WAVELET PACKET AND FUZZY NEURAL NETWORK FOR TOOL CONDITION MONITORING *

在自动化制造中,线监控刀具状况以保护刀具与加工工件显得越来越重要．近年来,许多研究者在此领域进行了广泛的研究,然而由于加工过程的不确定性,现有的刀具监控系统的可靠性还有待提高．本文提出了一种基于小波包分析与模糊神经网络的自适应刀具监控系统,该系统利用小波包分析方法将加工过程振动信号分解为不同的频率段,并在此基础上,建立了自适应特征提取方法,为模糊神经网络提供最优的特征输入,然后模糊神经网络据此进行决策,分析刀具磨损状况．实验结果表明：该系统模糊神经网络能有效通过学习人类模糊知识和在线学习样本来提高刀具监控精度．     

矩阵函数单重积分的格点漂移技术及应用示例

建立了矩阵函数单重积分的格点漂移技术,并阐述了其特殊的数学意义;把格点漂移技术应用于分立基量子系统中的一般转动算符矩阵的格点方法计算中,并将其结果应用于计算二维叠加态在一般转动算符作用下的几率分布演变比。     

一种子带适应的图象恢复最小二乘迭代算法

研究了基于子波变换的图象最小二乘恢复技术,提出了一种具有子带适应性的选代算法实验结果表明,采用该算法的恢复图象的质量和迭代收敛的速率均优于常规的空域解法．     

多种小波基应用性能分析（Ⅰ）

将近年来提出的各种典型的小波基（小波函数）进行汇总,对其有关理论问题和应用时需要注意的具体细节进行详细分析,对科技工作者和工程技术人员有一定的实用价值。     

可变2n点流水线FFT处理器的设计与实现

设计一种可以连续计算N点复数序列傅里叶变换(FFT)的流水线结构处理器,其序列长度N(为2的幂)可变.流水线结构由乒乓存储器将基本运算模块级联而成,对输入数据的顺序以及流水运算的级数加以控制便可计算不同长度序列FFT.给出了由序列长度控制输入数据倒序、旋转因子寻址以及数据输出的实现方法.数据采用块浮点表示,提高了运算精度.用硬件描述语言VHDL在寄存器传输级(RTL级)进行描述,并在单片FPGA上实现.该芯片可工作在80 MHz,连续计算时,处理长度为1 024点的序列仅需12.8 μs.     

微弱信号提取中的小波方法研究

针对于实际应用中的小信号特别是完全被噪声淹没情况下的微弱信号提取的问题，本文依据白噪声信号的小波变换系数相对比有用信号的小波系数小的特点，利用小波变换对信号进行消噪来提取微弱信号，仿真结果表明：小波变换能够有效的消除噪声，将有用微弱信号从受噪声污染的信号中提取出来。     

天线结构的多工况离散变量优化设计

针对天线结构受载及工作状态的复杂性,研究了天线结构的多工况离散变量优化设计问题。首先建立了天线结构在自重、风荷作用下受精度、应力和稳定性约束的多工况优化设计的数学模型;其次根据材料特点,将设计变量取为离散变量,给出了天线结构的多工况离散变量优化设计数学模型。采用离散复合形法,对多工况8 m天线进行了优化计算。结果表明,计算结果与分析结果相吻合,该方法可应用于多工况天线结构优化设计中,且精度较高。     

自适应冗余第2代小波设计及齿轮箱故障特征提取

针对强噪声背景下齿轮箱故障特征的提取问题,设计了一种提取该类信号时域特征的自适应冗余第2代小波.采用基于数据的优化算法设计每层小波分解的初始预测器和更新器,然后通过对初始预测器和更新器进行插值补零运算,来获得冗余预测器和更新器.第2代小波不需要剖分运算,利用冗余预测器和更新器直接对每层逼近信号进行预测和更新运算,能较好地保留信号的时域特征.采用第2代小波较理想地提取出了齿轮箱发生摩擦故障时的时域调制波形和周期性冲击脉冲,并对得到的细节和逼近信号进一步进行包络解调,从而分离出了故障调制源频率.结果表明,自适应冗余第2代小波对噪声背景下齿轮箱故障特征的提取效果优于其他小波.     

基于梯度的虹膜定位方法

为了提高虹膜定位的速度以及虹膜定位的准确性，依据虹膜图像灰度的分布特性及良好的环状性质，检测出瞳孔边缘以减少参与Hough变换的点数，进而定位虹膜内边缘．对于外边缘定位采用基于灰度梯度的微分积分圆形检测算子的方法．实验结果表明，此种方法能够准确地进行虹膜内外边缘定位，避免了含有大量其它区域对定位带来的影响．     

基于自适应Gabor小波包的超声心动图像纹理特征提取

在基于纹理的医学图像检索中，由于提取的图像特征向量过长，大大影响检索速度．为此，提出一种基于Gabor小波包的自适应纹理提取方法：以信号能量集中度作为自适应选取小波包的优化参数，建立反映图像内容的纹理特征向量以及空间信息结构码．这种方法有效降低了纹理特征向量的维数，显著提高了图像分析的效率．在基于内容的图像检索实验中，以两类典型的超声心动图像为研究对象，结果表明该方法能够达到95．1％的平均识别率．