基于动态Voronoi图的多核处理器非均匀采样热重构改进方法

微处理器热监控中不精确的热点温度估计会导致错误的预警和不必要的响应.为了更好的监控微处理器的运行温度，提出了一种基于动态Voronoi图的多核处理器非均匀采样热重构改进方法.实验结果表明：该方法比现有的频谱技术在热重构平均温度误差和热点温度误差精度方面有了一定提高，能够有效运用在动态热管理技术中实现精确的全局和局部温度监控.
     

基于IFCM-GRA的空间多维热误差温度测点优化

热误差是精密、超精密加工中主要的误差源之一,热误差温度测点优化是热误差补偿的关键问题.在机床空间多维布置的大量温度测点之间存在多重相关性,从众多测点中选取特征点的优劣程度,将直接影响到热误差补偿效果.通过对温度测点间多重相关性及温度与热误差关系的综合分析,采用改进的模糊C-均值(IFCM)聚类算法对温度测点进行聚类,以减小类与类之间温度测点的相关性,且避免FCM算法对初始聚类中心敏感易局部收敛的缺点.对温度测点按灰色关联分析(GRA)中的灰色综合关联度进行排序,从变化量和变化率的角度综合反映温度与热误差的关系.采用IFCM-GRA对温度测点进行优化,提高了热误差模型的鲁棒性及准确性,使温度测点数量大幅度减少.在某型号精密卧式加工中心上进行实验,温度测点从17个减少到4个.在不同转速下,利用多元线性回归对优化出的温度测点与热误差建立模型,所建立模型均能很好地预测热误差变化情况,经对预测模型分析,轴向热误差由几十微米减小到5μm以内.     

一种对于K-means算法的改进

数据聚类是一个功能强大的技术,它能够把数据特征相似的对象划分为一类,但是并不是所有的聚类算法的实现都能产生相同的聚类结果;并且K均值算法的结果很大程度上依赖它的初始中心的选择;提出了一种新颖的关于K均值初始中心选择的策略;该算法是基于反向最近邻(RNN)搜索,检索一个给定的数据集,其最近的邻居是一个给定的查询点中的所有点;使用这种方法计算初始聚类中心结果发现是非常接近聚类算法所需的迭代聚类中心;对提出的算法应用到K均值聚类中给予了证明;用几种流行的数据集的实验结果表明了该算法的优点。     

面向战役级目标态势生成的航迹关联算法

针对战役级目标态势数据量大、信息源数量多、采样频率各异、探测误差差异大、目标属性特征存在误判等问题,基于多尺度航迹聚类提出了一种面向战役级目标态势生成的航迹关联算法.首先利用等距滑动窗口均值滤波剔除目标异常数据点、降低传感器误差引起的数据抖动,重新估计目标航速和航向;然后综合目标量测数据的多维特征提出了一种轨迹相似性距离;最后基于该距离,分阶段进行基于多粒度网格聚类的粗聚类和基于密度聚类的精聚类完成目标数据关联判断,综合聚类结果和离群点得到关联结果.实验表明:提出的方法在战役级目标数据环境下,数据处理容量、关联正确率、身份异常稳定性等方面较现有航迹关联算法有一定的提升,适用于战役级目标态势生成应用.     

基于距离密度聚类融合的视频人脸识别

针对视频图像的数量海量性及视频人脸运动性,提出基于距离和密度聚类融合的视频人脸识别方法,该方法同时考虑距离与密度在聚类中的相关性并进行融合处理,设计了聚类人脸识别程序流程,实验中对其聚类算法及视频人脸识别方法分别进行了测试.结果表明,提出的方法识别速度快、准确率高、误检率低,能达到数字视频监控系统对精度的要求,可满足视频监控中实时取证的需要.     

一种局部概率引导的优化K-means++算法

针对K-means++算法选取初始聚类中心计算误差平方和时, 实验次数对误差平方影响不准确的问题， 提出一种PK-means++算法. 结果表明, 该算法在进行分散数据聚类时, 在同一K值情形下, 聚类后的误差平方和较原K-means++算法更稳定, 从而更好地保证了随机实验取值的稳定性.     

一种局部概率引导的优化K-means++算法

针对K-means++算法选取初始聚类中心计算误差平方和时, 实验次数对误差平方影响不准确的问题， 提出一种PK-means++算法. 结果表明, 该算法在进行分散数据聚类时, 在同一K值情形下, 聚类后的误差平方和较原K-means++算法更稳定, 从而更好地保证了随机实验取值的稳定性.     

采用天鹰优化卷积神经网络的精密数控机床主轴热误差建模

针对数控机床因主轴热误差而严重影响加工精度等问题，结合求解最优解能力强的天鹰优化算法(AO)以及自学习和自适应能力强的卷积神经网络(CNN),提出一种采用AO-CNN的数控机床主轴热误差模型。根据磨齿加工过程特点，总结磨齿机主轴系统热变形规律，确定了X方向热误差为影响齿轮加工的主要因素；利用模糊C均值聚类(FCM)和相关系数法筛选出关键温度点；利用AO算法优化CNN结构的卷积核，并且建立AO-CNN的数控机床主轴X方向热误差预测模型。在2种不同转速的工况下对所建立模型的性能进行了验证，结果表明，采用AO-CNN进行热误差建模，数控机床X方向的热变形预测精度相比于CNN模型提高了15%,具有更加优越的预测精度。     

基于乘法更新规则的k-means与谱聚类的联合学习

k-means和谱聚类是两种应用最广泛的聚类技术.k-means是基于矩阵分解的聚类方法,并且是在数据空间上基于误差极小化的聚类方法.谱聚类是基于图的聚类方法,并且是基于两点在数据空间和特征空间的相似性保持的聚类方法.为了利用两者的优势,提出一种基于乘法更新规则的k-means和谱聚类的联合学习方法,该方法将k-mea...     

基于蚁群聚类的多目标跟踪航迹起始方法

针对杂波环境下的航迹起始的NP难问题,提出了一种基于蚁群聚类的数据关联方法.为每个测量数据赋予给定的特征值,利用基于拾起和放下的蚁群聚类算法确定所需起始目标航迹数目,利用模糊蚂蚁聚类算法提取目标航迹.数值仿真结果表明:在杂波密度稀疏、目标交叉运动的条件下,目标航迹起始的成功率为100％,最大运行时间为2.131 s;在密集杂波条件下,航迹起始的成功率为100％,最大运行时间为12.378 s.     

CCD辐射图像三维温度场可视化重构

针对燃烧室回流区三维辐射空间在CCD(Charge coupled device)靶面的辐射图像分析局限于二维温度场计算,以及在三维温度场重构过程中摄像机安装台数受限问题,提出了二维矩形线性插值虚拟CCD探测器安装算法,解决了现场安装CCD探测器个数的受限和滤波后投影算法因投影数少导致的三维重构误差问题.通过对已知的CCD探测器和虚拟CCD探测器采集二维图像获取的投影数据进行滤波反投影得到燃烧室回流区深度方向辐射强度场分布,在此基础上,采用实验校正的双波长比色测温公式得到温度场分布,实现了燃烧室回旋区深度温度场分布的在线监控.实验室小型煤气实验表明,该算法是可行的,达到了燃烧室回流区工况在线监测的要求,为进一步研究燃烧室燃烧效率和稳定性奠定了基础.     

基于3个传感器的管道泄漏相关定位算法

在弹性波形成及传播特性理论的基础上，分析了现有相关定位算法中的误差产生机制，针对管道泄漏引起的瑞雷波信号，提出了一种全新的基于3个传感器的相关定位算法，它避免了由于不同频率的瑞雷波在传播过程中因速度不同所引入的误差，减小了相关定位算法中确定距离时引入的误差，从而大大提高了相关定位算法的精度。     

基于电磁辐射到达时差的电弧故障定位及精度

为了实现利用电磁辐射信号进行配网电弧故障定位,提出了一种基于到达时差(time difference of arrival, TDOA)方法的Chan-LM协同定位算法。该算法采用Chan算法快速获得的初始点,再经过LM(Levenberg-Marquart)算法迭代修正定位结果。仿真分析了TDOA定位算法、电磁辐射传感器配置对定位精度的影响,结果表明Chan-LM协同算法比Chan算法的定位误差减小40%,参考主站位于中心位置的Y形布站方式,传感器所在海拔高度相同时的监测区域整体定位准确度较高。利用实测电弧电磁辐射波形验证了Chan-LM协同算法能够有效改善定位精度,为基于电磁辐射TDOA的电弧定位策略应用提供参考依据。     

FBG传感器温度性能及温度补偿实验

FBG温度传感器可以用于测温,在其他参量监测中,还用它作温度补偿.本文对FBG及其传感器的温度性能进行实验研究,旨在研究FBG传感器的温度灵敏度及提高温度补偿精度的方法.结果表明:从实验中得到的温度灵敏度与理论分析结果非常吻合;使用低膨胀材料做工作片基底,用高膨胀材料做补偿片基底,可以有效地减小温度补偿误差,提高测量精度.     

虚拟声屏障系统中虚拟传感器位置的优化研究

对于某一特定目标区域,虚拟声屏障系统的误差传感器阵列处于目标区域中某一最优位置,其降噪量最大.然而,误差传感器阵列处于目标区域中会妨碍人头的活动.使用虚拟传感器技术,将虚拟传感器布放于目标区域中,物理传感器布放于目标区域边界,可以解决此问题.前述最优位置即为虚拟传感器的理想最优位置.由于虚拟传感器处声压预测方法的限制,存在一个虚拟传感器的实际最优位置,虚拟传感器布放于实际最优位置时系统性能比布放于理想最优位置时好.控制声源与物理传感器距离较远时,即使虚拟传感器布放于实际最优位置,系统性能与误差传感器处于目标区域边界（不使用虚拟传感器）相比改进不大.然而,控制声源与物理传感器距离较小时,虚拟传感器布放于实际最优位置,与不使用虚拟传感器相比,系统性能提高明显,在550Hz以下低频,系统降噪效果有5dB以上的增加,取得10dB有效降噪静区的上限频率也大幅提高.     

基于旋转电弧传感器的NU-SVR水下焊缝偏差识别算法

文章提出了基于旋转电弧传感器的NU-SVR水下焊缝偏差识别算法。Nu-SVR通过对基于旋转电弧传感器采集到的不同偏差的水下焊接信号进行学习,然后对水下电流信号进行焊缝偏差识别得出偏差。相对于传统的回归算法-区间积分法和神经网络法,本算法具有具有更好的识别能力。最后通过水下焊接实验,其最大的识别误差仅为0.48mm,证明了该方法十分有效。     

单箱三室混凝土箱梁桥温度变形原位实验研究

为研究温度对桥梁支座位移的影响,以西安西咸新区红光路沣河大桥为研究对象,现场实测了箱梁截面的温度和支座位移。主桥为7跨变截面连续梁桥,截面为宽度达27 m的单箱三室箱梁。选择典型截面在混凝土表面布置了58个温度传感器,同时测量了7个位置的大气温度,以及在南北支座布置了2个位移传感器。分别于2015年9月5日和2016年4月18日进行现场实验研究。结果表明,由于箱梁截面的温度分布不均匀,在日温差仅为12.3℃,直接根据某一区域的温度进行支座位移计算的误差很大,误差最大甚至达931%;而根据形心点温度进行支座位移计算的误差相对较少,最大误差为35.9%。可供类似工程设计参考。     

基于D-S证据理论与嵌入式传感器的监控与故障诊断

在水电站的故障监控与报警系统中一般都采用实时采集传感器数据并进行处理分析的方法,这不仅增加了通信的负担而且由于恶劣的电磁环境也容易造成数据的误传;为了克服这些缺点,提出了一种采用嵌入式传感器与数据融合理论相结合的故障监控与诊断的方案,并且在吉林丰满水电站的发电机线圈温度的监控系统中得到了实际应用     

基于旋转电弧传感器的水下焊缝偏差识别算法

提出了基于旋转电弧传感器的Nu-SVR水下焊缝偏差识别算法.Nu-SVR通过对基于旋转电弧传感器采集到的不同偏差的水下焊接信号进行学习,然后对水下电流信号进行焊缝偏差识别得出偏差.相对于传统的回归算法--区间积分法和神经网络法,算法具有更好的识别能力.最后通过水下焊接实验,其最大的识别误差仅为0.554 mm,证明了该方法十分有效.     

模糊控制柴油机气缸冷却水温度

设计了一种船舶主机气缸冷却水温度模糊控制器．采用的控制规则是当柴油机气缸冷却水温度设定值比实测值大得多时（即控制误差为正大）,并且设定值与实测值之差以最大速度继续增长（即控制误差的变化率为正大）,则必须以最大的相反作用进行校正（即校正量的修正为大）．由于该规则具有简单,实用的特点,适合不同型号的柴油机气缸冷却水温度控制,适应面广．