凸特征的凹参数定义

从特征设计的角度看 ,机械加工的过程实际上是切除所有凹特征的过程 ,因此凹特征在工艺规程中与切削过程一致 ,而凸特征一般都要转换成相应的凹特征才能进行处理 ,这种转换往往比较繁琐 .本文在分析了凸特征分解法的优缺点后 ,提出了一种新的“凸特征凹参数定义”方法 ,对凸块、圆柱凸台和筋等典型的凸特征进行了详细的凹参数定义的讨论 ,并给出了我们在进行组合夹具自动设计中用到的凸特征的实例 ,进一步分析了此方法的特点和实用价值     

机械产品概念设计中的功能分析方法

为了使概念设计中的功能分解方法易于操作，使生成的功能结构包含更全面的设计信息，分析了现有功能分解方法如FAST法、去除和操作程序法以及功能结构法的不足；通过研究技术系统的特征，揭示了机械产品的广义工艺功能特性．引入了输入约束功能的概念，提出了基于广义工艺功能的分解方法，并给出了详细的分解步骤．该方法为机械产品的概念设计提供了一种操作方便、信息全面的功能分解模式．最后引用：工程实例验证了该方法的实用性．     

基于小波包分解和支持向量机的虹膜识别方法

考虑到虹膜识别的非线性和小样本的特点,以及小波包分解具有的分析高频特征信息的优势,提出了一种基于小波包分解和支持向量机的虹膜识别方法.首先对虹膜图像实行分窗小波包分解,再对各窗口的子带图像做筛选处理;然后通过奇异值分解对筛选后的各子带图像做进一步的特征提取和压缩,得到虹膜识别特征;最后利用支持向量机对虹膜特征进行模式匹配.实验结果表明了该算法的有效性.     

基于特征的回转体类零件成形工艺推理机制

针对回转体类零件成形工艺特点,研究了基于特征的回转体类零件挤压成形工艺推理机制.应用特征建模和知识熔接技术,建立了基于特征并包含几何特征层、工艺特征层和工艺推理层3个层次的回转体类零件特征模型,并研究了各层次之间的知识传递方法.建立了基于特征的回转体类零件成形工艺设计系统,通过应用特征组合、特征搜索匹配、工艺特征排序等技术完成挤压成形工艺路线推理,实现领域专家知识的应用,极大地提高了回转体类产品工艺设计的效率和质量.     

机床多体系统空间刚度场约束下的加工误差预测

针对机床加工误差预测结果不连续的问题,提出了一种基于多体系统理论的机床加工空间连续误差预测方法。该方法结合多体系统运动学求解特点,将机床部件视作弹性体,利用低序体阵列和传递矩阵来描述机床部件之间的运动关系;基于刚度缩聚理论与最小二乘法原理,提取体单元移动载荷约束下的刚度缩聚模型;基于雅克比传递矩阵建立整机空间加工误差模型。结合切削工艺模拟方法,以某镗铣复合加工中心加工发动机壳体为例,对发动机壳体的立面、底面以及孔特征进行立铣、端铣、镗孔加工误差预测。基于复合工艺约束下的加工误差预测模型,对多种装夹角度下的发动机壳体加工误差进行了对比分析,结果表明,利用多体系统进行低序体阵列描述,有利于实现组合式加工误差求解,可用于机床的组合优化分析;结合切削工艺模拟的复合加工误差分析,以发动机壳体装夹角度为优化目标进行加工工艺优化设计,当转角为90°时,加工精度可提高35%。该方法能够有效地预测加工误差,进而支持机床的工艺优化设计。     

结合低秩分解与多流融合的行为识别方法

运动信息对行为识别任务至关重要。现有方法仅利用了局部运动信息,忽略了全局运动信息的重要作用。为解决该问题,提出了一种基于低秩分解与多流融合的行为识别方法。通过3条支路分别提取视频的特征,第1条支路利用低秩分解提取全局运动信息;第2条支路提取视频的光流特征以得到局部运动信息;第3条支路利用原始视频作为输入,以保留完整的空域信息。将3条支路的预测结果进行后融合,得到最终的行为识别结果。通过多流融合,充分利用视频的多尺度时域运动信息和丰富的空域信息,提高现有模型的行为识别能力。实验结果表明,提出的方法优于现有模型的多流融合行为识别方法。     

基于特征的液压集成块CAPP系统建模

针对传统CAPP系统难以与CAD系统有效集成，设计信息和知识难以重用等问题，提出了基于特征的液压集成块CAPP建模方法．该方法在对液压集成块设计制造特点进行深入分析的基础上，采用了面向制造的特征映射技术，其特点为将特征映射分解为工艺映射和加工映射．工艺映射实现单个设计特征的工艺创成，加工映射则实现工艺特征中特征工步的操作具体化，然后通过工序重组实现整个液压集成块的工序和工步创成，最后通过工序和工步排序完成最终的工艺规划．应用该方法所开发的液压集成块CAPP原型软件系统表明，该方法可有效降低传统特征映射技术的复杂度，使得CAPP系统更具阶段性和层次性，并充分重用了设计信息及知识，较显著地提高工艺设计效率．     

超高强度钢高速切削工艺参数优化

针对超高强度钢高速铣削过程中刀具磨损严重的问题,采用金属陶瓷刀具对超高强度钢进行高速铣削试验,从而建立刀具磨损速率的预测模型.以切削速度、进给量和轴向切深3个切削工艺参数作为设计变量,以刀具磨损速率最小和切削效率最高作为优化目标,基于遗传算法对切削工艺参数进行优化,获得了最优切削工艺参数组合.     

基于改进的并行特征融合人脸表情识别

基于信息融合理论和线性鉴别分析,提出了一种改进的并行特征融合人脸表情识别方法.该方法首先将不同表征下的人脸表情特征利用复向量组合起来,构成复特征向量,然后利用具有不同权重的最大散度差鉴别分析方法进行进一步的复特征提取.在不同样本库、不同类型特征融合下的实验结果表明,该方法在优化投影轴和避免"小样本"问题的同时得到了满意的识别结果.     

基于频陷理论的地震谱反演技术分析

我国陆相盆地广泛发育薄层砂体,但受地震分辨率限制,从地震剖面上难以直接识别薄层反射特征,为寻找岩性圈闭带来困难。谱反演技术的出现,为薄层砂体识别方法带来新的方向。该技术避开调谐振幅进行薄层识别的方法,采用在频率域中分析薄层频谱中出现的频陷特征,并且把地震信号分解为奇偶分量,进一步提高薄层的识别能力。通过模型分析,发现薄层厚度越小,对应信号频谱中频陷周期越大。地震信号奇偶分解后,其中偶分量能够提高地震资料的视分辨率。通过对谱反演目标函数的剖析,给出了具体实现过程。     

基于经验模式分解和BP神经网络的刀具状态监测方法

为提高刀具检测识别率,采用经验模式分解法分解不同状态刀具的切削声音信号,计算各信号分量的能量百分比,形成特征向量。利用三次样条插值方法对特征向量进行插值,插值后的特征向量保留了原始信号的所有特征成分,应用BP神经网络识别刀具的状态。实验结果表明:经验模式分解方法和BP神经网络相结合可以有效识别铣刀状态,平均识别率达86%。     

基于EMD和SVD特征提取的通信辐射源个体识别方法

为改善通信辐射源指纹特征提取算法抗噪声及干扰能力差导致的对通信辐射源个体分类识别率低和稳定性差的问题,提出了一种基于经验模态分解和奇异值分解特征提取的方法.通过对信号进行经验模态分解,来克服噪声对指纹特征提取的影响,经希尔伯特-黄变换和奇异值分解实现对通信辐射源信号的指纹特征提取,结合支持向量机算法完成对通信辐射源的个体识别,从而提高了分类识别的正确率,经过对4类辐射源信号的实验验证表明识别效果具有明显提升.     

基于改进量子进化算法的稀疏特征提取方法

特征提取是进行模式识别的关键环节,利用稀疏分解将信号表达为具有一定结构特征的原子组合,为提取信号内部特征信息提供了一种有效途径.本文提出基于改进量子进化算法的稀疏特征提取方法,利用改进量子进化算法的并行性和全局搜索能力,使信号在过完备的原子库上实现快速精确的稀疏分解.对过完备的原子库进行量子比特概率幅编码,通过量子比特的交叉进化-变异操作更新原子库,以信号残差与原子的内积作为量子进化目标函数,筛选出最具信号结构特征的原子,凭借稀疏重构实现信号的特征提取.仿真信号和故障轴承振动信号的稀疏特征提取结果表明了所提方法的有效性和优越性.      

基于Gabor滤波器组和特征分组神经网络目标识别

就模式识别中特征提取和分类决策两个阶段进行了研究．在特征提取方面，提供了一种用于提取图像不同中心频率和方位特征的Gabor滤波器组的设计方法；在分类决策算法方面，提出了一种基于图像的Gabor滤波特征的特征分组神经网络分类算法，该算法将一个复杂的模式识别问题分解为几个简单问题来处理，降低了问题的复杂度，同时还取得了一定的抗有限带宽噪声的效果．     

基于小波域中心矩特征的SAR图像识别

为克服合成孔径雷达(SAR: Synthetic Aperture Radar)图像的方位敏感性和平移敏感性给识别带来的困难, 提出一种基于二维离散小波变换与中心矩特征提取的SAR图像目标识别方法。该方法通过对图像的二维离散小波分解提取低频子带图像, 同时提取具有平移不变性的中心矩作为特征向量, 利用支持向量机进行目标分类和识别。实验结果表明, 该方法在有效抑制噪声的情况下, 很好地克服了SAR图像对目标方位的敏感性, 在减少计算量的同时具有较高的识别率。     

基于IMF奇异值分解和SVM的虹膜识别方法

提出了基于固有模态函数奇异值分解和支持向量机的虹膜识别方法．用一维经验模式分解对按行展开的虹膜数据进行分解,将得到的若于个IMF形成初始矩阵,然后对该矩阵进行奇异值分解,提取其奇异值作为虹膜特征向量输入支持向量机进行分类识别．与传统的Gabor小波特征提取方法比较,本文方法解决了滤波器参数繁杂同题且在编码长度和时间方面有明显的改进．试验结果表明,本文方法能有效地应用于身份鉴别系统中．     

基于张量分解模型的语音信号特征提取方法

提出了一种通过张量分解提取语音信号特征的方法. 该方法对语音信号进行预处理,然后对每帧语音信号进行小波分解得到不同尺度上的信息,对这些信息提取传统特征参数,构建一个帧结构×分解尺度×特征参数的三阶张量,并经过张量分解得到各阶投影矩阵,从而建立语音信号在高阶空间上的特征体系,以便充分表征语音信号的特征. 实验结果表明,本文提出的方法与传统特征参数体系比较,有利于语音识别系统性能的提高,并且对于带噪语音的识别具有一定的鲁棒性.      

基于小波变换和独立成分分析的人脸识别

针对传统的独立成分分析算法对光照、表情、姿态等敏感的不足,提出了一种结合小波变换和独立成分分析的人脸识别方法.人脸图像首先经过小波变换后选取低频子图像进行独立成分分析,提取人脸图像特征,最后根据最近邻分类器分类.分析了样本数目、小波分解级数对平均识别率和识别时间的影响.基于ORL人脸数据库的实验结果证明了本方法在识别性能方面相对于单一方法的优越性.     

EMD结合Teager能量用于语音情感识别

在语音情感识别系统中,语音情感特征的提取尤为重要,本文在前期已有对EMD分解研究的基础上,将EMD分解与Teager能量算子相结合,用于语音情感识别。文中首先利用EMD分解得到一组IMF分量,再对各阶IMF分量提取Teager能量,然后通过对不同语种的不同情感语音的Teager能量在Mel频率的分析,提出了一种新的情感特征：基于EMD分解的Mel频率的Teager能量谱系数(ETMC),最后利用SVM分类方法对不同语种的不同情感进行识别,实验结果表明,该方法有很好的识别结果。     

基于主元分析的人脸识别方法研究

研究了利用主元分析进行人脸识别的方法。将人脸图像训练集进行主元分析,对得到的变换矩阵应用奇异值分解提取特征子空间,把训练图像和测试图像投影到子空间上,选择分类器进行人脸识别。实验表明,主元分析能很好地在子空间下提取出人脸图像的特征信息,从而实现人脸识别。