桥梁结构健康监测基于相关性分析的多源数据预测算法研究

通过大数据预处理和分析技术,对位移、应变、风速、温度、湿度和索力等桥梁监测数据进行分析。首先使用傅里叶变换和小波变换,分析了不同监测数据类型之间的相关性,之后通过Bi-LSTM多源预测模型验证了相关性分析的结论。结果表明：位移信号与温度信号之间具有负相关性、位移信号与湿度信号具有正相关性,引入相关性强的桥梁监测数据建立多源预测模型能有效提高预测精度。研究结果对桥梁结构健康监测数据的关联分析与挖掘有参考价值,可为桥梁的日常养护、监测运营和应急管理提供决策依据。     

EBSD花样菊池带的快速识别

电子背散射衍射（electron backscatter diffraction,EBSD）领域引入Hough变换,实现了由计算机自动识别EBSD花样中的菊池带,EBSD技术由此发展成为表征晶体材料取向的一种重要手段。由于Hough变换的速度远远慢于扫描电子显微镜中电子束的移动速度,如何快速实现Hough变换已成为整个EBSD领域亟待解决的关键问题。分别利用中央处理器（central processing unit,CPU）和统一计算设备架构（compute unified device architecture,CUDA）对EBSD花样做Hough变换,详细比较了两者的耗时和识别结果,测试表明：CPU对EBSD花样菊池带的最快识别速度为1.7×103FPS,同样条件下,CUDA对EBSD花样菊池带的识别速度最快可达1.7×104FPS,远远超过CPU的最快识别速度,且利用CUDA进行Hough变换并没有影响EBSD花样菊池带的识别效果。基于CUDA的Hough变换将成为快速识别EBSD花样菊池带的一个发展趋势。     

小波分析技术在故障诊断中的应用

小波分析是20世纪80年代中期发展起来的新的数学理论和方法,并已在实践中得到了广泛应用。本文对小波分析、小波分析与神经网络相结合的小波网络及小波分析与模式识别相结合在故障诊断中的应用进行了详细的介绍,最后指出了这一领域有待进一步研究的问题和发展趋势。     

船舶动力定位海浪环境的实时仿真与海浪谱分析

提出一种根据随机海浪频谱来实时模拟随机海浪的方法,它可以用于研究动力定位船舶及其控制系统在不同海况时的性能,该方法可以采用多种海浪谱来进行海浪的仿真,仿真结构利用了快速傅立叶变换FFT（Fast Fourier Transform)进行频谱分析,仿真程序可用于实际的动力定位船舶系统。     

基于DWT-LSTM的航道水位智能预测模型研究

航道水位信息是内河船舶安全通航、合理配载的决策依据之一.为揭示内河航道水位特征、提高短时预测精度,提出了一种基于小波分析(DWT)和长短时记忆(LSTM)的耦合神经网络模型,以汉口水位站为例,验证了模型有效性,并与传统BP神经网络、小波分析-BP神经网络和LSTM神经网络模型进行对比分析.研究结果表明:四类模型均可满足...     

可变深度嵌入小波图像压缩算法

为了提高小波嵌入压缩算法的速度,提出了一种可变深度嵌入小波压缩算法。由图像小波变换能量聚集和子带间的幅度衰减性等特性,在小波分层嵌入编码过程中,对不同的重要图,部分小波子带的系数幅度是不会超过当前的阈值,从而可以忽略不计,即小波树的深度随着重要图的不同而改变,也就是变深度嵌入编码。实验结果显示,对于自然图像不需要考虑的层中的小波系数幅值几乎全部小于当前的阈值,从而和EZW算法相比,编码不会影响压缩率(或图像质量),而编解码过程中的运算量明显下降。     

基于小波变换的机械振动故障诊断系统的研究

小波变换具有良好的时频局部性质.论文介绍了小波变换的基本理论,阐述了小波变换用于机械振动信号的奇异性检测以发现机械故障的原理.根据对振动信号小波变换的系数模极值点来定位奇异信号,检测机械故障.给出了系统实现的硬件框图和软件流程.试验表明,系统可以发现故障机械振动信号带有的奇异性,实现旋转机械的故障诊断.     

粘连蚕卵图像分离算法研究

针对蚕卵图像中存在的粘连或者部分重叠现象,本文提出了一种新的分离方法。该方法先采用模糊C均值聚类算法将蚕卵图像从背景中分割,然后采用模糊距离变换得到模糊距离图像,最后使用分水岭算法将粘连或者部分重叠蚕卵分离。实验证明,此法能够将粘连颗粒物图像有效分离。     

基于同步压缩变换的阶比分析法在城市轨道交通车辆轴承故障诊断中的应用

针对城市轨道交通车辆轴承在变速过程中的振动信号呈现非平稳性特征的情况,提出了基于SST(同步压缩变换)的阶比分析方法.首先对强噪声环境下轴承振动信号进行SST时频分析处理,对振动信号中的瞬时频率进行估计,并提取瞬时转频;然后利用得到的瞬时转频计算鉴相时标,对时域信号进行重采样,得到准稳态的角域信号;最终完成车辆变速过程...