基于体震信号的心率测量方法

心脏向外泵血引起与心跳同步的身体的震动,产生体震信号,其规律与心率相关,可在脊椎轴上通过敏感的力传感器检测出来.体震信号微弱且易受干扰,针对此特点设计了传感器电路和信号处理电路,说明了检测方法.所获得的原始体震信号先经预处理去除噪声,再应用模极大值算法得到每个心动周期中的峰值点,最后求得心率.采集体震信号时,同步采集一路单通道心电信号作为基准,评价测量的准确性.实验结果表明,基于体震信号的心率测量方法获得了良好的效果.     

基于复Morlet变换和改进AlexNet神经网络的柴油机气门间隙异常故障诊断方法

针对柴油机缸盖振动信号非线性、非平稳的特点,以及传统故障诊断方法需要先验知识且特征提取费时费力的缺点,提出了一种基于复Morlet变换和改进AlexNet神经网络的柴油机气门间隙异常故障诊断方法。首先通过复Morlet小波将柴油机缸盖振动信号转换为时频图,该变换包含了信号的时频域信息,比单一的时域或频域信号更适合分析柴油机缸盖振动这种非平稳信号;其次将时频图输入至AlexNet神经网络进行特征自动提取并建立故障诊断模型,解决了传统手工提取特征费时费力且需要专家经验的问题;然后通过Batch Normalization和Dropout技术改进网络结构,并优化神经网络超参数以提高模型的准确度和计算效率;最后将本文方法与传统的故障诊断方法应用于柴油机气门间隙异常故障诊断并进行对比,发现其诊断准确率最高,验证了所提方法的优越性。     

基于综合建模方法的铅锌烧结块成分预测

针对铅锌烧结过程异常复杂的实际情况,提出了一种既可保证预测精度又满足配料计算对数据完备性要求的铅锌烧结块成分预测智能集成模型.该模型综合了机理与多种智能建模方法的优点,对于正常生产情况(即数据完备区),通过模糊分类/组合以及神经网络NN分段描述方法建立了成分预测的监督式分布神经网络模型;对于异常或不常用工况(即数据不完备区),通过专家经验规则修正部分假定或统计参数方式建立经验机理模型;采用串、并联形式将2种模型有机结合,并通过专家推理进行集成协调与更新修正,形成智能集成模型,实现成分可靠、准确的在线预测.在实际生产中运用该模型,烧结块铅、锌成分预测的相对误差分别为1.51%和0.41%.     

云时代下基于多Agent系统的跨企业项目协调与冲突消解

虚拟企业项目进行中会产生各种冲突,许多研究者也在尝试建立更好的冲突消解模型.本文通过对虚拟企业项目冲突的深入分析,采用信念、愿望、意图构建的多智能体搭建冲突模型,并给出云平台下基于多智能体技术的冲突消解策略,为云平台下虚拟企业项目管理系统的实现提供了依据.     

经济学量化模型发展的一种新模式

分析了经济学中传统建模方法的不足,提出了基于多智能体的建模与仿真方法来建立经济系统的量化模型,论述了多智能体模型在经济研究中的应用．     

基于云理论的隧道结构健康诊断方法

隧道健康状态诊断过程作为一个模糊系统,具有随机性和模糊性的特点.传统的隧道结构健康诊断方法无法妥善地将系统的模糊性和随机性关联在一起.基于此,针对隧道结构健康状态诊断系统的模糊性和随机性特点,提出了基于云理论的隧道结构健康状态诊断方法.首先,建立反映隧道结构健康状况等级评语集的正态云模型.然后,依据逆向云发生器原理,将隧道结构健康状态指标的监测数据的归一化结果值转化为隶属度云模型.将健康状态指标的重要性语言值转化为权重云,用于表征各健康状态指标的重要程度.最后,运用云理论的计算方法对隧道结构健康状态等级进行诊断,得到健康状态等级诊断结果的云模型.应用云模型的改进方法,对某市地铁2号线盾构隧道结构健康状态进行了诊断,极大提高了诊断结果的可视化和鲁棒性.     

基于改进阈值函数的体震信号平移不变去噪

体震信号微弱,受仪器、环境因素等方面的影响,常常含有大量噪声,研究一种基于改进阈值函数的平移不变法用于体震信号的去噪.针对体震信号选择了合适的小波基,说明了小波分解后各尺度上噪声方差的估计方法,分析了所改进阈值函数的性能及特点,并给出了算法的实现步骤.与基于硬、软阈值函数平移不变法的去噪效果比较,基于改进阈值函数平移不变法去噪后的体震信号波形平滑,特征点幅值无衰减.其功率谱密度与原始信号功率谱密度的对比结果表明,基于改进阈值函数的平移不变法能够在去噪的同时更好地保留原始体震信号的特征.     

地震次声波研究——以苏门答腊俯冲带上的大地震为例

 次声监测方法在灾害监测方面得到了越来越广泛的应用,特别是在地震监测领域。大震来临之前1~10 d,通常都会接收到次声波异常信号,这种异常信号是由于孕震末期地质体运动引起地表波动而产生的。本文以2004 年苏门答腊8.7 级大地震为例,观测研究其震前接收到的次声波异常信号,并利用有限元数值模拟方法模拟了次声波异常信号的产生。分析结果表明,苏门答腊大地震发生之前的孕育末期,地质体的动力学行为引起了次声波,次声波的能量主要集中在10^-3 Hz 量级上,研究次声波的异常信号可能为地震预测提供一条有价值的途径。     

一种基于一维卷积神经网络的旋转机械智能故障诊断方法

状态监测和故障诊断对于维护系统性能和保证运行安全具有重要意义.针对传统智能识别方法需要复杂的特征提取过程和大量的诊断经验等问题,结合振动信号自身的一维性的特点,提出一种基于一维卷积神经网络(1-Dimensional Convolutional Neural Network,1DCNN)的旋转机械智能故障诊断方法.首先将数据信号通过傅里叶变换转换成频域信号并进行预处理,然后训练卷积神经网络自动提取特征,最后通过Softmax回归进行分类.在基准数据集上的实验结果表明,1DCNN模型不仅能有效地从原始信号中进行多种工况、多种故障位置、多种故障程度的特征提取和诊断,而且具有很高的故障识别精度,获得了优于主流故障诊断方法的结果.     

基于小波神经网络的轴承未知异常诊断

针对滚动轴承振动信号复杂,故障类型难以预知的问题,提出基于小波-神经网络技术的滚动轴承未知异常诊断的新方法.利用小波包对滚动轴承振动信号进行分解与重构,获得振动信号的突变信息,提取与滚动轴承故障相关的特征信息,将其作为特征向量输入自组织特征映射(Self-Organizing Feature Maps,SOFM)神经网络,对其进行自动分类识别,根据数据映射位置,可实现对滚动轴承未知异常的诊断,并为专家系统知识的自动获取提供了一条新途径.通过对仿真结果的分析,证实这种诊断方法的可行性.     

基于相空间重构的心冲击信号房颤检测方法

针对房颤事件中的节律异常特性，提出应用相空间重构算法提取心冲击(ballistocardiogram， BCG)信号的二维节律特征，并对重构过程中的最优嵌入维数和时间延迟参数进行了讨论.首先，将心脏搏动视为非线性动力学系统，应用相空间重构理论将一维时间序列映射到高维相空间中，从而获取BCG信号中表征房颤过程节律异常的相空间轨迹特征.其次，探讨了重构过程中适于房颤诊断的最优嵌入维数和时间延迟参数，并结合卷积神经网络实现了对房颤的智能诊断.最终，通过对59名受试者提取到的2000组BCG数据进行十折交叉验证，所提方法的分类准确率达到91.00%，与基于经典时频特征的机器学习方法相比较，有较为明显的提高，从而验证了所提方法的优越性.     

基于CNN的心冲击信号阵发性房颤自动检测方法

阵发性房颤具有发作突然且时间短的特点，而目前其临床诊断方法——心电信号，不适于日常监护，因此，提出一种基于心冲击信号(ballistocardiogram，BCG)的非接触式房颤自动检测方法.研究不同输入数据长度与不同网络深度的匹配关系，获取应用一维卷积神经网络(convolutional neural network，CNN)检测阵发性房颤的最优组合.通过2000组数据的测试，所提模型的最佳性能为:测试准确性94.8%、敏感性97.2%、特异性92.7%，为基于BCG信号的心律失常检测与远程日常家庭监护提供了可能性.     

基于云理论的斜拉索可靠性评价方法

为准确评估易损难修的斜拉索的可靠性，保证行车安全舒适，提出一种基于云理论的斜拉索可靠性评估方法.首先根据拉索力学特点和常见病害，以斜拉索的运营状态应力极值、恒载索力变幅、应力幅、基频、服役时间、PE护套开裂程度及阻尼系统完好程度为指标，建立了斜拉索可靠性评估指标体系.咨询专家意见建立权重云模型，并根据泛概念树的概念扩充原理实现权重的群决策.最后将指标对各等级的平均确定度与权重云模型加权汇总，得到可靠等级确定度的云模型并以此确定最终评级.规范评估结果与拉索实际病害情况对比验证了所提方法结果的合理性和可操作性.     

电子系统的Markov模型和云可靠性评价方法

针对传统的Markov模型可靠性评价方法难以体现复杂可变工作条件对电子系统可靠性影响的问题,根据云模型融合随机性和模糊性的特点,将云模型和Markov模型相结合,提出了基于Markov模型的云可靠性评价方法.首先根据电子产品和维修人员的特点,建立失效率和修复率关于环境条件和维修人员生理状况的适应能力云模型,然后根据实际的工作条件情况建立工作条件云模型,最后由适应能力云模型和工作条件云模型通过X条件云发生器生成失效率云和修复率云,并作为输入参数代入Markov模型进行可靠性评价.该方法考虑了环境条件和维修人员生理状况对系统可靠性的影响,其评价结果更接近于系统的真实情况.采用该方法对某双机冷备系统的分析表明:在温暖、电压稳定和维修人员身体状况良好时,工作条件变化导致系统可靠度和可用度的下降幅度低于0.5％;在寒冷、电压不稳和维修人员身体状况一般时,工作条件变化导致系统可靠度和可用度的下降幅度最大可达90％,与实际情况相符.     

基于级联滤波锁相环的电网信号同步方法

针对电网故障条件下，传统SRF-PLL在进行电网信号同步时存在频率和相位信号检测误差较大的问题，提出了一种基于级联滤波锁相环的电网信号同步方法.在QT1-PLL中，利用级联滤波结构改善系统的滤波性能，并使系统的响应速度得到提升.在锁相环路内增加相位和幅值补偿环节以消除电网频率偏移对锁相结果的影响.仿真和实验结果表明:在电压信号发生20°的相位跳变和4Hz的频率跳变时，可以在1.5个电网周期内实现对频率和相位的准确检测；频率和相位超调量分别为0.5Hz和4°时，满足并网系统快速准确的要求，验证了所提理论的正确性和有效性.     

基于分布式压缩感知的自适应距离选通三维成像

基于距离选通成像时间切片间的相关性，提出分布式压缩感知三维成像方法，有效解决了三维成像庞大数据量与硬件存储性能的冲突.根据相关性构建基于联合稀疏模型的分布式压缩模型，辅助重构部分时间切片.设计一种自适应距离选通方法，根据设定阈值自适应调整选通时间，无需距离先验信息，增加了系统灵活性.结果表明:平均采样率为0.15时，该方法的成像质量比传统方法提高11.124dB，成像距离的平均误差降低6.240.分布式成像方法能够有效减少时间切片冗余信息的采集，为距离选通三维成像提供了一种新的思路.     

非接触式汽车驾驶员心电监测系统设计

驾驶员疲劳驾驶是引发道路交通事故的主要原因,依据心冲击图（BCG）、呼吸等生理参数客观监测行车过程中的驾驶员疲劳状态成为了研究热点。针对传统生理信号采集需用复杂电极和导联线接触人体的弊端,基于偏聚氟乙烯（PVDF）压电薄膜的正压电特性,设计了一种非接触式汽车驾驶员心电监测系统。构建了可靠的小信号调理和电压抬升电路,研究了心冲击图和呼吸信号的分离提取算法,计算出心率和呼吸率并通过低功耗蓝牙通信发送到手机软件（APP）进行显示。实验表明,系统能实时可靠的监测行车中驾驶员的心率和呼吸率,提高了汽车行驶的主动安全性。     

基于鉴相器的手机瞬时心率监测软件设计

目前用手机摄像头监测心率的手机软件无法检测瞬时心率,因为手机上资源有限,而占用资源较少的主要检测方法差分阈值法需要根据一段时间的结果来设定阈值才能准确检测出心率,不适于瞬时心率的检测.针对以上问题提出了一种基于鉴相器的瞬时心率检测算法,通过手机摄像头检测出的脉搏波信号先与正弦参考信号相乘,再经过低通滤波器提取心率成分,根据相位的变化逐拍检测心率的变化.在Android智能手机上的实验结果表明,与ECG方法相比,计算精度能满足要求.与差分阈值法和滤波器组法相比,本文提出的方法能较快地检测出瞬时心率.     

基于MAS的分布式智能故障诊断模型与关键技术研究

现代故障诊断已是一个动态的、分布的、柔性的、实时的和不确定的复杂系统，将多agent技术引入复杂故障诊断领域，是求解复杂过程的故障诊断问题的一种新的尝试．讨论了基于MAS的分布式智能故障诊断方法和过程，设计了一种agent诊断系统结构及其原型系统，对诊断问题任务辨识、分解、各agent的内部诊断机制、多agent间的交互、协作、关联模型以及诊断决策问题等进行了深入研究．并重点描述了诊断agent的领域知识表示及多agent诊断系统的组织模型和各任务agent的功能定义，具体分析了诊断问题的故障分解与控制策略．在一电力企业安全监控系统的应用中，该模型能快速、准确地进行故障成因分析，给出合理的、建设性的决策意见，取得了与专家相似的诊断结果．克服了以往监控诊断系统的很多不足，提高了企业的安全运行效率．同时，与传统的诊断方法相比．体现了auent技术的特有优势．