基于模拟机匣的中介轴承微弱故障特征提取技术

中介轴承是航空发动机支承传动系统中的重要零件，其运行状态直接影响航空发动机的工作状态和运行安全。围绕航空发动机中介轴承微弱故障特征信号提取的问题，以振动信号分析和处理为基础，开展航空发动机中介轴承微弱故障特征信号提取实验。仿照某型涡扇发动机机匣结构设计加工了模拟机匣，用来模拟振动信号的复杂传递路径。基于包络谱分析和经验模态分解（Empirical Mode Decomposition）包络谱分析处理振动信号，对比二者对滚动轴承微弱故障特征信号的提取效果。实验结果表明，在中介轴承微弱故障特征信号提取中，模拟机匣可以有效地模拟振动信号的复杂传递路径，EMD包络谱分析法比单一采用包络谱分析的方法能够更加明显有效地提取中介轴承微弱故障信号。     

基于主成分分析的叶片温度分布一致性研究

采用特征向量比对的方式进行研究.通过对叶片温度数据时域和频域空间特征提取,获得能够体现叶片温度分布信息的特征向量,并采用主成分分析(PCA)对特征向量进行去相关和降维,进而得到包含绝大部分叶片温度分布信息的低维特征向量.根据叶片温度特征向量与基准特征向量间的对比,评估叶片温度分布情况的一致性.实验结果表明,叶片的特征偏差均在5%以下,偏差较大的叶片数量占总量的5. 8%,该研究成果可以用于从温度特征上反映叶片工作状态,为叶片故障诊断及寿命预测提供基础.     

基于支持向量机的典型宽带电磁干扰源识别

由于民航周围电磁环境复杂, 一旦产生电磁干扰(electromagnetic interference，EMI), 就不易被排查, 特别是随机性较强的宽带干扰。对此, 提出一种基于支持向量机(support vector machine, SVM)的干扰源识别方法。通过实时测量干扰信号的频谱数据, 并分析其特点, 选择包络因子、频谱能量、频谱峰值、均值和方差5个特征向量, 用主成分分析法降低数据冗余程度, 最后采用SVM来判断干扰源类型。仿真结果证明, 所提算法能有效识别6类典型机场宽带干扰源, 识别精度可达98.33%。     

基于深度无监督学习的图像分类算法

为了取得精确的图像分类效果,一方面需要提取大量的图像特征数据进行样本分析,另一方面大量的数据又造成了维数灾难.因此,为了解决信息全面与维数灾难的矛盾,引入了深度学习.深度学习利用分层结构处理复杂的高维数据,可以完成复杂函数的逼近,是一类具有多层非线性映射的学习算法,但深度学习模型优化困难且对隐层参数敏感.针对上述问题,将无监督算法引入深度学习,这种学习方法无须人工设计特征提取数据,训练过程中样本标签是未知的.实验表明,该算法在不影响图像分类效果的前提下,可以大大降低计算复杂度,具有一定的时效性.     

基于校园一卡通的门禁道红外线识别方法研究

为实现对校园一卡通门禁道红外线主动识别,提出基于红外成像特征检测的校园一卡通门禁道红外线识别方法,建立门禁道红外线识别的成像模型。采用主动边缘轮廓检测方法进行门禁道红外线的特征提取,采用Harris角点检测方法对校园一卡通门禁道红外图像的特征点进行检测。结合相邻帧像素融合的方法进行红外图像的信息融合,采用目标主动检测方法进行门禁信息的特征检测和提取,构建校园一卡通门禁道红外图像的模糊特征检测和信息跟踪融合识别模型,实现校园一卡通的门禁道红外线识别优化。仿真结果表明,采用该方法进行校园一卡通的门禁道红外线识别的特征分辨能力较好,识别精度较高。     

基于去噪自编码器的镜像极限学习机设计

针对极限学习机在高维度、含噪声数据集中需要大量隐含层节点来保证分类性能的问题，设计了镜像极限学习机.该算法使用伪逆法确定输入权值，随机生成输出权值和偏置，在对数据进行分类时，它仅需极少的隐含层节点.为了提升镜像极限学习机的分类性能和抗噪性，将它与去噪自编码器相结合.利用去噪自编码器对输入数据进行特征提取，并将提取到的特征作为镜像极限学习机的输入数据，再进行网络训练.在无噪和含噪声的MNIST，Fashion MNIST，Rectangles和Convex数据集中，将基于去噪自编码器的镜像极限学习机与ELM，PCA-ELM，SAA-2和DAE-ELM作对比实验，结果表明，基于去噪自编码器的镜像极限学习机的综合性能最优，用于分类的网络隐含层节点数最少.     

多特征和神经网络相融合的体育视频识别

为了提高体育视频识别的精度,提出一种多特征和神经网络相融合的体育视频识别模型(MF-RBFNN).分别提取反映体育视频的静态和动态特征,然后采用RBF神经网络对静态和动态特征分别分类,并将初步识别结果构造基本概率指派,运用证据理论对初步结果进行融合,得到体育视频识别结果.结果表明,相对于对比模型,MF-RBFNN提高了体育视频识别精度,是一种有效的体育视频识别方法.     

2005～2017年快速城市化背景下洱海流域不透水表面时空格局分析

近年来随着我国经济建设的不断加快以及城市化的快速发展,工业和人口的大规模聚集造成了不透水表面的快速扩张,这对城市生态环境产生了严重的影响。作为城市化水平的关键指示因子,不透水表面已经被广泛应用在城市生态环境评估中。为了定量的分析洱海流域不透水表面拓展的时空动态特征规律,本文以大理市所在的洱海流域为研究对象,利用2005年至2017年的大理市Landsat 5、Landsat 8遥感影像,提取归一化水体指数(MNDWI)和归一化差值不透水表面指数(NDISI)对洱海流域的城市、道路进行空间分析并提取出不透水表面信息进行空间格局分析。研究结果表明：2005~2017年间,随着城市化的快速发展,洱海流域的植被覆盖率和水体等自然地物覆盖率处于下降状态,而不透水覆盖率从11.6%上升到19.8%,呈现快速持续上升趋势。由洱海水质和其流域内不透水覆盖率线性拟合结果可以得到两者具有一定的负相关性。可以预见洱海水质未来发展中随着不透水覆盖率的增长而下降。因此,在城市发展的同时,应该注重对洱海的综合治理,不能任水质自行调节。本研究结果为洱海流域内城市规划管理和流域(水)环境治理提供参考信息,具有重要的现实意义。     

基于形态学的角膜地形图特征提取方法研究

提出了一种新的角膜地形图像特征提取算法。首先利用区域图像计算偏心率,用自适应确定同心圆的圆心,以此为极点将图像转至极坐标域,利用形态学的小尺度方形结构算子及图像的黑TOP-HAT变换补得到去除噪声后的滤波图像;其次利用给定方向上相距固定距离的点对腐蚀图像,按照方向强度确定出纹理直线的主要方向,利用开运算提取有效的线形特征;最后利用闭运算,对因内睫毛影响而损失的数据进行有效弥补,获得圆环边缘检测完整的结果图像。经多幅实验数据证明,该算法满足后续参数精确计算的要求,具有数据损失小,数据精度高,算法易实现的特点。