基于信号时频特性与GA-SVM的液压泵故障诊断方法

为提高液压泵故障诊断的准确率和速度,提出一种小波包频带能量结合信号时域统计量方差和均方根值的信号特性表示方法,以及一种用于寻找支持向量机最优惩罚因子和径向基核函数模型参数的实值编码遗传算法。实验结果表明这种信号特性表示方法能够很好地展示液压泵不同工作状态下的特征,使不同状态下的信号具有明显的区分度。通过与幂级数分格的网格搜索法对比,验证了实值编码的遗传算法能够有效且快速地找到支持向量机的最优参数。     

基于卷积神经网络和多类SVM的交通标志识别

为了实现在复杂环境下具有较高准确率的交通标志识别以及在小样本情况下也能良好工作的识别网络,提出一种基于卷积神经网络和多类SVM的交通标志识别模型。此模型不需人工设计特征提取算法,且在小样本训练集上也能训练出具有较高准确率的分类模型。除此之外,利用迁移学习策略,避免重新初始化卷积神经网络,在节省大量样本与训练时间的同时能有效避免过拟合的发生。实验结果表明,提出的分类模型在小样本训练集上进行训练后得到的模型在实际测试中有较好的表现且对处于复杂背景下和严重畸变的交通标志具有可靠的识别能力和良好分类结果。     

基于连续自适应均值漂移和立体视觉的无人机目标跟踪方法

为设计一种可自动跟踪、避障的无人机视觉导航技术,将无人机同时搭载双目和单目摄像头:单目摄像头采集无人机相对于被跟踪物体的图像,并采用经Kalman预测器优化的连续自适应均值漂移算法对目标进行有效跟踪;双目摄像头实时采集无人机前进方向上的图像信息,并利用SGM算法计算深度图以分割出无人机前进方向上的障碍物信息。无人机在跟踪目标物体的同时,可自主避开行进方向上的障碍物。实验结果表明,该方法可以有效引导无人机持续、精确地对目标物体进行跟踪,并在跟踪过程中及时躲避前进方向上的障碍物。