发表咨询:400-808-1731
订阅咨询:400-808-1751
部级期刊
影响因子 0.47
人气 24408
省级期刊
影响因子 0.3
人气 17817
部级期刊
影响因子 0.59
人气 16039
统计源期刊
影响因子 0.91
人气 14236
部级期刊
影响因子 0.38
人气 12780
统计源期刊
影响因子 1.71
人气 12609
北大期刊
影响因子 0.46
人气 12187
CSSCI南大期刊
影响因子 5.52
人气 12106
部级期刊
人气 12014
北大期刊
影响因子 3.18
人气 11660
摘要:针对传统二维激光同步定位与地图构建(SLAM)方法无法适用于非平坦、复杂的非结构化环境的问题,提出了一种基于惯性导航角度补偿的激光SLAM方法。该方法通过基于高斯牛顿法的扫描匹配估计出机器人的位置,使得机器人位置的计算不再依赖里程计模型。同时,通过卡尔曼滤波器得到精确的角度信息并对激光数据进行补偿,提高构建地图的精度。实验平台为搭载二维激光雷达,基于ROS(robot operating system)系统的两轮差速移动机器人。实验结果表明,该算法创建的地图墙体角度误差由11°降到1°,匹配位置误差由±15 cm降到±5 cm。通过对地图精度和机器人位置的误差对比证实了该方法具有良好的场景适应性和实用性。
摘要:光栅通过细分实现高分辨率测量,光栅细分数与A/D转换位数有关。针对目前低价位A/D采样芯片存在的A/D转换位数高则采样速度低或A/D转换位数低则采样速度高的特点,提出了一种跨尺度的光栅微纳测量方法,该方法通过高速A/D采样实现光栅快速测量,通过高转换位数A/D采样实现慢速微纳测量。为解决双A/D采样与细分的跟踪问题,设计了基于双A/D采样的二路细分算法,一路为判定算法,判定算法是以高速A/D采样值作为细分采样值,另外一路为测量算法,测量算法中的细分采样值是动态分配的,当判定算法的细分值和细分增量值满足跟踪条件时,测量算法中的采样值为慢速A/D采样值,否则为高速A/D采样值。实验数据表明,采用上述测量方法,可以任意组合两种不同转换位数与采样速度的A/D芯片,以满足不同需求的跨尺度光栅测量要求。
摘要:为了精密测量光电编码器在工作时的细分误差,提高编码器细分精度,提出了一种基于改进遗传算法的光电编码器光栅条纹信号细分误差测量分析方法。阐述了基本遗传算法的原理和实现方案,并进行了算法的改进与优化,利用采集到的离散信号数据,通过改进后的遗传算法对光电信号波形进行参数提取。分析了信号质量对编码器细分误差的影响,根据提取到的信号参数(直流分量,幅值,频率和相位)对光电编码器细分误差进行测量。实验结果表明,通过改进遗传算法提取的信号参数精度高,运算速度快,细分误差峰值为+2.51″和-4.52″。该方法可有效的测量光电编码器细分误差,对编码器信号的补偿与修正具有重要意义。
摘要:实现航空发动机剩余寿命的准确预测对于保证飞行安全和提高维修效率具有重要意义,但现有的预测算法往往只是浅层结构,且对各传感器参数之间的相互关系缺乏关联性考虑,限制了对发动机参数信息的深度挖掘。在深度学习理论的基础上,着重考虑不同传感器之间的参数关系,引入差分时域特征扩充特征集,构建了基于长短时记忆网络的寿命预测模型DTF-LSTM。在C-MAPSS数据集上的实验结果表明,该算法相较于其他深度学习算法具有更低的均方根误差(RMSE)值,可以有效实现发动机剩余寿命预测。
摘要:无线信道异常检测中,现有基于大尺度衰落建模的能量检测法简便、迅速,然而其在检测过程中忽略了阴影衰落的实时、随机变化的特性。马尔可夫模型在无线信道建模中具有良好的应用前景,能够有效地应用于阴影衰落的动态分析。通过统计分析先验马尔可夫模型矩阵的相似度变化阈值,计算先验与实时马尔可夫模型矩阵相似度,检测阴影衰落的变化规律是否发生变化,实现无线信道环境的异常检测。该方法作为大尺度衰落建模能量检测法的补充,能够完善检测覆盖面,提高检测的准确率。多次仿真实验结果表明,在高斯白噪声入侵时,该方法可实现准确的检测。
摘要:针对在声学主动检测埋地排水管道故障的过程中,不同程度堵塞信号及常规管道部件三通件信号等难以有效区分的问题,提出小波包增强稀疏表征分类(SRC)的堵塞故障识别方法。该方法首先对管道中采集的声学信号进行小波包分解,提取不同尺度分量的多个时频特征参数并筛选出更为有效的特征值,构建能全面表征不同程度堵塞与管道三通件信号的特征向量,然后利用特征向量分别构造字典和稀疏表征分类器。实验结果表明,该方法在少量样本情况下仍能有效识别排水管道内不同程度的堵塞故障及管道三通件,具有一定的工程实用价值。
摘要:为了解决不确定性随机干扰下的动态服务选择和频谱资源的动态分配问题,提出了一种基于最优控制策略和最优值函数的分层博弈架构。首先将二次用户之间服务选择的动态竞争建模为一种进化博弈,并将由于缺乏完整信息和计算能力的二次用户的非理性干扰行为建模为一个对服务选择分布进化的随机扰动;然后将在二次用户扰动服务选择下二次服务提供商的动态带宽分配构建为一个随机微分博弈来模拟不同服务提供商之间的竞争,从而得到动态地确定最优频谱资源分配的最优控制策略和最优值函数。仿真实验结果表明,该方案不仅全部二次用户都可以获得相同的组群平均效用,而且还可实现二次服务提供商总的利润最大化。
摘要:针对锅炉受热面从清洁到产生积灰和结渣导致锅炉传热效率降低等问题,以清洁因子为监测指标,提出一种基于无迹卡尔曼滤波算法的实时吹灰预测方法。采用双指数函数拟合分析清洁因子退化数据,利用无迹卡尔曼滤波算法对模型参数进行更新,并预测清洁因子未来的变化趋势。同时提出一种基于单位时间传热量最大的吹灰优化模型对吹灰时间进行进一步的优化。以某省煤器的清洁因子数据为例,通过与扩展卡尔曼滤波算法进行比较分析发现,所提方法能够更准确地预测吹灰时间,并进行吹灰优化实例计算,验证了所提优化模型的可行性。
摘要:针对刚性罐道故障种类识别困难,提出了一种基于经验模态分解-概率神经网络(EMD-PNN)的刚性罐道故障诊断方法。首先,搭建立井提升实验平台,使用北京东方振动和噪声技术研究所的INV3062T0设备采集罐道的振动信号,然后对含噪的振动信号进行EMD降噪;其次,提取降噪后振动信号的能量参数、偏度参数、峰度参数、波形参数、峰值参数、峭度参数、脉冲参数、裕度参数构成特征向量,作为PNN网络输入层的训练样本和测试样本;最后,利用训练样本建立PNN网络模型,选取测试样本检测概率神经网络的模式识别效果。实验证明,本方法对台阶凸起故障、接头错位故障和正常状态3种模式的识别率达到100%,为立井提升等非线性非平稳复杂系统的故障诊断提供一种通用可行的解决方案。
摘要:为实现在生产现场对灰铸铁抗拉强度进行快速、准确的预测控制,引入非参数化的局部加权线性回归建模方法,过程参数的选择结合铁水热分析仪检测的碳、硅含量及光谱仪检测的锰、磷、硫等主要化学成分值。从安徽一家大型铸造厂的实际生产中采集100多炉铁水化学成分与对应抗拉强度数据,经预处理后,分成训练集和验证集,进一步从新的生产批次采集检测数据组成测试集;并从文献中收集40组数据组成另一数据集,进行两组对比验证实验。将局部加权线性回归模型,与目前灰铸铁强度预测中常用的多元线性回归模型和BP神经网络模型对比,验证了该方法能够达到更高的预测精度,且其非参数化的建模方式能够更好地适应生产现场复杂多变的工况环境。
摘要:床身作为整体机床的重要支撑部件,其动态特性直接影响机床加工质量和可靠性。建立了某型复合加工机床的床身三维模型,基于结构模态振动理论,利用有限元分析软件ANSYS提供的APDL语言,通过对机床床身前六阶固有频率及振型的对比分析,研究不同筋板结构对床身固有频率的影响,提出了床身结构优化方案。分析了地脚螺栓安装处筋板厚度对床身动态特性的影响,发现筋板厚度的增加对床身一阶固有频率的提高具有促进作用,优化后的机床床身一阶固有频率提高了39.7%,具有更好的动态性能,有利于提高机床的加工质量和可靠性。
摘要:为提高支持向量机(SVM)对模拟电路的故障诊断精度,提取了基于动态变步长果蝇算法优化SVM的模拟电路故障诊断方法。动态变步长果蝇算法(DCSFOA)在FOA算法的基础上,通过适应度值对果蝇种群进行动态划分,然后两个子群按照不同的公式进行搜索步长的计算并完成位置更新,增强了果蝇种群的寻优能力,可以获得更优的SVM参数,有效地提升了SVM的分类性能。最后以UCI数据集、Sallen-Key低通滤波器模拟电路和实际电路故障诊断为例,从纵向和横向两个方面对DCSFOA-SVM有效性和优势进行了验证。
摘要:针对经验模态分解(EMD)和集合经验模态分解(EEMD)方法存在模态混叠、噪声残留以及对滚动轴承早期微弱故障特征提取效果不理想的问题,提出一种基于集成噪声重构经验模态分解(ensemble noise-reconstructed empirical mode decomposition, ENEMD)与Teager能量算子的轴承早期微弱故障特征提取方法。首先,使用ENEMD对采集信号进行分解,基于固有噪声分量处理方法实现信号降噪;其次,基于峭度与相关系数的联合准则,提取ENEMD分解的峭度值及相关系数较大的imf分量进行重构;再次,利用Teager能量算子对重构信号进行分析,从而提取到滚动轴承的早期微弱故障特征;最后,基于滚动轴承内、外圈的故障振动信号,开展所提方法与基于EMD和Teager能量算子(EMD-Teager)及基于EEMD和Teager能量算子(EEMD-Teager)方法对比实验。实验结果表明,本方法能有效提取滚动轴承早期微弱故障特征,并取得略优于EMD-Teager和EEMD-Teager能量算子的效果。
摘要:针对滚动轴承诊断中难以获得大量故障样本的问题,拟结合迁移学习的思想,提出了一种基于迁移学习的多变量预测模型(TVPMCD)方法。该方法首先采用已知样本库建立基础变量预测模型(BVPM);然后利用少量的目标域已知样本更新基础变量预测模型,使得更新的基础变量预测模型能兼顾目标域已知样本的信息;同时,以目标域已知样本的判别误差最小为目标,剔除已知样本库中误识样本,建立迁移变量预测模型(简称TVPM);最后利用迁移变量预测模型对待测样本进行识别,从而可以有效地解决小样本的故障诊断问题。对滚动轴承数据的分析结果表明,适合于小样本的TVPMCD模式识别方法可以更快更准确地识别滚动轴承故障类型。
摘要:为了减少测量仪器本身对测量结果的影响并且提高海洋波浪测量仪器的安全性与可维护性,提出了一种将双目立体视觉技术和数字图像处理技术结合起来应用于目标海域海洋波浪参数测量的方法。该方法采用双目立体视觉系统作为采集平台,包含视频获取、视频图像处理、波浪参数反演等主要模块,反演间隔为0.5 s、共2 048帧的波浪变化视频得到目标海域海洋波浪的波高、波周期与波向参数,参数测量精度满足波高量程为0~20 m、测量波高最大误差为10%、周期精确度0.5 s、波向±10°的要求,依据该方法的测量系统可无接触式测量目标海域的波浪参数,系统布放与维护安全方便。
摘要:由于高分辨率遥感影像存在同物异谱或异物同谱现象,常用的基于影像特征的阴影检测方法存在普适性较差、鲁棒性较低、高漏检率和误检率等问题,而基于物理模型的阴影检测方法受数据源限制应用较少。立足高分辨率遥感影像以及基础地理信息数据日益丰富这一背景,从摄影测量理论和阴影形成几何原理出发,提出了广义立体像对支持的、多源数据辅助的高分辨率遥感影像多角度阴影检测方法。实验结果表明,在地面控制点支持下,广义立体像对能够完成三维重建,且重建模型的定位精度能够达到影像分辨率对应成图比例尺的规范要求;该方法是可行的,虽然过程更加复杂,但由于理论上更加严密,能够避开常用检测方法存在的问题,取得更好的检测效果,具有良好的工程化应用前景。
摘要:针对现有的玻璃纤维电子布表面缺陷分类效率低、错误率高等问题,提出了一种基于深度迁移学习的分类方法。首先,对所有的图像数据进行压缩、旋转和添加噪声等预处理操作;其次,引入ResNet网络,将特征提取层得到的特征进行迁移,并加入了批规范化层、激活层和全连接层等几层网络组成分类器层,进而构建一个新的深度迁移学习网络;最终训练得到电子布缺陷分类模型。利用电子布缺陷图像样本数据集进行验证,实验结果表明,应用该方法的缺陷分类正确率达到了99.1%,且实时性良好,能满足实际工业需求。
摘要:研究了一种复杂背景下红外小目标检测的新方法。根据远距离红外弱小目标在相平面上成像的各向同性特征以及目标与背景边缘分离困难的现状,提出了一种基于Contourlet及目标特性分析的弱小红外目标检测算法。首先采用Contourlet变换对图像中的低频起伏背景及边缘与随机噪声和目标进行分离;然后对红外目标进行基于各向同性特征的目标提取;最后对目标进行分割、检测以及定位,并输出目标信息。通过与一些传统方法进行基于主观视觉和客观指标的对比发现,该算法可有效分离目标与低频背景、随机噪声及背景边缘,对红外图像基于弱小目标检测背景处理时,效果较好。