电子测量与仪器学报杂志 北大期刊 CSCD期刊 统计源期刊

电子测量与仪器学报 2019年第02期杂志 文档列表

电子测量与仪器学报杂志学术论文

基于改进样本熵的牵张反射起始点检测研究1-9

摘要：针对痉挛状态患者表面肌电(sEMG)信号质量差、易出现尖锐毛刺噪声且信号时序较短的问题,提出基于改进样本熵的牵张反射起始点(SRO)判定方法,利用固定长度的滑动窗对sEMG信号进行分帧,计算每帧信号改进样本熵,设定自适应阈值确定SRO,并分析对比了基于标准样本熵的SRO检测性能。实验结果表明,基于改进样本熵SRO最大识别率为89.06%,SRO识别能力优于标准样本熵(最大识别率为48.18%),且数据长度依赖性优于标准样本熵,在短时序列与含尖锐毛刺噪声sEMG信号处理上表现出更好的鲁棒性,为定量与细化上肢痉挛状态提供了基础。

基于Hilbert的单边带调制随机共振的微弱信号检测10-17

摘要：为了克服经典随机共振中的小参数检测条件的限制,介绍了基于Hilbert变换的单边带频率调制技术,并与二阶随机共振系统相结合,提出了运用调制随机共振的方法实现工程中大信号检测的应用。针对小采样频率和大采样频率进行了分开讨论,并对基频信号的选取做了相关研究。研究结果发现,小采样频率下,Hilbert单边带频率调制技术结合二阶系统有很好的检测效果。大采样频率下,可以结合变尺度处理进行优化。数值仿真分析表明,基频信号取在频率轴分辨率的10~60倍时,会有一个较高的并且较稳定的输出信噪比。并将变尺度Hilbert单边带频率调制技术运用于实际的轴承内外圈故障信号检测中,能明显、准确的检测出单频故障大信号。

基于加窗振动分离和变分模态分解的行星轮故障特征提取18-24

摘要：行星齿轮箱振动信号复杂且其传递路径具有时变性,导致故障特征提取困难。针对该问题,提出基于加窗振动分离和变分模态分解(VMD)的行星轮故障特征提取方法。首先利用角域同步平均消除非同步分量;随后对平均后的振动信号进行加窗分离;采用观察中心频率的方法确定参数K,然后对分离的振动信号进行VMD分解并选取包含故障的特征分量;最后对选取的特征分量进行Hilbert解调分析实现故障特征提取。通过行星轮齿根裂纹故障实测信号分析,验证该方法能有效提取行星轮故障特征。

EKF在机车最优黏着控制中的应用25-31

摘要：为了使机车工作在最优黏着状态,提出了一种基于扩展卡尔曼滤波(EKF)的滑模控制算法。首先以轮轨动力学及机车黏着模型为基础,利用EKF对机车的轮对速度和车体速度进行近似估计;然后为了克服外界干扰对系统的影响,提出了一种基于指数收敛干扰观测器的滑模控制算法;同时考虑轮轨最优蠕滑速度未知的问题,根据机车黏着模型设计一种搜索算法用于跟踪搜索当前路况的最优蠕滑速度。仿真试验结果表明,基于EKF的滑模控制算法可以有效提高机车运行的稳定性并且提高黏着利用率。

基于小波包能量熵和DBN的轴承故障诊断32-38

摘要：轴承是旋转机械设备的关键部件,目前已有很多轴承故障诊断方法,但其中一些方法只能针对特定的轴承故障进行诊断,可能不适用于其他轴承故障问题,而且大部分方法的诊断准确率还可以进一步提高。提出小波包能量熵与深度置信网络(DBN)相结合的方法进行轴承故障诊断。首先对轴承振动信号进行小波包变换,然后以能量熵的形式构建特征向量,这些特征向量含有不同频段内的振动能量大小,可以用于区分各种轴承故障。最后利用基于DBN的深度模型对能量熵特征向量进行故障识别。使用两类轴承数据集进行验证,分别获得100%和99.5%的故障识别准确率。实验结果表明,该诊断方法具有较好的通用性,而且可以达到很高的诊断准确率。

融合深度感知特征与核极限学习机的行人检测39-47

摘要：行人检测在辅助驾驶和交通监测等方面有着广泛的应用,一直是计算机视觉领域中的研究热点和难点。传统特征提取方法对处在复杂环境中的行人难以有效地捕获具有区分度的特征信息。而目前流行的卷积神经网络因BP算法易陷入局部极小值,对泛化性能有所影响,且随着网络层的增加,一些显著特征信息逐层递减。针对上述问题,提出了融合深度感知特征与核极限学习机的行人检测算法。首先在CNN结构的基础上分两个阶段将前层特征与深层次特征融合后,送入后续层学习,构造一个DAGnet网络。随后采用实时性高,泛化能力强的核极限学习机对所得深度特征信息进行分类,并采用K-折交叉验证进行参数寻优;检测阶段,在DAGnet网络学习到的特征图上采用基于图论的显著性分析算法(GBVS),快速标注测试图像中行人的区域,然后在显著区域利用滑动窗口检测行人的精确位置。实验证明,所提算法在INRIA数据集和Caltech数据集的正检率均高于90%,在保证精度的情况下检测速度也得到明显提高。

考虑最小成本的风机轴承维护周期优化48-55

摘要：针对风机主轴承可靠度要求高、维护费用高昂这一现状提出了一种基于单位时间维护成本最低的维护优化模型。首先通过对风机主轴承振动信号进行分析,提取能够较好地反映轴承退化过程的特征值,建立威布尔比例风险模型;其次对主轴承退化期内的失效率曲线进行分析,确定主轴承的失效更换阈值;然后通过改进传统的役龄回退因子对维护后的失效率进行修正,通过对模型运算结果进行分析,避免了定期维护出现欠维护的现象;最后确定单位时间内维护成本最优的维护周期。对维护优化模型进行仿真分析,计算结果表明,通过模型优化可以使单位时间维护费用降低14.4%。

基于特征提取与识别两阶段的汽车电机轴承故障诊断56-63

摘要：针对特征提取和故障识别这两个轴承故障诊断的关键环节,提出一种汽车电机轴承故障诊断新方法。该方法在特征提取环节:提出了将LCD分解和符号熵(SE)相结合的特征提取方法;在故障识别环节为提高果蝇算法(FOA)对相关向量机(RVM)参数的寻优能力,在FOA算法中增加了向'历史'学习的策略,提出具有历史学习能力的果蝇算法(HSAFOA),有效地提升了RVM的分类性能。汽车电机轴承不同类型、不同程度故障诊断实例表明,LCD符号熵可有效对故障进行表征,而HSAFOA算法则提升了RVM的识别效果,相比于其他一些方法更有优势。

基于LSTM长短期记忆网络的超短期风速预测64-71

摘要：大风天气容易导致高速列车发生脱轨、翻车等事故,因此对于风速的超短期预测对于高铁安全行驶具有重要的意义。提出一种基于长短期记忆(LSTM)网络的预测模型,对WindLog风速传感器采集得到的每分钟最大风速数据进行分组预处理,设置合理的步长参数,建立双层LSTM网络结构,采用北京市海淀区的风速数据进行训练,并对超前1、5、10 min的风速进行超前预测,超前1 min的预测值平均误差为0.467 m/s,正确率达100%;超前5 min的预测值平均误差为0.543 m/s,正确率达99.6%;超前10 min的预测值平均误差为0.627 m/s,正确率达98.8%。实验结果表明,该预测模型具有较好的适应性和较高的预测精度。

改进PSO优化ELM预测锂离子电池剩余寿命72-79

摘要：针对极限学习机在预测锂离子电池剩余寿命过程中的不稳定性,提出利用混合粒子群优化算法对极限学习机预测模型优化的方法。通过改进的粒子群优化算法对极限学习机的输入端进行寻优处理,不但能够使模型的预测精度有进一步提高,而且大大增加了锂离子电池单次剩余寿命预测结果的可信度。利用NASA PCoE公开的锂离子电池数据进行仿真实验并评估该模型的预测性能,然后与标准的极限学习机预测模型预测结果进行对比,统计结果表明该方法使预测误差控制在2%左右。

基于脉冲远场涡流的管道缺陷外检测与定量评估80-87

摘要：远场涡流技术用于金属管道检测时,由于对内、外壁缺陷具有相同的灵敏度,而难以有效区分缺陷位置。针对压力管线在役检测需求,提出了一种基于脉冲远场涡流的管道外检测方法,并实现了内、外管壁缺陷的深度定量和位置区分。首先根据远场涡流效应的磁场传播特点,对比分析了将传感器置于管内和管外时的检测原理;随后采用有限元仿真方法,优选了激励脉冲的重复频率和占空比等参数;然后,研究了内、外壁缺陷对磁场的扰动作用及其响应信号特征,分析了信号的峰值和过零时间与缺陷深度及位置的对应关系;最后,在实验室构建了脉冲远场涡流系统,对预制有内、外壁缺陷的碳钢管道进行了检测验证。结果表明,检测信号的峰值随管壁缺陷深度的增加单调增大,可用于缺陷的深度定量;内壁缺陷的过零时间总是大于相同深度外壁缺陷的过零时间,这一特征可用于管壁缺陷位置的识别。

基于改进深度卷积神经网络的步态识别算法88-93

摘要：针对传统步态识别算法因服饰携带物变换、视角等协变量因素变化导致的识别能力下降问题,提出了一种基于改进深度卷积神经网络的步态识别算法。该算法利用分层处理机制从步态数据中提取步态特征,能够降低常见变化和遮挡等情况对识别精度的影响,同时,算法根据实验确定了网络中每层特征图的最佳数量、特征图的最佳尺寸以及要用于步态识别的输入特征的类型,能够处理相对较小的数据集而无需使用任何增强或微调技术。CASIA-B步态数据库仿真实验表明,所提出的卷积神经网络覆盖了交叉视图步态识别和无主题的步态识别问题,能够克服与步态识别相关的协变量因素问题,具有更优的步态识别精度。

基于磁记忆方法的管道应力检测设备的开发94-100

摘要：为了解决管道应力检测中难以自动判断的问题,开发了一种基于磁记忆方法的管道应力检测设备。首先介绍了磁记忆方法实现管道应力检测的原理,搭建了以S3C2140芯片作为核心的检测系统,其中选用各项异性磁阻(AMR))传感器HMC 5883L作为弱磁场采集探头,开发了基于Linux嵌入式系统的显示终端,根据GB/T 35090制定应力集中判定方法,实现了对管道应力集中的定量评价。该设备的磁场检测精度与TSC系列检测仪无显著性差异。最后采用了残余应力XRD测量法对试样应力集中情况进行验证。实验表明,该设备能够反映材料内部应力集中情况,适用于输送管道的应力集中的检测。

基于平行Snake耦合Kalman滤波器的车道线检测算法101-109

摘要：针对当前车道线检测算法中易受到车道线磨损、遮挡、阴影等影响,导致检测算法精度不高,鲁棒性不强,提出了平行Snake耦合Kalman滤波器的车道线检测方案。首先,为了获得道路左右边界的平行属性,引入期望最大化(EM)算子,通过最小化目标函数来估计消失点,并估算其单应矩阵;并在齐次坐标空间中进行单应性变换,将车道线透视图转变为鸟瞰图。然后,通过参数预测算子建立车道模型,将平行性约束添加到主动轮廓模型(Snake)中,构建了一种平行Snake车道线检测方法。在平行Snake方法中,为了克服图像梯度低时Snake无法有效收敛到车道边界,引入了膨胀力,将两条平行的主动轮廓往道路的左右两边推挤,最终收敛到道路的左右边沿。最后,考虑到前后帧之间参数的连续性,采用Kalman滤波器进行跟踪优化,并抑制噪声,提高算法对车道线的识别精度。实验结果表明,与当前常用的车道线检测算法比较,提出的方案在精度与鲁棒性均得到改善,在阴影、光照变化、边界破损等车道数据集上取得了良好的性能。

级联H桥七电平逆变器故障的SKSNN-LPP特征提取方法110-116

摘要：针对级联H桥七电平逆变器结构复杂,故障特征属性相互交叉,相似故障类间区分度低的问题,提出一种监督核共享近邻(SKSNN)相似性度量方法,并运用于局部保持投影(LPP)算法中,形成一种新的基于监督核共享近邻的局部保持投影(SKSNN-LPP)特征提取算法,用于提取七电平逆变器IGBT开路故障低维敏感特征。首先,采集各故障状态下逆变器交流侧三相电流原始信号数据;其次,利用SKSNN-LPP算法提取嵌入于原始数据中的低维敏感特征;然后,将提取的特征作为支持向量机(SVM)的输入建立故障诊断模型;最后,与传统信号处理及统计分析方法进行了仿真对比分析。结果表明,所提出的特征提取方法能有效减低相似故障类误诊率,诊断精度高达96.4%,明显高于其他方法。

面向智能交互的视觉问答研究综述117-124

摘要：随着深度学习方法被不断应用于图像处理相关工作,图像相关的智能交互技术也获得了快速发展。面向智能交互的视觉问答技术通过向图像的内容提出相关问题以收集图像信息,最终达到丰富图像理解的目的。通过对近年来视觉问答相关方法进行了综合分析与对比,建设性地将视觉问答方法按照模型结构划分为基本模型、注意力机制模型、模块化模型、基于外部知识库的模型4种类型。同时,还从3个方面针对视觉问答中的视觉和语义信息处理以及未来的视觉推理研究指出了一些方向。

自适应UKF在北斗伪距定位中的研究125-131

摘要：针对北斗伪距定中噪声统计特性未知或者不准确带来的定位精度不高问题,为减小噪声统计特性的不准确在滤波过程中对状态估计带来的影响,采用了无迹卡尔曼滤波(UKF)和噪声统计值估计器相结合的滤波方法,该方法在UKF中引入改进的噪声估计Sage-Husa算法,对系统噪声和观测噪声进行实时估计,抵抗不准确噪声在定位解算时带来的误差;最后在进行状态更新时引入一个收敛因子对每一次滤波状态进行更新,保证算法的收敛性。实验结果表明,该方法与传统的无迹卡尔曼滤波相比,在提升算法收敛速度的同时,将伪距定位的精度提高了40%左右,可用于带有时变噪声和未知噪声的定位系统中。

单体热电池装配缺陷的图像检测方法研究132-139

摘要：针对目前国内外热电池内部装配缺陷检测准确度不高的问题,研究一种基于图像检测热电池内部的单体热电池缺陷的检测方法。其中分析了单体热电池整体倒装、单体热电池装配次序、单体热电池漏装集流片3种常见的缺陷的特征,利用改进的灰度共生矩阵、HU不变矩和模板匹配三种算法对单体热电池进行缺陷分析。最后利用分类回归树(CART)进行检测,提出一种按权重分配参数的检测方法,实验结果表明,这种方法准确度达到97.5%满足检测要求,为热电池缺陷检测提供了有效途径。