轨道交通健康管理系统关键技术研究综述

轨道交通制造业是国民经济的重要支柱,而轨道交通装备的维修保养直接影响装备的效率和使用寿命。传统轨道交通状态评估方法依赖专家经验且无法对大规模故障数据进行处理,难以满足日益增长的轨道交通装备维修需求。从PHM技术结构出发,梳理PHM技术的主要结构和关键技术,并对PHM技术的研究现状进行分析。最后探讨PHM技术在轨道交通装备应用的难点及轨道交通健康管理系统的发展方向。     

改进的EMD方法对故障弱信号提取的应用研究

针对滚动轴承的故障特征向量往往被大量的噪声信号淹没的特点,提出了一种基于结合改进EMD方法,用以提取滚动轴承的故障特征向量。该方法首先对原故障信号进行小波包分解和重构,得到降噪后的重构信号,然后对其进行EMD分解,将分解后的IMF分量与降噪后的重构信号的互相关系数和峭度值作为判断标准,消除传统的EMD分解中的伪分量,最后对真实的IMF分量进行包络谱分析,提取弱故障信号中的特征。实例研究结果表明：该方法能够有效地提取淹没在噪声信号下的滚动轴承故障信号的特征。     

基于结构化Fisherface的人脸识别新方法

特征提取是人脸识别中一个关键步骤.传统的Fisherface人脸识别方法中用样本的类均值和总体均值定义相应的散布矩阵,丢失了样本个体之间的结构信息,本文提出了一种基于原始样本个体结构信息的结构化Fisherface人脸识别方法,最后得到的特征数据中保留了原始样本更多的分布信息.在ORL人脸数据库的实验结果验证了该方法的有效性.     

人脸特征提取方法的研究

人脸识别是一个被广泛研究的热门问题,该技术在法律、商业、安全系统领域有着广泛的应用,人脸图像的易取性和人脸变化的多样性使该技术的研究更富有挑战性.当前,基于模板匹配的人脸识别技术已经相当成熟,人脸特征提取是人脸识别过程中必要的一个步骤,本文就当前一些     

基于频率切片小波变换的轨道列车轮对振动信号分析

为了提取轨道列车轮对振动特征信息,提出一种基于频率切片小波变换的故障特征提取方法。首先,利用频率切片小波变换获取振动信号在全频带的时频分布;然后,依据得到的振动信号能量分布特点选择时频目标区域;接着,分割出含有故障特征的时频区域;最后,通过逆变换对目标区域的信号分量进行重构,分离出有效的信号时频特征。仿真结果表明,利用频率切片小波变换分离轮对振动信号时频特征效果较好,为轨道列车轮对振动信号时频特征精确提取提供一种新的方法。     

基于深度图像的列车乘客目标识别技术研究

针对轨道交通中高密度客流的特点,提出了一种基于深度图像的局部法向量特征提取方法,利用球面坐标系参数(,)表示物体表面切平面法向量的特征信息,通过提取检测区域的局部法向量作为目标特征,以实现目标识别及头部轮廓提取。采用深度图像能有效地解决轨道车辆高度及光照等环境因素的局限性,并通过试验验证该方法的实时性和准确性。     

电气化铁路弓网接触压力功率谱的特征提取

电气化铁路中,弓网间的接触压力数据是表征弓网受流质量和动态特性的重要参数,现行弓网技术标准中的时域平稳统计参数难以准确全面地反映弓网动态特性。本文使用自回归模型功率谱估计方法,利用信息理论准则选择合适的模型阶数,得到接触压力的功率谱估计。根据接触压力谱的趋势和波动提出了一种接触压力谱的特征提取方法,该方法通过使用二次多项式拟合接触压力谱下包络线表征谱的趋势特征,用谱中极大值点所对应的波长和谱幅值表征谱的波动特征,以此制定固定线路和固定受电弓类型时一定车速下的接触压力谱标准。比较和分析表明,该方法提取的特征参数具有一定规律性和实际意义,为弓网动态性能评价、弓网系列化标准的建立提供了参考。     

Apriori and N-gram Based Chinese Text Feature Extraction Method

A feature extraction, which means extracting the representative words from a text, is an important issue in text mining field. This paper presented a new Apriori and N-gram based Chinese text feature extraction method, and analyzed its correctness and performance. Our method solves the question that the exist extraction methods cannot find the frequent words with arbitrary length in Chinese texts. The experimental results show this method is feasible.     

结合手部特征的单目相干映射手势识别

相对于人脸识别，基于视觉的手势识别在处理特征点，定位以及跟踪上具有较大的困难．首先对采集到的图像序列采取改进的差分计算，去除环境干扰，再利用手形视觉特征进行手形的定位和初步特征提取，接着结合手部解剖和运动学特征，提出预测模型对手指位置进行深层次的特征提取，利用向量相干映射进行轨迹跟踪，克服模糊和遮盖现象．手指的半封闭特征的利用以及预测算法保证了处理过程中的鲁棒性。