小波包-神经网络在摆式列车倾摆控制系统故障诊断中的应用

针对摆式列车倾摆控制系统故障的特点，研究了神经网络结合小波包分析进行故障诊断的方法，采用小波包分解和信号重构的方法，将在摆式列车试验台上采集到的振动信号分解到不同的频带以提取有关的故障信息，并将振动信号各频带内的能量特征作为训练样本输入前向神经网络，用优于改进梯度下降法的Levenberg—Marquardt优化方法对网络进行训练，对倾摆控制系统的常见故障进行识别和诊断。实践表明，该方法对摆式列车倾摆系统故障的诊断是可靠的。     

多分辨率曲面

给出了基于向量空间的多分辨率分析和端点插值B样条小波理论的多分辨率曲面的表示及有关理论，提出了多分辨率曲面编辑的若干算法，在计算机上实现了所有算法，并附有实例。     

基于m序列调制的自适应音频数字水印算法研究

提出了一种基于m序列调制的自适应音频数字水印算法．该算法首先将视觉上可辨的二值水印图像降维为一维序列，再将水印序列伪随机排序并与m序列作扩频调制，最后对数字音频信号进行分段离散小波变换，把经过调制的水印信息自适应地嵌入到原音频信号小波分解中等尺度绝对值较大的分量上．仿真实验证明了算法的稳健性和不可觉察性．     

关于多部图Kn(t)的{D,C4}--强制分解

设 n,t为正整数,以 Kn(t)表示基于顶点集 X= Xi上的完全 n部图,其中 |X1|=|X2|=…… =|Xn|=t.文章研究 了完全多部图 Kn(t)的 {D,C4}--分解,使得分解中至少有一个 D和一个 C4,称这样的分解为 Kn(t)的 {D,C4}--强制分解.文章给出了 Kn(t)的 {D,C4}--强制分解存在的必要且充分条件.     

基于小波网络的发动机瞬态工况进气流量动态辨识与预测研究

由于发动机进气系统具有复杂的非线性动态特性,因此构建了进气流量小波网络辨识与预测模型,并利用最小二乘法(DLS)对小波网络参数和预测控制率进行了学习和优化,以提高小波网络预测模型的可靠性和预测精度。作为对比建立了基于BP神经网络的预测模型,并利用瞬态工况试验数据分别对两种模型进行了仿真研究。结果表明,小波网络模型能有效地预测发动机瞬态工况进气流量,与BP神经网络预测模型相比,误差精度更高,可用于发动机瞬态工况空燃比的精确控制。     

三相整流电路故障诊断技术

三相整流器作为交直流不间断电源的核心,若不能及时对其进行故障诊断,可能会导致故障范围扩大,使系统越来越多的功能失效,造成巨大的安全隐患和经济损失.本文重点研究电力电子电路故障诊断及定位技术,基于小波分析提取故障特征向量,再对故障特征向量进行编码,最终实现通过BP神经网络算法进行故障诊断及定位.     

基于优化支持向量机-混沌BP神经网络的基坑变形预测研究

为解决基坑变形预测精度低的问题,采用小波去噪分离基坑变形的趋势项及误差项序列,并利用多种优化的支持向量机对趋势项序列进行预测,采用混沌BP神经网络对误差项序列进行预测,将两者预测结果进行叠加即得到变形预测值,且可根据后期监测数据的更新,实时增加数据信息,达到跟踪预测的目的。经过3个实例检验,得出小波函数的去噪效果相对较优,且预测结果的相对误差均值均小于2%,验证了优化支持向量机-混沌BP神经网络模型的有效性,且该模型具有预测精度高、适用性强等优点,对掌握基坑变形的发展趋势及评价基坑的稳定性具有重要意义。     

船舶运动图像快速位移补偿方法

为了提高船舶运动成像的电子稳像能力,进行运动图像位移补偿处理,提出基于相邻帧多尺度补偿的船舶运动图像快速位移补偿方法,对采集的原始船舶运动图像采用小波降噪方法进行图像降噪处理,对降噪的船舶运动图像进行多尺度的经验模态分解,结合运动图像相邻帧的像素特征进行电子稳像补偿,根据电子稳像输出结果进行图像位移的快速补偿,提高船舶运动图像的成像质量。仿真结果表明,采用该方法进行船舶运动图像位移补偿,对运动帧的连续成像效果较好,输出图像的峰值信噪比较高,表明对船舶运动图像的成像质量较高,能克服快速位移对运动图像成像质量的影响。     

基于安卓平台的舰船图像拼接研究

拼接方法是改善舰船图像质量的一种重要技术,拼接好坏直接影响舰船图像的实际应用价值,针对当前舰船图像拼接过程中存在的速度慢、精度低等缺陷,设计了基于安卓平台的舰船图像拼接方法。首先对舰船图像拼接相关方法进行分析,分析它们的局限性,然后采集舰船图像,采用小波变换对图像进行处理,得到不同尺度的子带系数,对于不同子带系数采用不同的配准,实现舰船图像拼接,最后设计了舰船图像的安卓平台,并对其有效性进行了仿真测试。结果表明,本文方法可以对舰船图像进行完整的拼接,拼接后的舰船图像可以更好描述所要表达的信息,提高了舰船图像拼接质量,舰船图像拼接效率比较高,其舰船图像拼接效果明显优于对比方法,为舰船图像拼接问题解决提供了一种新的思路。     

机械故障诊断中的振动信号技术研究

本文提出一种基于分形指数理论和小波网络的船舶机械故障诊断方法。当故障发生时,船舶机械通常产生非平稳的振动信号。在本文提出的方法中,小波变换用于定位时间频域中振动信号的特征,并且在分形理论之间的小波变换的相互关系的视图中,从作为提取故障的特征的小波变换系数获得的全部和局部分形指数信号,其被输入到用于故障模式识别的径向基函数。改进的Levenberg-Marquardt(LM)优化技术用于完成网络结构参数。通过选择足够的样本来训练故障诊断网络,并且将表示故障的信息输入到需要训练的小波网络中,则可以根据输出结果确定故障类型。通过对定子温度波动和转子振动的实验表明,小波分形网络可以为船舶机械的故障诊断提供有效的方法。