特征向量进行特征选择,依据重要性排序的方式选定固定长度的特征向量;最后,依据特征提取层级的不同,分别以早期融合、中期融合和后期融合3种融合方式来验证算法的有效性。采用自建的三波段舰船图像数据库进行了模型的训练和测试,共包含6类目标,5 000余张图像。实验结果显示,采用的3种融合识别方法中,中间层融合的识别准确率最高,达到84.5%,比早期融合和后期融合分别高5%和7%左右。另外,在本文的应用场景下,无论何种融合方式,其融合识别的准确率均明显高于其他单波段识别的准确率。     

支持车间计划滚动的物料工艺状态描述

基于目前多种管理软件中工艺状态描述方法的优缺点,针对企业因订单改变、物料供应短缺、加工过程中机器故障等原因造成物料加工中断,导致生产计划滚动和重排而出现停滞的现象,提出了基于16进制的物料工艺状态描述方法。通过建立物料工艺状态矢量,用该矢量确定工艺状态值,准确描述物料的工艺状态信息,实现了一道工序在加工过程中的中间状态描述,解决了因出现异常现象引起的生产计划重排的停滞问题,使车间生产计划的实时滚动达到准确可行。通过将物料工艺状态矢量进行分块处理,引入物料工艺状态域和物料域工艺状态值的概念,满足了实际生产中对物料工艺状态信息的完整描述,为企业科学管理物料和实时滚动车间作业计划提供了有效的技术手段。     

Feature extraction method of abrasive belt wear state for rail grinding

Abstract

Abrasive belt has the advantages of high removal efficiency and high waste collection; furthermore, it does not easily damage the rail when applied in rail grinding. However, the poor wear consistency and short service life restrict its development in this field. It is important to explore the theory and technology of monitoring the abrasive belt wear condition to evaluate the means of improving the grinding performance of the belt. This article discusses the contact stress state between the belt and the rail surface. In addition, the study establishes the belt rail grinding force model during operation using the abrasive grain distribution function. The analysis of the force model proposes that the belt abrasion condition be monitored by using the force ratio parameter of the abrasive belt in the grinding process. The extraction method of the force ratio information is proposed in accordance with the grinding environment. The results of experiments successfully verified the validity of the method.     

基于过滤器-封装器组合模型的故障特征选择算法

利用过滤器法运行速度快和封装器法精度高的优点，提出了一种新的Filter—Wrapper两阶段组合式特征选择算法。在Filter阶段，算法采用Fisher准则对特征进行排序；在Wrapper阶段，以分类器的性能作为适应度函数，根据特征排序结果采用遗传算法搜索特征子集。运用滚动轴承故障模拟试验的数据对所提出的算法进行了验证，结果表明，相比单一的过滤器法或封装器法，该算法能够同时提高特征选择的性能和效率。     

基于泡沫纹理信度分配SVM的矿物浮选工况识别

针对矿物浮选过程中泡沫纹理各向异性、纹理特征信度差异以及类间样本数分布不均等问题,提出一种浮选工况的自动识别方法.首先基于多角度融合的空间灰度共生矩阵计算角二阶矩、熵、惯性矩、逆差矩和相关性等二阶统计量描述泡沫纹理特征,然后引入信息熵的概念,以二阶统计量的信息增益分配各种纹理特征对分类器的信度,再通过类间样本数加权策略消除样本分布的不平衡性,最后实现了一对一加权支持向量机的浮选工况识别.工业现场泡沫图像测试结果表明,该方法能够有效降低小样本的错分率,提高整体识别率.     

基于批次的钢铁行业物料工艺状态描述方法

在分析钢铁行业对物料工艺状态描述要求的基础上,提出了基于批次的钢铁行业物料工艺状态描述方法。该方法将批次和工序相关联,通过工序批次状态矢量、合批批次追溯矢量和合批炉次追溯矢量表达工序维动态信息,并制定了相关的转换规则,结合属性维和时间维建立了物料工艺状态的三维描述模型。经企业应用表明,该方法能够实现钢铁行业实际生产中对物料工艺状态信息的完整描述,解决了在制品的物料管理等问题。     

用于遥感图像目标快速匹配识别的改进混合溢出树算法

提出一种基于标记的混合溢出树(SHSPT)特征匹配算法,用于遥感图像的目标匹配识别。针对特征数据建立和预处理,提出了基于中心点的数据分割方法,通过定义数据密集区域的中心,舍去边缘稀疏数据,提取出分割后的数据。进行特征匹配时,使用二进制数组表示数据空间,标记分割后的特征向量数据,通过比特操作计算特征向量间的距离,缩短计算时间。最后对特征匹配方法进行改进,采用待匹配特征距离的均值代替尺度不变特征变换(SIFT)匹配算法的次临近特征距离,从而得到更多的匹配点。实验证明,基于标记的混合溢出树特征匹配算法占用内存空间比传统的混合溢出树算法减少约68%,匹配准确度与原算法接近,匹配时间平均缩短了约32.8%,解决了航天遥感图像数据量大,特征维数较高,匹配识别时间长,占用计算机内存大等问题。     

基于扩展卡尔曼滤波的回声状态网络在线训练算法

针对在线应用中回声状态网络(echo state network,ESN)的储备池适应性和训练算法效率问题,文中提出一种基于扩展卡尔曼滤波(extended kalman filter,EKF)的ESN在线训练算法。该算法以ESN的储备池参数以及输出连接权矩阵为目标参数,利用EKF对其进行联合训练提高储备池适应性,并能够有效地克服交叉验证参数选择导致的ESN训练效率下降问题。Lorenz混沌时间序列以及移动通信话务量时间序列预测实验证明,新方法可显著提升ESN算法的总体计算效率。     

基于二进制粒子群优化算法的行人检测

针对汽车前方道路上的行人安全问题,对道路行人采用二进制粒子群优化算法（BPSO）进行了检测,以确保行人的安全。首先,对随机采集的道路行人图像样本进行了二维离散余弦变换（DCT）,将行人的描述从图像空间转换为用少量数据点来表示频率域空间,再利用DCT算法的对称性,解压缩图像,获得了行人图像的特征向量;其次,应用BPSO算法对得到的特征向量进行了特征选择,从行人频域特征空间中,提取了有价值的特征子集,得到了最具代表性的行人特征,完成了行人检测。试验结果表明,在样本数量较少的情况下,无论在检测正确率还是检测实时性方面BPSO算法都优于传统的支持向量机（SVM）算法。研究结果表明,二进制粒子群优化算法能够高效快速的检测到行人,为车辆主动安全技术提供重要基础,对于减少交通事故具有重要意义。     

Dual extended Kalman filter for combined estimation of vehicle state and road friction

Vehicle state and tire-road adhesion are of great use and importance to vehicle active safety control systems. However, it is always not easy to obtain the information with high accuracy and low expense. Recently, many estimation methods have been put forward to solve such problems, in which Kalman filter becomes one of the most popular techniques. Nevertheless, the use of complicated model always leads to poor real-time estimation while the role of road friction coefficient is often ignored. For the purpose of enhancing the real time performance of the algorithm and pursuing precise estimation of vehicle states, a model-based estimator is proposed to conduct combined estimation of vehicle states and road friction coefficients. The estimator is designed based on a three-DOF vehicle model coupled with the Highway Safety Research Institute(HSRI) tire model; the dual extended Kalman filter (DEKF) technique is employed, which can be regarded as two extended Kalman filters operating and communicating simultaneously. Effectiveness of the estimation is firstly examined by comparing the outputs of the estimator with the responses of the vehicle model in CarSim under three typical road adhesion conditions(high-friction, low-friction, and joint-friction). On this basis, driving simulator experiments are carried out to further investigate the practical application of the estimator. Numerical results from CarSim and driving simulator both demonstrate that the estimator designed is capable of estimating the vehicle states and road friction coefficient with reasonable accuracy. The DEKF-based estimator proposed provides the essential information for the vehicle active control system with low expense and decent precision, and offers the possibility of real car application in future.