基于MMFD-FCM的退化状态识别方法及其应用研究

为了有效地对机械设备运行状态进行监测,进而对其性能退化状态进行识别,提出一种基于形态多重分形维数(MMFD)与模糊C均值聚类(FCM)的性能退化状态识别方法;该方法首先计算机械设备振动信号的形态多重分形维数,以此作为性能退化特征指标;该特征指标能够有效反映峰值在振动信号中概率分布的不均匀程度,从而定量描述振动信号的性能退化状态,并且与多重形态分形维数相比,利用数学形态学计算的MMFD精度更高,计算速度更快;在此基础上,鉴于不同退化状态之间的模糊性,针对性地采用模糊C均值聚类方法对特征指标进行模糊聚类,从而有效识别性能退化状态;将该方法应用于滚动轴承全寿命周期振动信号中,分析结果验证了该方法的有效性。     

基于DaVinci平台的桶标在线双目识别系统设计

为解决工业生产线灌装桶标在线识别,避免人工检测的疏失、降低工作量,提出并实现基于DaVinci平台和嵌入式图像检测技术的桶标在线识别系统,该系统采用双核处理器OMAP3530对运动桶标图像进行处理,并采用双摄像头、双处理器的双目并行处理架构解决灌装桶在生产线上不规则旋转识别,提出的嵌入式图像识别及融合决策算法克服了工业现场光线变化大、不规则背景扰动等干扰影响,经过现场2 000次随机试验,无漏识和错识虚警,仅存在部分因桶标遮挡、污损导致未识别,总识别率达到99.81%,满足实际使用要求。     

一种改进的人类动作识别和定位算法研究

针对现有人类动作识别和定位方法的不足,提出一种改进的人类动作识别和定位算法;该算法首先对每个视频帧进行分层分段,得到一组分段树,每颗树是身体分段树的候选;接着利用视频的轮廓、接合对象结构、全局前景色等信息对候选分段树进行修剪;最后在时域上对剩余分段层的每个分段进行前向和后向跟踪;基于难度较大的UCF-Sports和HighFive数据集对本文方法进行性能评估,实验结果表明,文章方法的性能要优于当前最新运动检测算法性能,运动定位性能与当前最新算法相当。     

融合RFID和条形码的工业炸药流向信息识别

工业炸药的流向监控是减少公共危害的重要手段,基础就是产品的信息标识与识别;为了解决此问题,提出基于RFID和条形码混合信息标识与识别模式,该模式个体标识采用条形码,批量标识采用RFID技术;利用Globe Class标准与LDAP技术,提出RFID信息获取模型与获取技术;实际应用表明,该模式即充分利用RFID远距离、多标签、大容量的特点,又兼顾遗留系统和条形码低成本优势,而且条形码与RFID标签建立了映射模型,识别准确率达到100%,较好解决了工业炸药全流程动态流向信息识别问题。     

一种基于分层的人类动作识别和定位算法研究

人类动作识别在视频自动分析、视频检索等领域获得广泛应用,是目前的研究热点。然而现有的动作识别方法重点关注视频的非静态部分而忽略大部分静态部分,从而影响了动作识别和定位的效果。本文提出一种新的分层空间-时间分段表示法,以分层方式实现部位和整个身体的多分辨率表示,可用于运动识别和定位。该算法分为3个步骤。第一步,首先对每个视频帧进行分层分段,以得到一组分段树,每颗树是身体分段树的候选。第二步,利用视频的轮廓、接合对象结构、全局前景色等信息对候选分段树进行修剪。第三步,在时域上对剩余分段层的每个分段进行前向和后向跟踪。我们以难度较大的UCF-Sports和HighFive数据集为实验对象,对本文方法进行性能评估,实验结果表明,本文方法的性能要优于当前最新运动检测算法性能,运动定位性能与当前最新算法相当。     

基于Choi-Williams分析与神经网络的两相流流型识别北大核心CSCD

提出一种基于Choi-Williams分析和神经网络的流型识别方法。使用阵列电导传感器获取垂直上升管道气液两相流流型信息,并将多元测量数据进行去噪和降维处理,进一步采用Choi-Williams分析将其转换为时频谱图,并构建数据集。分别搭建CNN、VGG-16和ResNet-18网络模型,将不同流型的时频谱图作为网络输入进行训练、测试。识别结果表明,Choi-Williams分析可以有效提取不同流型信号的特征,3种网络均具有较高的识别精度,其中ResNet-18网络准确率最高,平均流型识别率达99.4%。     

桥梁车辆荷载识别的贝叶斯方法研究

基于贝叶斯推理提出了一种可实现误差模式选择的桥梁车辆荷载识别方法。该方法通过静力影响线构建车辆荷载与实测响应的关系表达式,并建立修正曲面以消除动力效应造成的识别误差。引入与结构响应大小和车速相关的五种误差模式。根据假设的先验分布推导车辆轴重参数的后验分布,以获得车辆荷载的最优估计值和置信区间,并计算各误差模式的后验概率。分别采用简支梁数值算例和某连续梁桥动载试验,对该方法在不同车速工况下的识别精度和可靠性进行了验证。结果表明,修正曲面可以有效消除车辆动力冲击的影响,提高了荷载识别精度;荷载识别结果以置信区间形式呈现,可量化荷载识别结果的不确定性;贝叶斯方法能够识别出最佳误差模式,进一步提升了荷载识别的鲁棒性。     

基于 ResU-Net 的三维断层识别方法及应用

断层刻画了地层的边界位置,地震成像数据中反射层的不连续性可作为断层解释的主要依据。深度神经网络的强非线性性质可作为地震数据中断层不连续特征表达的有力工具,断层识别问题可视作一个像素级别的二分类问题,并使用深度学习方法对此问题进行建模求解。据此可给出一种端到端的基于深度学习网络的三维断层自动识别方法。首先利用地震子波与反射系数卷积合成多组三维地震数据,建立用于深度网络学习断层特征的样本数据,随后搭建网络进行训练,网络训练完成后应用于实际地震数据。鉴于残差模块可很好地提升网络泛化性能,所提出的将残差网络中的残差块结构引入U-Net中的方法,可用于提升通过合成数据样本训练得到的网络模型在训练数据之外,即实际地震数据上的断层识别性能。所建立网络用于断层解释时,输入为叠后三维地震数据,输出为相同维度的三维数据体,其中每一输出值代表输入三维地震数据相同位置处断层的概率。实际算例对比测试表明,此方法可对三维地震数据中的断层进行有效识别,在合成数据集上训练精度相差不大的前提下,引入残差模块的ResU-Net在实际地震数据上的断层识别泛化性能得到提升。     

语音识别技术研究

介绍一种实时语音识别系统,对语音识别系统的硬件组成及软件技术进行了论述,所开发的系统具有较高的识别精度,有较为广阔的应用前景。     

基于小波变换和人工神经网络的保护模型

采用一种结合小波变换和神经网络原理的模型,来识别电力系统短路故障．用小波变换提取测量信号的特征量,作为多层前向神经网络的输入．对不同的输出要求,采用不同的神经网络,判断出发生故障的相别、性质和位置．实验结果表明,该模型是有效、可行的．