用分层抽样和复Morlet小波识别短样本模态参数

针对大型结构短样本模态参数识别,提出基于分层抽样的最优复Morlet小波短样本模态参数识别方法.先对结构响应信号进行分层抽样,用随机减量法提取每一层的自由衰减信号;再根据样本标准差确定每一层的层权,用最优复Morlet小波识别每一层的模态参数;最后用层权对模态参数进行加权得到最终的模态参数.工程应用结果表明,所提方法具有较高的识别精度,良好的低频密集模态解耦和高频虚假模态抑制能力.     

基于知识的心电图自动诊断系统的设计

介绍了基于知识的心电图自动诊断系统的系统构成及设计过程中采用的关键技术.模拟了现实世界心电专家根据心电图进行诊断的思维方式,揉进了可能性理论和模糊理论的概念,同时又避免了复杂的推理过程.其心电图病理数据库由知识库和规则库两部分组成,采用数据库形式存储.推理诊断系统采用数据驱动的正向推理结合基于CF模型的不精确推理.推理诊断系统与知识库和规则库的实际存储内容没有必然联系,所以适用于诊断型的专家系统.     

离散傅立叶变换（DFT）计算中一些问题的论证

在时频信号分析领域中,DFT是一个常见的术语,尤其是在它的高效算法FFT出现后,信号分析中的其他运算也常常尽可能转化为DFT以提高运算速度,但作者在开发虚拟频谱分析仪中了解到,对DFT及其逆变换（IDFT）的计算存在着两套公式,导致不同信号分析人员,或不同时频信号分析仪计算出的DFT结果不一致,其物理意义也不分明,作者首先阐述了以前文献中定义DFT时所依据的周期延拓原理,然后分别用待定系数法和类比演变法论证了在周期延拓原理的认识下,DFT的计算公式采用工（3）更具合理性,指出并纠正了以前诸多文献中定义DFT计算公式时,推导过程中存在的一个不当之处,对以前认为DFT及其IDFT的计算存在的两套公式是一种习惯的不恰当观点加以了澄清,最后以三个算例直观地验证了作者观点的正确性。     

双目立体视觉空间火灾定位方法的改进

针对室内空间火灾早期自动定位的需要,基于机器视觉技术对传统空间定位方法进行改进。设计简单实用的平面标定板进行摄像机标定,利用HALCON解决快速自动提取标定板上特征点像素坐标的问题。针对传统标定算法只校正径向畸变的不足,建立了更全面的摄像机畸变模型。通过迭代法利用成像模型和畸变模型求解并优化摄像机的单应性矩阵和畸变系数并通过三维重建实现空间定位。将此方法应用于消防炮工程项目,结果表明该改进方法具有有效性、快速性和准确性。     

声强法在电动机噪声测试中的应用

分析了声强测量的特点、优点和有关声强测量的基本原理,并与通常的声压测量进行了比较.研究了基于双通道FFT分析仪的虚拟式声强测量系统的原理与组成.分别采用声强法和声压法对电动机辐射空气噪声声功率进行了测定.结果表明,采用声强测量技术对电机噪声进行测量分析,能够在工业现场准确地评价电机噪声声功率级,克服了传统的采用声压法测量易受环境影响而要进行数值修正的问题以及声功率测量必须在特定声学环境里测量的问题.该方法在噪声测量中有一定的优越性.     

基于快速小波变换的信号分析系统

介绍了小波分析中的快速小波变换算法,通过与常用小波基相对应的正交镜像滤波器组,实现了信号的快速小波分解和重构。结合虚拟仪器技术,研制成功虚拟式快速小波变换信号分析系统。经由该系统分析的动态信号,即可看到信号的概貌,又可看到信号的细节,特别能捕获到反映设备重要故障特征的奇异信号以及提纯被噪声污染的信号。     

无线传感器网络倍增超周期多信道MAC协议设计

针对数据吞吐量较大,延迟要求较高的无线传感器网络(WSN)应用,提出了新颖的分簇扩展与调度方法,设计了一种倍增超周期多信道MAC(Medium Access Control)协议。该协议以TDMA(Time Division Multiple Access)机制为基本原理,结合可灵活配置的混合型信道访问机制,能够有效提高网络吞吐量和信道利用效率。利用OMnet++仿真软件模拟协议的运行,结果验证了本协议在提高网络吞吐量和降低传输延迟方面有优良的性能。     

EEMD滤波的转子轴心轨迹提纯方法

针对轴心轨迹提纯问题,研究了集合经验模式分解(Ensemble empirical mode decomposition ,EEMD)抑制模态混叠的特性及其滤波特性,提出了基于EEMD滤波的转子轴心轨迹提纯方法。应用EEMD将信号分解成一系列的固有模式函数(Intrinsic mode function,IMF)分量,再根据先验知识选择相应的IMF分量重构信号,组合成提纯轴心轨迹。对小型转子试验台转子轴心轨迹的成功提纯验证了该方法的有效性,与谐波窗和EMD轴心轨迹提纯方法的对比结果表明了该方法的优势,为转子系统故障诊断提供了一种新的手段。     

免疫遗传优化Elman神经网络的旋转机械故障诊断

针对旋转机械故障诊断过程中故障知识相互关联的过程难以用传统机器学习模型快速得到全面的典型故障数据,提出一种免疫遗传算法(immune genetic algorithm,IGA)优化Elman神经网络的故障诊断模型。首先对滚动轴承振动信号进行经验模式分解(empirical mode decomposition,EMD),得到多个内禀模态分量(intrinsic mode function,IMF),再提取表征状态特征的内禀模态分量能量构建特征向量输入到IGA优化的Elman神经网络进行故障模式辨识,IG     

一种自适应最优化小波变换算法及应用

传统的二进小波变换对非2的整数幂的数据要进行大量的边界处理,针对这一局限性,提出一种自适应最优化小波变换算法.其核心是通过解析被处理数据长度来捕获其长度的最佳逼近值,实现边界处理的最优化;通过分解最佳逼近长度来获取各层次小波变换基数,实现小波变换基数选择的自适应.与二进小波变换相比,自适应最优化小波变换算法具有运算速度快,边界处理量少,数据压缩量大等特点.最后通过一个图像压缩的应用实例表明了此算法的可行性.