简介:摘要院对风电机组齿轮传动系统的加速度振动信号(称为实验信号)进行测试,计算获得其功率谱。并用细化谱与解调谱分析相结合的方法对其功率谱进行分析,得到实验信号的故障特征,初步判断齿轮传动系统发生故障的大概位置及故障类型。为进一步准确验证故障,建立其相应故障的齿轮传动系统的动力学模型,进行动力学模拟分析,对所模拟的振动响应信号采用实验信号相同的处理方法对其处理分析,得到模拟振动信号的故障特征。通过模拟信号的故障特征分析验证了对实验信号故障诊断的正确性。并用分形方法分析了齿轮传动系统不同状态信号功率谱的分形特征。结果表明,关联维数能反映出其振动信号成分的复杂程度,区别出故障的位置和程度。所以,可作为齿轮传动系统的故障特征量及故障诊断的依据。
简介:摘要隧道区域是高速公路管理的重点区域,行人和非机动车辆违规进入高速公路隧道内会严重影响高速公路的正常运行,造成巨大的安全隐患。因此,针对隧道环境下视频监控中的行人检测技术是高速公路正常运营的重要保障。隧道环境内,环境光照条件差,在图像中产生大量噪声,行人在隧道内目标小,像素低,给隧道环境下行人检测带来很大挑战。本文主要研宄了视频检测中的前景目标与背景目标的分割方法,使用了基于数学特征提取方法与卷积神经网络的行人目标检测方法。并且针对提取特征训练的分类器遍历搜索慢,在隧道场景下采用运动信息缩小搜索范围,节省了搜索时间。另外针对隧道环境下噪声大行人特征提取困难的问题,利用卷积神经网络对特征提取的优势特点,训练了端到端的隧道场景下行人检测网络。
简介:传统的遥感图像机场跑道自动目标检测由于仅提取灰度特征常产生过分割现象,本文采用灰度特征和纹理特征相结合的方法进一步提高跑道的检测精度。利用阈值对遥感图像进行初始分割,以定位感兴趣区域(ROI),再利用EM算法估计ROI区域训练样本,引入马尔可夫随机场(MRF)模型,分割机场跑道。实验表明MRF可以很好地描述空间连续性,可以达到精确检测机场跑道的目的。
简介:摘要目的通过观察研究B超图像中的特征及有用信息来判断脂肪肝的严重程度,给予较为准确的分级诊断。方法采用图像纹理分析方法和模式识别技术对48例脂肪肝患者的B超图像进行研究分析,以临床诊断不同程度脂肪肝B超图像纹理的变化和标准来研究的出发点,选择每一幅图像上感兴趣的区域,计算远场灰度比、多重谱面积、奇异标度差和基于小波变换的角二阶距等特征量。根据每一幅图像的特征矢量进行分类识别,识别方法有无监督识别—C-均值聚类和有监督识别—基于反向神经传播方向两种。结果正常肝脏识别率为96.0%,重度脂肪肝识别率为92.0%,中度脂肪肝识别率为88.0%,轻度脂肪肝识别率为80.0%。结论根据B超图像的特征能够有效的区分出正常肝脏与轻中重度脂肪肝,应用于脂肪肝的常规检查,能减少医生的工作量,避免造成误诊漏诊。
简介:针对行星齿轮传动故障诊断中的信号故障特征微弱、特征提取困难等问题,提出了基于自适应聚合经验模态分解(EnsembleEmpiricalModeDecomposition,EEMD)和样本熵(SampleEntropy,SE)的行星齿轮箱故障特征提取方法。首先,针对EEMD结果存在较大的盲目性和主观性等问题,提出自适应EEMD方法;然后,使用此方法将行星齿轮箱振动信号分解为若干个固有模态函数(IntrinsicModeFunctions,IMF)分量,通过相关性分析选取含有齿轮状态特征信息的IMF分量并对信号进行重构,计算重构信号样本熵值,以此判断行星齿轮箱的运行状态;最后,对行星齿轮箱故障模拟试验台采集的2种状态振动信号的自适应EEMD样本熵进行求解,并与直接样本熵、EEMD样本熵等特征提取方法对比,验证了自适应EEMD样本熵具有更好的分类能力。