MOMEDA结合数学形态滤波的齿轮故障特征提取

为了实现齿轮故障特征的有效提取,针对齿轮早期故障振动信号非线性、非平稳且信噪比低的特点,提出了一种基于多点最优最小熵反卷积(MOMEDA)和数学形态滤波的齿轮故障特征提取方法。首先利用MOMEDA恢复信号中的周期性故障特征并实现信号的降噪,再运用形态差值滤波器对解卷积后的信号进行滤波以增强信号中的冲击特征,最后对滤波结果求取频谱以进行故障特征提取;通过对仿真结果和实验数据的分析验证了该方法的可行性和有效性。结果表明,该方法具有抑制噪声和提取周期性故障冲击特征的能力,能够实现齿轮故障特征的提取。     

红外探水技术在隧道超前地质预报中的应用

对于超前地质预报,红外探水技术具有较高的应用空间,红外探测仪是一种非接触式防爆红外探测仪,其灵敏度高,可应用于煤矿井下的红外探测,如探水、探火、探瓦斯等防灾工作。通过对红外探水的基本原理、方法、布置方式和预报方式进行介绍,并对本技术在隧道超前地质预报应用中的优劣利弊进行阐述研究,为工程施工提供有价值的地质信息。     

扩展稀疏表示稳健HRRP目标特征提取方法

为提高低信噪比下高分辨一维距离像目标识别性能，提出扩展稀疏表示的噪声稳健目标特征提取方法。本方法通过对稀疏表示的扩展，实现对目标高分辨一维距离像局部特征与全局特征的提取。其中，在训练阶段利用支持向量理论与字典学习原理，对特征提取字典进行优化提高特征向量的可分性。在测试阶段，利用因子分析模型匹配方法对去噪声字典进行优化，从而实现对噪声的有效抑制，保证了目标识别系统的噪声稳健性。利用实测数据对本方法性能进行测试，结果表明本方法可在低信噪比条件下有效地恢复目标高分辨一维距离像，并实现较高的识别正确率。     

一种家用手持式红外偏振光治疗仪的设计与实现

红外偏振光治疗仪是一种将红外技术与电子技术应用到医学领域的康复理疗设备,主要用于软组织损伤和慢性疼痛的康复治疗,已在医院得到了推广使用。然而,现有医院使用的台式治疗仪由于体积大、售价高等特点,不方便居家使用。为了开发体积小、售价低、家庭可用的红外偏振光治疗仪,满足家用市场的潜在需求,本文提出了一种新的便携手持式红外偏振光治疗仪,并开发了该智能控制系统。本文首先介绍了一种新的家用手持式治疗仪应具备的特点和关键技术指标,在此基础上设计了手持式治疗仪的硬件总体方案和软件架构,简要介绍了该治疗仪的一些关键技术,最终实现了治疗仪样机的研制。为了验证该样机的性能,本文通过大量的测试,结果表明,研制的手持式红外偏振光治疗仪在关键参数指标上达到了医院同类产品的水平,能够很好地满足家用的需求,具有良好的市场前景。     

美国研究人员谈红外系统的最新进展(下)

小型红外探测器系统与传统的红外系统相比,小型红外探测器具有迥然不同的系统特点。首先,它们在小F数下拥有远距离目标识别能力。大多数研究人员习惯于讨论具有大F数的远距离传感器,这主要是因为多年来人们一直在追求大规格探测器。而可见光成像仪的研究始终是围绕小F数下的远距离成像能力进行的。由小型探测器构成的高密度阵列不仅可以提供远距离识别能力,而     

云计算设备中的大数据特征高效分类挖掘方法研究

云计算设备中的大数据分类挖掘是现实模式识别和智能控制的基础,传统方法中对云计算设备中的大数据挖掘采用拓扑结构网格分区挖掘算法,不能有效提取大数据的细节特征,分类的准确性不好。提出一种基于分数阶Fourier变换特征匹配和K-L分类的云计算设备中的大数据特征高效分类挖掘算法。进行云计算设备中大数据存储机制体系分析,采用分数阶Fourier变换进行云计算设备中大数据特征提取和大数据特征匹配,基于K-L变换,选择最优的路径进行分类空间导引,构建了K-L大数据特征分类器,进行云计算设备中的大数据特征分类挖掘。仿真结果表明,采用该算法进行云计算设备中的大数据特征分类挖掘,特征分类挖掘的准确度较高,能量开销较少,效率较高。     

基于微波技术与红外技术的高压危险距离预警器

电力系统发展到今天,高压输配电无处不在,与此同时,高压引发的一些事故也引起了人们的关注。控制好高压安全距离是防止高压触电事故的根本措施,而传统的警示牌警示作用有限,在一些大雾大雪天气几乎起不到作用。本系统采用微波探测器与红外探测器双踪探测,灵敏度高,抗干扰能力强。采用声光报警系统,警示作用明显,能够很有效地控制高压危险距离,防止高压触电事故。