基于小波包的舵机故障特征提取方法研究

舵机是船舶控制的核心部件之一,舵机一旦发生故障,轻则延误航期造成经济损失,重则严重威胁船舶航行安全。设备运行时受外界环境和本身故障等因素的影响,其振动信号中蕴含了丰富的故障信息和非平稳随机信号,故障特征提取是当前智能故障诊断中的重点和难点,它直接关系到诊断结果的准确性与可靠性。提出一种小波包分解的故障特征提取方法,仿真结果表明,该检测方法稳定有效,具有较好的推广性。     

浅析老港区开发与改造工程的前期工作

在当前我国经济发展面临全面转型的新时期,许多沿海港口城市面临如何调整港口与城市的空间结构关系的问题,开辟新港区和老港区的开发改造已成为沿海地区港口建设的重要内容。在研究国外港口的成功经验和分析秦皇岛港老港区开发改造工程前期工作的基础上,强调在进行项目可行性研究前,要针对老港区开发改造的战略定位、概念规划、主题策划、控制性详细规划、片区策划等问题进行系统性研究。     

基于舰船噪声小波包重构子带权重系数的确定方法

文章采用了一种基于小波包分解与能量特征提取的时频域综合分析方法。使用小波包来对舰船噪声进行分解,求取小波包子带系数能量百分比构建子带能量的特征向量,以此作为权重系数,对分解的舰船噪声的各个子带进行加权重构,并将重构信号与原始信号进行时频域比较分析。通过对大量的舰船的实录噪声进行分解重构实验表明,使用此方法重构后的噪声较原始信号特征更为明显,有更强的类别可分性。     

无人驾驶汽车行车环境下鲁棒性声学特征提取算法（双语出版）

无人驾驶汽车在行车过程中，需要通过视觉感知和听觉感知来构建当前周围环境模型，声学事件检测是听觉感知系统构建模型的核心所在。行车环境下声学事件检测系统面临着复杂而强烈的噪声挑战，尤其是行车过程中的风噪。声学事件检测中，常用的声学特征梅尔频率倒谱系数（MFCC）对噪声干扰十分敏感，为了解决这一问题，提出一种谐波梅尔频率倒谱系数（HMFCC）的鲁棒性声学特征提取算法，用于声学事件的目标分类。该算法通过声学信号的谐波模型与MFCC算法相结合，提取目标声学信号中的共振峰频率，改进传统Mel滤波器组，从而增强HMFCC中目标声学信号的中高频分量。研究结果表明：在不同的风噪环境下，基于HMFCC声学特征的检测结果具有较高的精准率和召回率，且在低噪和强噪环境下HMFCC和MFCC之间分类效果差异明显；低噪环境下，几种声学事件的HMFCC特征分类的平均精准率和召回率分别达到82.66%、84.15%，而基于MFCC特征分类检测的平均精准率和召回率只有73.93%、74.61%；随着风噪增强，MFCC特征分类精度严重下降，平均精准率和召回率仅为54.15%、44.95%，HMFCC特征在强噪环境下的平均精准率和召回率为72.16%、69.87%。行车环境下，HMFCC特征不仅可以提高分类的准确率，而且表现出对噪声不敏感的特性。     

基于BP神经网络的手写签名识别方法

手写字符识别是一个难度很大，但却具有广阔的应用前景的研究课题。提出了一种基于BP神经网络的手写签名识别方法，实验表明，采用一个签名的6个真伪样本训练BP网络后，对该签名真伪的正确识别率达到80％以上；如果使用10个真伪样本训练网络，那么该签名的真伪识别率约达90％。     

变速器齿裂及轴承故障建模与故障特征提取

建立了变速器齿裂故障、轴承故障的动力学模型，依据此模型仿真了齿裂故障、轴承内圈、外圈、滚动体故障的故障信号。采用平滑伪维格纳分布提取了这几种故障的特征。结果表明所建模型能提取出故障的特征。     

Bootstrap法在车辆故障检测中的研究及应用

介绍Bootstrap方法的原理并将Bootstrap方法应用于检测车辆中存在的故障,通过计算不同故障下的车辆样本之间均匀Kullback-Lcible距离的均值以及在给定置信度下的置信区间等特征值来反映被测车辆的故障种类。给出一种新的随机数产生器用在Bcotstrap法重采样中产生新的随机序列。以车辆卜的驱动桥为检测对象对该算法进行了验证,结果表明该算法能准确检测出驱动桥所存在的故障。     

应用特征抽取图像技术进行车站人群监测的初探

文中将以一个地铁站或火车站为例,提出一种特征抽取方法去辨别在候车的人群,并运用图像处理技术去探测出某时刻的人群拥挤情况;同时,用C语言编写所有的程序。     

建筑工程专业力学课程的教学方法探讨

文中从力学课程在建筑工程专业的重要地位出发,针对力学课程的教学现状,提出了该课程教学方法的几点教改措施。     

神经网络和专家系统相结合的综合决策系统结构

通过神经网络知识获取模型,将神经网络的自适应学习能力和专家系统的解释能力综合在一起,提出一种将神经网络和专家系统结合在一起的综合决策系统.一方面,该综合决策系统应用神经网络的自适应学习功能解决了专家系统在知识获取方面存在的"瓶颈"问题;另一方面,运用专家系统的解释能力解决了神经网络的"黑箱"问题.