时频特征融合的交叉项消除及其故障诊断应用

提出一种基于线性时频分布和双线性时频分布的时频特征融合策略,既消除双线性时频分析的交叉项,又保持双线性时频分析的时频聚集性.仿真信号的分析说明了该融合策略的有效性.通过融合策略在轴承外圈故障以及齿轮箱故障情况下的特征信号的时频分析,表明该策略能有效表示信号中的故障特征对时间和频率的分布情况,是一种有效的故障诊断时频特征表示方法.     

基于轮廓分层描述的目标识别算法研究

有效的目标轮廓分段是描述目标局部特征的关键环节.针对现有轮廓描述算法存在轮廓分段不合理的问题,本文基于认知心理学,提出了分层描述的轮廓描述算法.算法思想是首先根据角点特征将整个轮廓划分成一些轮廓分段,接着对轮廓分段的分布特点提出价值尺度,然后将多级轮廓分段按照价值尺度原则合并得到有限个能够完整描述目标轮廓的特征分段,最后将特征分段综合考虑长度尺度应用到Shape Context相似度检测模型中进行目标识别.通过对MPEG-7图像数据库中的图像进行实验分析表明该算法能够完整描述目标图像的形状特征,提高了目标识别率和形状检索率,并对部分遮挡的目标也具有良好的鲁棒性.基本满足目标识别识别和形状检索对准确率、稳定性、抗遮挡能力等方面的要求.     

改进的奇异值分解在轴承故障诊断中的应用

滚动轴承是旋转机械设备的重要部件,对滚动轴承的故障诊断研究具有重要的意义。为了从复杂的轴承振动信号中提取有效的故障信息,提出了改进的奇异值分解故障诊断方法。阐述了奇异值分解与包络谱分析的原理,并对轴承振动信号构造Hankel矩阵进行奇异值分解。利用功率谱密度函数构造滤波器提高信号的信噪比,对滤波器处理后的信号再进行奇异值分解和包络分析,并将此方法应用于滚动轴承振动信号分析。实验结果表明:此方法对振动信号故障特征频率的提取效果具有明显优势。     

基于Wigner-Ville分布与小波尺度谱融合的时频特征提取方法

时频分布提供了信号特征在时间域和频率域的联合分部信息。作为两种典型的时频分布表示方法,Wigner-Ville分布(WVD)和尺度谱都存在的缺陷,体现在WVD存在严重的交叉项,尺度谱时频聚集性差。本文在WVD和尺度谱的基础上提出了一种以消除交叉项和保持高分辨率为目的的时频特征融合算法。仿真分析验证了该算法能够有效抑制交叉项,可以很好的保持时频分辨率,且抑制了弱噪声对于时频特征的干扰。通过仿真信号的分析将该算法与Cohen类时频分析方法进行比较,验证了其在时频特征表示方面的优越性。将时频融合算法应用于轴承振动信号的时频表示,结果表明该方法能基本消除时频特征表示中的交叉项且保持了较高的时频分辨率,验证了算法在信号特征表示方面的有效性。     

循环流化床锅炉循环除尘节能改造

广东粤嘉电力有限公司梅县发电厂5、6号锅炉是上海锅炉厂为燃用当地低质无烟煤而设计制造的SG-440／13．7-M566型超高压锅炉,采用循环流化床燃烧方式,石灰石直接输送至锅炉内实现炉内脱硫。锅炉采用福建龙净环保股份有限公司设计的静电除尘器。锅炉设计排烟温度为120℃,     

基于非局部理论的压杆稳定性及轴向振动研究

根据非局部弹性理论,研究压杆稳定性和弹性杆件轴向振动问题。结合三种典型边界条件,推导临界压力及固有频率非局部理论解。该显式解表明,无量纲小尺度参数的增大会使临界压力及固有频率减小。由压杆稳定性算例结果显示,非局部临界压力随着压杆长度的增加而减小,当压杆长度接近宏观尺寸时,临界压力趋于稳定。与经典连续介质力学相比,非局部临界压力及固有频率降低,说明经典力学高估小尺度下压杆受压承载能力及结构振动频率,随着压杆长度的增加,经典解与非局部解趋于一致。     

金属-空气电池氧还原反应催化剂研究进展

氧还原电极催化剂是金属空气电池的关键电极材料,综述了金属-空气电池氧还原电极催化剂的研究进展,包括贵金属及其合金、过渡金属氧化物以及过渡金属有机大环化合物等催化剂.过渡金属氧化物因价格低廉、性能优良而具有广阔的应用前景.通过对各种氧还原反应催化剂性能进行比较,认为未来金属-空气电池发展的关键在于寻求更高性价比的氧还原反应催化剂.     

超级电容器用MoO3/AC复合电极的制备

以七钼酸铵[(NH4)6Mo7O24·4H2O]和HAc为原料,制备了超级电容器电极活性材料-MoO3超细粉末.利用SEM、XRD、TG-DTG和IR等方法对样品进行了物理测试.用循环伏安研究了不同配比的MoO3和活性碳组成的MoO3/AC复合电极在不同电解液中的电化学性能.结果表明:当MoO3含量在0.3%～3.0%时,在酸性或碱性的电解液中,电极的电容量增加;在0.5 mol/L H2SO4溶液中,MoO3含量为1.41%时,MoO3/AC复合电极的比电容高达102.68 F/g.     

基于图像显著轮廓的目标检测

为了应对由复杂场景和目标形变所造成的目标难以检测的问题,提出一种基于图像显著性轮廓的目标检测方法.该方法首先利用全局概率边界算法（Globalized probability of boundary,gPb）提取图像轮廓,然后利用改进的最大类间方差法（Otsu）自适应地阈值处理获得图像的显著性轮廓;再通过检测并移除目标不稳定轮廓部分构造目标的鲁棒扇形模型;最后联合轮廓的多种局部及全局特征提出三种相似且基于特征概率密度分布的匹配策略,分别检测目标、目标镜面翻转以及发生旋转的目标.通过对多个数据库的实验分析,该方法能够有效地检测出目标及目标镜面翻转,同时在小偏转角范围有效检测旋转后的目标.     

形状的不变量特征提取与识别

目的 形状作为图像检索、目标识别等任务中的一种重要线索,一直是计算机视觉领域研究的重点课题。形状识别在实际应用中经常受到视角变化、非线性形变等因素的干扰,导致识别精度较低。针对这一状况,提出一种多尺度的不变量形状描述。方法 方法首先在多个尺度下对形状轮廓进行计算,提取5种不变量特征,以构建对形状的有效描述,然后利用动态时间规整（DTW）算法对形状描述进行匹配,计算形状之间的相似度,以完成形状的匹配与识别。结果 基于不变量多尺度的形状描述对于旋转、缩放、局部遮挡、铰接形变、类内差异,以及噪声等干扰具有很强的鲁棒性。同时,方法被用于对MPEG-7、Kimia99、Kimia216以及铰接形状数据库中的形状进行识别,取得了较高的识别精度,分别为91.79%、95.27%、91.33%,以及89.75%。此外,在MPEG-7数据库中进行形状识别的平均耗时为65 ms,优于大多数同类方法。结论 提出了一种基于不变量多尺度的形状描述方法。该方法能提取形状在不同尺度下的多种不变量特征,对形状进行有效描述,提高了形状描述对几何变换和非线性形变等干扰的鲁棒性以及形状匹配识别精度,适用于大多数应用场景下的目标识别任务。尤其是在旋转、缩放、类内差异、局部遮挡和铰接变形等干扰存在的情况下也能保持较高的识别正确率。