应用序贯相似检测的基本矩阵快速鲁棒估计

提出了一种基于序贯相似检测( SSDA)的快速鲁棒基本矩阵估计算法来估计基本矩阵.在最大后验一致性(MAPSAC)算法中引入SSDA搜索最优模型参数,通过及时剔除错误模型减少计算成本函数的累加次数,不仅保持了MAPSAC的良好鲁棒性,而且有效减少了算法的计算量.用M估计算法对改进的MAPSAC算法获得的初始内点集进行优...     

基于负荷路径的序贯蒙特卡洛模拟法的配电网可靠性计算

随着配电网设备的逐渐增加,设备多、网架结构复杂的特点使得配电网的可靠性评估变得更加复杂。鉴于此,提出了基于负荷路径的序贯蒙特卡洛模拟法(Sequential Monte Carlo simulation method based on load path,SMCM-LP),通过遍历搜索负荷路径、故障模拟、指标统计、系统指标计算,实现大规模复杂配电网的可靠性评估。SMCM-LP继承了序贯蒙特卡洛模拟法(Sequential Monte Carlo simulation method,SMCM)计算的收敛速度和误差大小与网架结构的复杂度无关的优点,而负荷路径的搜索和统计指标的设计减少了计算时间,提高了计算效果,因此非常适用于网架结构复杂的配电网的可靠性评估。     

累积冲击作用下可恢复退化过程的可靠度评估

以对激光器进行可靠度评估为背景,在考虑累积冲击与自然退化同时引起产品失效的基础上,重点研究了冲击时间间隔对产品退化量的影响,建立了累积冲击作用下可恢复的退化模型。根据自然退化过程及泊松冲击更新理论,研究了累积冲击模型和累积冲击下的退化失效模型。引入条件分布,分析冲击时间间隔对退化量的影响,得出了累积泊松冲击下的可恢复退化失效模型。结合性能退化分析,给出了可恢复的退化过程的失效分布函数和可靠度函数。进行了激光器退化试验,结果表明:当激光器工作2 000h时,利用累积冲击下可恢复的退化失效模型评估得到的可靠度为0.53,与仿真结果相符,为利用累积冲击下退化失效模型评估得到的可靠度的2.79倍。结果验证了本文提出的利用可恢复的退化模型进行可靠度评估的合理性。     

基于YOLO算法的车辆实时检测研究

随着科学技术的不断发展,人工智能已经融入航空、汽车、航海等领域,人们对智能交通的迫切需求已经成为当今社会迅速发展的趋势。近年来在自动驾驶领域中针对传统的图像识别分类问题,目标检测更符合对行人和车辆实时检测的现实需求。与传统的识别不同,YOLO(You Look Only Once)是一个将目标检测作为回归问题的识别算法,它具有检测速度快、全局性好、泛化性强等特点。本文研究了YOLO算法的实现,并基于Opencv计算机视觉库在Visual Studio开发环境中进行了YOLO算法测试,实验结果表明,车辆识别准确可靠。     

基于序贯验后加权检验的鱼雷抽样检验分析

Bayes理论是分析研究具有小子样特点鱼雷可靠性的有效方法,文中基于序贯验后加权检验的思想,给出针对二项分布的抽样检验基本方法,并将其应用在鱼雷系统抽样检验试验中.该方法充分利用抽样试验之前所能获得的先验信息,可有效减小试验所需的样本容量.最后以鱼雷系统为例进行分析,仿真结果验证该方法在减小试验样本容量的有效性,为鱼雷可靠性抽样检验试验提供一种新的分析方法.     

基于在线贯序极限学习机的齿轮故障诊断方法

针对表征齿轮故障信息的特征难提取与极限学习机无法处理随时间变化的信息流,致使齿轮故障分类模型精度差、泛化能力弱的问题,提出一种基于在线贯序极限学习机的齿轮故障诊断方法。该方法首先将齿轮振动信号进行相空间重构,并对重构矩阵进行奇异值分解得到奇异值特征向量;其次,建立在线贯序极限学习机的齿轮故障分类模型,并将奇异值特征向量作为模型输入进行齿轮不同故障状态的辨识。实验结果表明:与基于BP、SVM与ELM的故障分类方法相比,基于基于在线贯序极限学习机的齿轮故障诊断方法具有更快的学习速度、更高的分类精度与更强的泛化能力。     

基于性能退化模型的万能式断路器操作附件实时剩余寿命预测

针对万能式断路器操作附件的个体差异性以及在实际使用过程中动作不频繁的特性,提出一种基于性能退化模型的万能式断路器操作附件实时机械剩余寿命(RUL)预测方法。不同于传统的RUL预测方法,该方法融合了操作附件的历史退化数据与实时更新的状态监测(CM)数据。首先,考虑到操作附件性能退化过程具有线性非单调的特点,建立基于Wiener过程的操作附件性能退化模型;其次,对操作附件的历史退化数据采用极大似然估计法和一维搜索法确定模型参数的先验分布;然后,运用贝叶斯方法并结合操作附件实时更新的CM信息对模型参数进行迭代更新;基于首达时间的概念建立了RUL预测模型,以实现对断路器操作附件实时RUL的预测。最后,通过操作附件的寿命数据对本文所提方法进行验证,结果表明本文方法不仅可实现操作附件的实时剩余机械寿命预测,同时相较于其他文献方法具有更高的预测精度。     

基于改进交互验证策略的序贯响应面建模方法

序贯响应面建模方法通过渐近地增加样本量实现响应面模型拟合精度与计算成本的折衷,因此,再采样策略的选取成为序贯响应面建模应用的关键问题.文中分析极大极小距离策略和交互验证策略存在的问题,提出基于改进交互验证策略的序贯响应面建模方法.最后,通过实例说明,改进交互验证策略可有效减小拟合响应面模型的样本量,降低计算成本,节约计算资源.     

基于Kriging函数的序贯近似建模方法

多学科设计优化过程中需要多次调用高精度学科分析模型,从而造成计算复杂性问题.为解决上述计算复杂性问题,首先提出基于最优LHD的逆序贯试验设计方法,在此基础上结合模型验证,建立了基于Kriging函数的序贯近似建模方法,提出了序贯近似建模收敛准则,通过权衡训练样本数据数量和近似精度,得到精度与效率折衷的近似模型.数学算例证明了该方法的有效性.     

基于设计参数估计的产品变型设计

针对定制产品变型设计中设计参数不完全的问题,提出了基于已有产品数据资源进行设计参数估计的变型设计方法.在该方法中,每一个产品的设计方案对应一组完全的设计参数,并记为一个向量,定制产品中未知的设计参数可以根据已知设计参数和已有的产品数据资源,通过极大似然估计得到.通过运用期望最大化算法,简化了设计参数极大似然估计的运算,给出了运用期望最大化算法实现未知设计参数推断的迭代过程.设计了变型设计系统的框架结构,给出了变型设计的过程.最后,用一个实例对该方法进行了验证.     

工作流多过程动态时序一致性的实时模型检测

现实企业中通常存在多个并行的工作过程,并且它们之间可能存在资源冲突。在运行阶段,动态验证资源约束下多个过程的时序一致性具有重要意义。基于实时模型检测技术,提出一种工作流多过程时序一致性动态验证方法。采用时间自动机(Time automata,TA)对多个并发过程建模,并将所需验证的时序约束转化为对TA模型的性质查询。当运行到检测点,依据已知的时间信息更新TA模型,再进行相关性质查询,从而完成时序约束的验证。该方法实用性较强,能够有效处理现实业务环境中资源约束情况下多个业务过程的动态时序验证问题。具有较好的柔性和扩展性,当时序约束发生变化时,仅需改变相应TA模型。本方法有多种实时模型检测工具或软件的支持。     

基于LabVIEW的管道泄漏检测SPRT算法实现研究

利用序贯概率比检验法检测油气管道泄漏是一种较新的方法。针对原始压力信号噪声的非高斯性,采用卡尔曼滤波器进行预处理,提高了序贯法判断泄漏的准确性。分析了传统压力梯度法的不足,借鉴负压波定位中的时间差法定位泄漏点,提高了定位的精度。并且本文结合LabVIEW平台开发了相应的卡尔曼滤波程序和SPRT算法程序。实验结果表明,本文设计的程序有效可靠,这种管道泄漏检测方法值得推广。     

基于正弦高斯混合模型的磁目标通用快速检测

在诸如潜艇等磁目标的探测问题中,被测磁目标信号可能表现出参数待定的磁异信号或极低频磁信号的特征。提出了一种可同时检测参数待定的微弱磁异信号和微弱极低频磁信号的通用快速检测方法。通过抓住磁异信号和极低频磁信号在统计上共同具有的分段类正弦特征,建立了正弦高斯混合模型,实现了对参数待定的磁异信号和极低频磁信号的通用建模。基于正弦高斯混合模型和序贯检测理论构建了一种累积和检测器,实现了对微弱磁异信号和微弱极低频磁信号的通用快速检测,给出了未知模型参数的确定方法,分析了所构建检测器的序贯检测性能。并进一步研究了所构建检测器对不同的微弱磁异信号和微弱极低频磁信号的检测性能。在以地磁为背景的磁目标探测系统实验中,验证了所构建检测器对微弱磁异信号和微弱极低频磁信号的通用性和快速性。实验表明,所构建检测器的信噪比可低至-8 dB,计算量相比于传统检测方法降低4个量级。     

装备部件平均修复时间的序贯验后加权检验方法

在Bayes理论基础上,采用序贯验后加权检验(the sequential posterior odd test, SPOT)方法可以有效地减少试验所需的样本容量.首先针对对数正态分布均值的SPOT方法进行了深入分析,给出了在抽样试验之前确定假设检验问题所需样本容量和决策阈值的计算方法,然后结合装备部件维修性试验数据和结果进行了对比分析,验证了该方法在减小样本容量及提高试验效费比方面的有效性.     

基于实时预测学习分类的脸像快速检测方法

视频图像中脸像检测是近年来视觉图像检测和模式识别领域的研究热点。提出一种基于实时预测学习分类的脸像快速检测算法,即ARMA-Boost算法。首先根据脸像位置先验信息,利用ARMA模型(auto-regressive and moving average model)预测脸像位置区域,然后采用AdaBoost算法对预测区域进行脸像检测。该方法在时间维度对AdaBoost算法进行扩展,减小脸像搜索范围,提高检测效率。利用该方法对离线视频文件和CCD图像传感器实时脸像视频进行检测,实验结果表明,与支持向量机、传统AdaBoost和基于优化肤色模型的AdaBoost改进算法相比,ARMA-Boost算法脸像检测准确率高,实时性更好,可以对视频脸像进行快速检测应用。     

基于ZMP和实时检测的机器人步行研究

介绍了仿人二足步行机器人步态规划的分类，采用了其中基于运动学和动力学方法的步行和基于人类行走数据的步行相结合的方法。以ZMP判据为依据，提出了仿人机器人的动态步行的一种规划方法，同时还在步行过程中，通过处理力／力矩传感器获得的数据。计算出实际ZMP，然后进行ZMP的实时调整以保证步行的速度和稳定性。     

基于序贯压缩感知的自适应宽带频谱检测

信号信息处理的新技术压缩感知,提供了认知无线电中宽带频谱检测的新方案.该方案的一个主要问题是在不知道信号稀疏度的前提下如何确定所需要的随机观测次数.提出一种基于序贯压缩感知的自适应检测方案.次用户利用模拟/信息转换器输出观测序列并进行自相关运算,相邻两次自相关观测向量输入融合中心经由SSAMP协作重构算法估算重构误差,并自适应确定所需的最小观测次数.精确重构的稀疏向量利用基于置信度的DS融合算法对主用户宽带频谱占用做出决策.仿真结果证实了误差估计及自适应协作检测的有效性.同时,SSAMP算法与经典的SOMP算法在重构均方误差和检测时间两方面进行了对比.     

[智能感知]基于YOLO_v2模型的车辆实时检测

In order to solve the problems of poor real-time detection and single acquisition information from vehicle-mounted camera, a real-time vehicle detection algorithm was proposed based on improved YOLO_v2 model. Based on the YOLO_v2 network structure, a vehicle detection model was established, which proved that the YOLO_v2 algorithm had high accuracy and good real-time performance in vehicle detections. And the YOLO_v2 algorithm was improved so that the improved one might perform multi-dimensional judgments on the vehicle-mounted video informations： judging whether there was a vehicle and the vehicle positions in the pictures, judging the relative positions to camera and the movement trend of the detected vehicles, judging the danger degree of the detected vehicles to the own vehicle. The experimental results show that the improved model achieves good detection effectiveness on vehicle-mounted video, solves the problems of low real-time vehicle detections in vehicle-mounted video, extends the traditional vision-based vehicle detections from single dimensional detections to multi-dimensional detections.     

基于多帧图像焊缝缺陷轨迹跟踪的X射线实时检测技术

正基于X射线实时成像的焊缝缺陷在线检测是重要焊接结构连续生产过程中的关键环节,而动态图像处理技术是实现在线自动检测的关键。对于高噪声焊缝X射线实时图像,采用单帧图像处理算法无法克服缺陷误检与漏检之间的矛盾,需要研究多帧关联的图像处理方法。目前该领域已有的X射线多帧实时动态图像处理主要采用图像匹配方法或帧间缺陷匹配方法,前者在进行相关度计算时实时性较差,后者对低对比度缺陷容易产生漏检。另外,现有的焊缝缺陷检测图像处理算法对     

基于实时语义分割模型的机场道面裂缝检测方法研究

机场道面裂缝影响着飞机的安全起降,当前机场主要依靠传统的人工巡查方式检测道面裂缝。随着深度学习算法的快速发展,语义分割模型在保证精度的前提下推理速度不断提高,为自动实时检测道面裂缝提供了技术支撑。在此背景下,结合语义分割模型的研究成果,提出了一种在机器人巡检过程中实时检测机场道面裂缝的方法。