故障诊断中几种征兆自动获取技术研究

研究了故障诊断系统中几种诊断征兆的自动获取机制，给出了对不同类型的征兆实现自动获取的有效方法．着重研究了轴心轨迹图形的自动识别问题，提出了利用图形的不变性矩特征的识别技术，构造了基于不变性特征矩的特征向量，定义了特征矩向量之间的距离，提出了置信度的度量方法．通过对轴心轨迹的仿真和实际识别，表明该方法是可行的     

基于仿射不变矩的轴心轨迹自动识别方法

讨论了仿射不变矩的原理,通过改进仿射不变矩的积分因子,保证了积分因子在仿射变换下的不变性,将仿射不变矩应用于水电机组轴心轨迹特征的提取.通过计算轴心轨迹的仿射不变矩作为特征向量,结合人工神经网络方法,提出了一种高效的轴心轨迹自动识别新方法.对3类典型的轴心轨迹的自动识别进行了仿真试验,并与Hu氏不变矩方法的识别效果进行对比.试验结果表明:采用仿射不变矩方法的轴心轨迹识别率达到95%,明显高于Hu氏不变矩的识别率,仿射不变矩具有比Hu氏不变矩更好的轴心轨迹识别能力.     

一种新矩在水电机组轴心轨迹识别中的应用

结合不变矩和神经网络提出一种水电机组轴心轨迹自动识别方案,证明了离散点状态下曲线不变矩具有平移不变性和旋转不变性,但不满足比例因子缩放不变性;构造一组同时满足平移不变性、旋转不变性和比例因子缩放不变性的新曲线不变矩;通过引入动量项的BP神经网络对轴心轨迹自动识别。并给出了仿真和实际水电机组轴心轨迹识别诊断结果;对初步定性诊断结果进行定量分析,计算轴心轨迹形状特征参数,为故障定位分析提供参考．     

水电机组故障诊断专家系统中图形征兆的提取

将小波包分解及重构技术用于转子轴心轨迹提纯，利用离散余弦变换实现轴心轨迹的自动识别，结合水轮发电机组故障诊断系统，实现了轴心轨迹图形征兆的提取，论证了所述方法的合理性和可行性．利用该方法提高了系统的诊断速度和精度．     

一种彩色图像的二维纹理识别方法

基于仿射矩正则化技术，推导出了新的光照仿射不变特征：Zernike矩、多波段相关函数，通过正则化方法实现仿射不变矩，采用组合矩方法和奇异值分解方法实现光照不变性，在推导光照不变性时必须使用复数值矩(如Zernike矩)，因为实数值仿射不变矩不能实现独立于光照变化的仿射不变性。实验结果表明，所提出的纹理识别方法具有很好的识别效果。     

基于Hu不变矩的加权矩方法及应用

为了有效地利用不变矩理论和技术对数字图像的特征进行分析,在研究几何不变矩的基础之上,提出了具有平移、旋转和尺度不变性的加权矩方法,可以应用于图像特征分析、特征识别和图像分类等应用领域。     

基于Zernike矩的图象识别

分析了Zemike矩的旋转不变性特征，并将其应用于旋转目标的识别。由于Zemike矩可以构造任意高阶矩，所以Zemike矩的识别效果优于其他方法。因而Zemike矩在旋转目标识别中具有广泛的应用前景。     

基于Zernike矩的图象识别

分析了Zernike矩的旋转不变性特征 ,并将其应用于旋转目标的识别。由于Zernike矩可以构造任意高阶矩 ,所以Zernike矩的识别效果优于其他方法。因而Zernike矩在旋转目标识别中具有广泛的应用前景     

等距变形体的矩不变量构造方法

针对变形体由于形状的变化,其不变量的构造在模式识别领域较困难等问题,对等距变形体的识别问题进行研究,提出一种等距变形体的矩不变量构造方法。首先利用三角网格上的快速行进算法来构造特征矩阵,使得点对之间的测地距离得以保存;然后,对特征矩阵进行归一化,保证同一目标特征矩阵的不变性;最后,构造矩不变量对归一化特征矩阵进行特征提取,并对该矩不变量的平移、尺度和旋转不变性进行证明。研究结果表明:与传统方法相比,该类不变量在不降低识别效果的前提下,运算复杂度较低,并对噪声具有较强的鲁棒性。     

基于Hu不变矩扩展的交通标志识别

交通标志的识别是智能交通系统(ITS)的组成部分之一，具有十分重要的意义，对Hu提出的区域不变矩和Chen提出的区域不变矩快速算法进行了扩展，得到一组新的描述形状特征的参数，这些参数具有平移、缩放和旋转不变性，并且具有较低的计算复杂性，具有Hu和Chen方法的综合优点．     

旋转机械轴心轨迹故障诊断

应用轴心轨迹图的直观性特点，对旋转机械进行状态监测和故障诊断。从轴心轨迹图上判断出振动的前期征兆，对防止故障的恶化和排除故障具有指导作用。因此利用轴心轨迹图来判断旋转机械是否处于正常状态是可行的。     

基于Zernike矩的水果形状分类

提出了一种基于Zernike矩的水果形状分类方法，首先运用标准矩对水果图像进行归一化，使得归一化后的图像具有平移和尺度不变性，然后从归一化后的图像中提取具有旋转不变性的Zernike矩特征，并运用主成分分析法确定分类需要的特征数目，最后将这些特征输入到支持向量机分类器中，完成水果形状的分类．通过与傅立叶描述子的分类性能比较，结果表明由于Zernike矩具有良好的正交性和旋转不变性，使分类性能明显有大幅提高。     

基于虚拟仪器的机械转子轴心轨迹分析

转子轴心轨迹是判断机械转子运行状态和故障征兆的重要依据,文中研究了几种机械转子典型故障及其对应的频率和轴心轨迹特征,运用LabVIEW软件平台,开发出智能控件化虚拟式轴心轨迹测试分析系统,调用由VC 编写的动态链接库(DLL)函数实现对机械转子振动信号的采集.试验表明,转子轴心轨迹测试分析系统可实时显示轴心轨迹、轴心位置和两路相互垂直振动信号的波形和频谱,以此可以判断一些常见的旋转机械故障,计算出用来消除转子不平衡的平衡质量块的大小及坐标点位置.     

旋转机械长历程偏心故障的数值与图形特征获取方法研究

研究采用采样点的波动稳定性描述偏心故障的程度,即通过对旋转机械长历程偏心故障数据采用信息融合、小波阈值降噪、数据压缩、构造特征方阵、计算特征值方差等方法获取故障的数值特征来描述偏心故障程度;利用小波分解获取低频时域信号和二维轴心轨迹方法探寻偏心故障劣化过程中在图形上的本质变化.应用这三种方法获取转子实验平台模拟的长历程偏心故障的数值与图形特征,结果显示,所获取的数值和图形特征均随着故障的劣化而单向变化,因此,三种方法均能够有效表征偏心故障劣化的过程和程度,具有较高的稳定鲁棒性.      

基于矩特征及支持向量机的图像识别

小波矩兼顾了目标的局部与全局范围的不变性特征,在计算复杂度和识别相似形状的物体时比Hu矩、Zemjke矩具有更好的识别效果;支持向量机建立在统计学习理论基础上,在实现识别分类方面比传统神经网络具有更好推广能力.利用小波矩提取目标的不变性特征,并输入到支持向量机进行分类识别,仿真实验表明该算法具有更好的识别效果.     

基于不变性矩的3D目标识别

提出一种直接使用３Ｄ信息的目标识别方法。３Ｄ不变性矩可作为任意３Ｄ形状的表示特征且具有平移、旋转和尺度变化的不变性，人工神经网络的训练过程对应于主动式机器视觉的内部建模过程，该方法适应于３Ｄ主动式机器视觉的目标识别。     

基于线性矩和小波变换的医学图像特征提取

应用小波矩作为图像特征量以及小波变换进行医学图像的自动特征提取,利用小波变换对线性矩进行分析,提取图像的各分辨率下的小波系数经快速傅里叶变换作为特征。使计算量和数据量大大减少,为特征的选取带来方便。矩特征由于其良好的稳定性、抗噪性和旋转不变性在图像识别中受到了广泛的关注和应用。由小波矩来构造目标的旋转不变性的特征,可以克服传统矩的弊端,又具有旋转不变性的特征。     

偏微分方程在轴心轨迹提纯中的应用

转子轴心轨迹包含了丰富的故障征兆信息,但因噪声的干扰,实测的轴心轨迹往往非常混乱。针对传统轴心轨迹提纯方法存在的问题,提出了偏微分方程(partial diffetential equation)轴心轨迹提纯新方法。分析了PDE滤波的基本原理、PDE滤波器的参数设计及其数值化过程,指出了PDE滤波与传统滤波器的相关性,实现了基于PDE的轴心轨迹提纯。实验表明,PDE方法可有效滤除信号中的噪声,且适应性强;去噪之后信号畸变少,保证了滤波前后信号固有结构不变。     

基于八向链码的矩的快速计算及2—D目标识别

提出一种直接基于八向链码的矩的快速计算方法，给出了与多边形近似法矩的计算及形状识别时间比较，最后使用不变性矩和人工神经网络完成了２－Ｄ形状。实验结果表明，本文所提出的方法具有更高的计算和知识速度。     

基于轴心轨迹重构的自动平衡控制输入算法优化

以转子呈各向异性、支撑刚度非线性时的自动平衡系统为研究对象，提出一种轴心轨迹重构方法来实时测算稳定的基频振动矢量作为最优自动平衡的控制输入，并在自动平衡试验台上进行了试验验证。结果表明，相较于传统单向传感器自动平衡系统，基于轴心轨迹重构的自动平衡控制输入算法的振动幅值降低了7.54 μm，同比下降约5%。