基于变尺度杜芬阵列的超声非线性输出信号检测

针对超声非线性输出信号中二次谐波信号比较弱、且是经过复杂传播的非线性时间序列,利用变尺度杜芬阵列对超声非线性输出信号进行检测评估材料的疲劳损伤。首先对杜芬振子进行频率变换、分析初始相位对检测结果的影响,构建检测实际工程信号的杜芬阵列模型,并对超声非线性输出信号进行变尺度变换,使杜芬阵列与超声非线性输出信号相匹配。当处理信号输入杜芬阵列模型时,第二个杜芬振子相轨迹由混沌状态过渡至大尺度周期状态,微弱二次谐波信号可以被有效的检测出来。根据杜芬振子总驱动力幅值和响应信号幅值之间的对应关系对二次谐波信号幅值进行有效估算。最后,探究随机噪声对检测模型的影响,当待测信号含有噪声时,杜芬振子相图仍变为大尺度周期状态,随着信噪比降低,相轨迹越来越粗糙,且稳定性变差。以上分析表明,利用构建的杜芬阵列模型能够有效检测超声非线性输出信号的二次谐波,对材料的疲劳损伤状态进行有效评估。     

近似凸包自适应包围盒碰撞检测方法

针对虚拟装配环境中包围盒碰撞检测存在检测精度差和效率低的问题,设计了粗精结合的分层检测方法。粗检测阶段,采用基于八叉树的球形包围盒进行检测,初步剔除明显不发生碰撞的对象。在精确检测阶段提出近似凸包自适应包围盒算法,基于近似凸包思想提取贴合模型外壳顶点集求解协方差矩阵计算最小包围盒,解决传统方向包围盒算法因三角形面片的尺寸不均匀、导致构造包围盒方向偏移的问题,且构造时间较传统方向包围盒缩短了66%。最后在Unity3D中以液压调平举升平台各部件为研究对象进行实例验证,实验结果表明,本文研究的方法能构造出比传统方向包围盒更加紧密的包围盒,在装配实验执行时间上比使用传统方向包围盒碰撞检测算法加快了22.2%,比使用轴对齐包围盒碰撞检测算法加快了17.4%,能够满足虚拟装配中碰撞检测效率高的要求,且符合使用者实时的自然交互习惯。     

基于功率谱密度与随机配置网络的低压串联电弧故障检测

低压串联电弧电流为非平稳信号,故障特征区分度低且具有随机性,给电弧故障特征提取和准确检测带来困难,提出了基于功率谱密度与随机配置网络的低压串联电弧故障检测方法。首先,搭建了串联电弧故障发生平台,采集不同负载类型的电流数据,构建数据集。其次,采用功率谱密度对电流信号执行随机信号分析,实现对电流信号的定量化频域特征描述,增强故障电流与正常电流特征的区分度。然后,采用随机配置网络构建串联电弧故障检测模型,将功率谱密度特征用于随机配置网络的自适应训练学习,提升网络训练效率和模型故障检测能力。在本文构建的电流数据集上,串联电弧故障检测的平均准确率达到96.156 7%,证明了方法的有效性。     

宁芜火山岩盆地及周缘重磁场多尺度边缘检测与地质意义

宁芜火山岩盆地位于长江中下游成矿带,在盆地内发育了以玢岩型铁矿为主的宁芜矿集区,是我国重要的铁矿资源基地。经过多年勘探和开发,浅部矿床基本已经查明,深部找矿已经成为解决接替资源这一突出问题的主要方向。但受火山岩和第四系覆盖,宁芜盆地隐伏构造和隐伏岩体还未完全查明,制约了找矿预测。本文利用覆盖宁芜盆地及周缘的重力和航磁数据,通过多尺度边缘检测方法,增强和提取了地下地质体的边界。结合地质资料综合分析,厘定了15条断裂构造,推测了8个隐伏岩体,为宁芜矿集区找矿预测提供了支撑。     

面向多场景的环境异常声音识别

随着人工智能和大数据的发展,各种场景中对异常声音识别的需求日益增长,基于人工智能的声音识别技术正在兴起并被高度重视。现行主流的异常声音识别算法多为浅层机器学习模型结构,对异常声音的识别率较低,且识别的声音类型单一。为了有效识别异常声音,提出一种基于梅尔频率倒谱系数(Mel-frequency cepstral coefficient, MFCC)和卷积神经网络(convolution neural network, CNN)的环境声音识别算法,对各类异常声音进行采集和有效识别,并及时反馈声音状态,为各类声识别应用场景提供精细化管理技术手段。结果表明：提出的算法对5类场景下环境异常声音的识别率得到极大提高,适用于更广泛的声学场景,具有明显的优势。     

基于局部检测统计量的反馈多传感器分布式检测

传统的多传感器分布式检测反馈方法把融合中心的二元判决送到局部检测器,再利用局部检测器的二元判决形成下一次融合,从而需要双向通信.为了更充分的利用观测信息,降低系统的复杂度,该文提出了一种基于局部检测统计量的多传感器分布式检测反馈方法.新的反馈方案把融合中心的全局统计量重新送到融合中心,与下一步的局部检测统计量一起形成新的全局统计量.并在局部检测器为两个的情况下,分析了新的反馈方案的检测性能并与传统的方案进行了比较.结果表明新的方案使分布式检测性能有明显加强,同时更便于实现.最后给出了实际应用的计算分析方法.     

基于图像处理的管道泄漏检测与定位

压力曲线上的负压波是管道泄漏的征兆.为快速检测和准确定位压力曲线上的负压波,提出了一种基于图像处理的方法.该方法将压力数值转化为图像灰度值,将压力曲线上的负压波起始点定位等价为图像处理中的边缘检测.利用灰度统计直方图计算一段压力曲线前半段的主流数值,如果压力曲线的后半段偏离主流数值,则表明检测到负压波.对此压力曲线进行灰度拉伸变换,使负压波更为凸显.试验研究表明,该方法可减少系统的误报和漏报,提高定位的精度.     

一种新的彩色图像边缘检测算法

传统的边缘检测方法大都基于灰度图像,不能充分利用彩色图像的全部信息。针对已有算法中存在的像素点扩散、边缘定位不准确、边缘不连续等问题,提出了一种彩色图像边缘提取算法,基于图像自身梯度方向信息和多通道信息融合技术,将灰度边缘模板算子扩展应用到彩色图像的边缘检测中,在RGB空间中对原彩色图像进行多通道边缘检测;同时采用滤波来抑制噪声,依靠边缘生长保证检出边缘的连续性,并提出了自适应确定边缘提取门限值的方法。该文提出的彩色图像边缘检测算法计算量小,实验结果表明了其能充分利用图像的颜色和梯度信息,有效地消除噪声,提高边缘检测的准确性,保证边缘的连续性。     

一种基于角点匹配的图像拼接算法研究

提出了一种基于角点匹配的图像拼接算法。研究了基于角点匹配的图像拼接方法中,Harris角点的检测,角点的匹配及图像的融合等关键算法。并且给出了图像拼接的MATLAB仿真结果。实验表明,该算法能够获得较为满意的拼接效果。     

一种高斯色噪声混响背景的宽带信号检测算法

针对由正反线性调频信号和双曲调频信号产生的宽带混响,研究了以局部平稳高斯色噪声混响模型为基础的分段匹配滤波检测算法。对匹配滤波器采用分段预白化处理,对数据进行合理分段后,对每段数据按高斯色噪声背景下的最佳检测器,即对匹配滤波检测器进行预白化处理,则可以得到分段预白化匹配滤波检测器。仿真试验实现了对混响数据下的宽带信号检测。结果表明采用分段匹配滤波器和分段预白化滤波器可以在低信混比下检测信号,其中分段预白化匹配滤波算法可以有效检测满足局部平稳高斯色噪声背景下的回波信号,且性能优于分段匹配滤波器。