结构敏感频段的提取及其在损伤识别中的应用

对于某一特定的结构来说,通过危险性分析,能够找到最可能发生损伤的构件。结构损伤识别可以只对这些构件进行研究分析,进而滤去那些不必要的识别变量,减小损伤识别数值计算的规模。由于特定构件的损伤只引起某些特定频段振动特性的改变,因此可以从全频段时程数据中提取出这些对危险构件较为敏感的频段数据进行单独分析。最后提出了结构敏感频段的提取方法,介绍了敏感频段在结构损伤识别中的应用。     

基于曲率模态和小波系数差的损伤识别

针对单一方法对结构损伤识别不太敏感的缺陷,提出了结合曲率模态和小波分析的综合损伤识别方法。以损伤前后的曲率模态作为分析信号,进行离散小波变换,提取高阶频率系数。将高阶系数之差作为损伤指标,通过高频系数差值的奇异处可以识别损伤位置。经过对2跨连续梁的数值模拟,不仅能够识别1、2处损伤,还能识别支座附近的损伤。证实了此方法定位准确,易于识别的优点,并对一座2跨连续梁钢桥模型进行试验。     

一种基于整数小波变换的彩色图像盲水印技术

提出了一种在静止的彩色图像中嵌入盲水印的鲁棒算法,用彩色图像作为数字水印的载体,将有意义的二值图像作为水印图像,利用人类视觉系统(HVS)特性,综合考虑水印的鲁棒性和不可见性,将水印信息嵌入到小波分解的低频域(LLn),通过理论分析和实验结果证明:算法满足水印的抗JPEG压缩攻击、复杂度较低、实用性较强、对原图的影响较小,具有可行性和有效性等特点。     

基于小波包能量谱和SVM的水下目标识别

为了提高舰船辐射噪声信号分类的准确率,即在水下进行舰船目标识别的准确率,采用了小波包提取信号能量谱特征的方法和支持向量机的分类算法.简介了小波包变换及支持向量机的基本原理,然后针对舰船辐射噪声信号进行多层小波包分解,提取各子频段能量谱作为特征量,归一化处理后构建特征向量,最后用支持向量机算法进行分类.仿真实验结果表明,利用对信号的多层小波包分解提取能量谱特征和支持向量机的分类算法能对舰船辐射噪声信号进行有效识别.     

矮塔斜拉桥施工状态下结构损伤识别研究

以广东省江肇高速公路西江特大桥为工程背景,选取最大双悬臂施工状态,采用MIDAS软件获取损伤状态下的各阶模态,将模态信号导入MATLAB中进行了Hilbert-Huang变换和小波变换,对结构损伤状况进行了识别判断,并对比了两种识别方法的识别效果.研究结果表明:Hilbert-Huang变换方法损伤识别效果良好,抗噪性强,但存在端点效应问题;小波变换方法损伤识别效果与所选小波基有关,不利于基准的选取,且小波识别需要消噪,消噪可能会导致损伤漏检.     

基于支持向量机的巴拿马型船舶运价指数预测方法

考察运价指数波动的内在规律和外在影响,提出新模型预测运价指数,为航运市场经营者和投资者提供把握市场态势、规避价格风险的有力工具. 针对波罗的海巴拿马型船舶运价指数（BPI）序列,首先用小波变换对运价指数序列进行去噪,消除干散货运输市场中无规律的突发事件所造成的影响;在此基础上以前五个月的BPI值为输入变量,以第六个月的运价指数为输出变量,对支持向量机（SVM）进行训练,得到预测模型. 通过实证分析发现小波变换-SVM混合预测模型具有较高的预测精度,可用于对巴拿马船型运价走势的预测.     

基于小波神经网络的海流预测模型

海流是一种重要的海洋水文学要素,由于海洋环境恶劣复杂,海流监测仪器有时会由于不可预知的原因而发生故障,从而导致在一段时间内宝贵的海流数据的缺损。文中将小波神经网络和多种神经网络模型运用于短时海流数据的预测,并与实际海流数据进行比较,以达到缺失数据智能补漏的目的。计算机仿真结果表明,相比于单独的神经网络模型,小波神经网络在数据精度和稳定性方面可达到更高的要求。     

Orthogonal discriminant improved local tangent space alignment based feature fusion for face recognition

Improved local tangent space alignment (ILTSA) is a recent nonlinear dimensionality reduction method which can efficiently recover the geometrical structure of sparse or non-uniformly distributed data manifold. In this paper, based on combination of modified maximum margin criterion and ILTSA, a novel feature extraction method named orthogonal discriminant improved local tangent space alignment (ODILTSA) is proposed. ODILTSA can preserve local geometry structure and maximize the margin between different classes simultaneously. Based on ODILTSA, a novel face recognition method which combines augmented complex wavelet features and original image features is developed. Experimental results on Yale, AR and PIE face databases demonstrate the effectiveness of ODILTSA and the feature fusion method.     

利用GNSS时序分析辨识大跨桥梁结构荷载响应研究

使用小波分析、功率谱密度等方法,对武汉市阳逻大桥GNSS监测数据进行分析,识别并分离大桥不同位置结构车辆移动荷载响应、车辆振动荷载响应和噪声,首先去除噪声,然后利用信号不同频率特性,分离静态信号和动态信号,从而得到更为清晰的大跨度桥动力响应特性。     

城市道路短期交通流预测VHSSA模型

针对出行者出行时对交通信息预报以及动态路径规划的要求,对路段的历史交通流时间序列数据进行了研究,利用城市路段交通流的周期相似性特征提出了基于纵横序列相似性的短期交通流预测VHSSA模型,该模型克服了以往预测模型只考虑纵向时间序列周期性相似的缺陷,将全时间序列数据进行小波变换后分解为反映基本变化规律的基序列和反映波动变化情况的波动序列,既可只进行基序列预测,也可通过置信区间对波动序列进行修正,再与基序列叠加进行全序列预测.经试例验证,VHSSA模型和基于纵向序列相似性的VSSA模型分别与实测序列的基序列和全序列进行比对,VHSSA模型的预测效果总体优于VSSA模型,误差可满足实际要求.