基于支持向量机的隧道衬砌空洞机器识别方法

探地雷达是检测隧道衬砌空洞最为有效的方法之一,但检测数据的解析始终是限制其广泛应用的关键。基于支持向量机的基本理论,文章建立了一套隧道衬砌空洞探地雷达图像的机器识别方法,该方法包括图像预处理、特征提取和支持向量机识别三个步骤。首先,探地雷达图像需经过零时修正、滤波、偏移、增益等预处理以提高信噪比;其次,对图像的时域信号进行分段,在分段信号上提取方差、标准绝对偏差和四阶矩三个统计量作为图像特征;最后,利用已知数据对支持向量机模型进行训练,并用数值模拟和模型试验数据对训练好的支持向量机模型进行测试。结果表明,该方法不仅能够准确识别隧道衬砌和围岩内的空洞,还可以对空洞埋深及横向分布范围做出较准确的判断。     

基于非线性支持向量机的隧道煤与瓦斯突出危险性预测

为了有效地预测桃子垭隧道揭煤段是否存在煤与瓦斯突出危险性,文章根据煤与瓦斯突出综合假说及《防治煤与瓦斯突出规定》,确定了影响煤与瓦斯突出的9个关键因素。由于评价因子与突出危险程度之间存在着复杂的非线性映射关系,因此选择了非线性支持向量机(SVM)方法对隧道煤与瓦斯突出危险性进行预测研究。结合项目实际情况确定了各训练样本的具体参数,采用单项指标法、最优分类决策函数及MATLAB SVM Toolbox软件对选定的训练样本进行了煤与瓦斯突出危险性预测对比。通过N7和N8两个测点的预测结果表明,桃子垭隧道揭煤段存在煤与瓦斯突出危险性,必须做好相应的揭煤防突工作。     

基于遗传算法的改进AdaBoost算法在汽车识别中的应用

将遗传算法应用于以SVM为弱分类器的AdaBoost算法,产生了一种识别率高,泛化能力好的强分类器,本文称之为GA-AdaBoostSVM算法。该算法先训练多个支持向量机作为弱分类器,然后用AdaBoost算法将多个弱分类器组合成一个强分类器,在组合的同时采用遗传算法对各弱分类器的权值进行全局寻优。此算法特点在于:(1)传统的Ad-aBoost算法,对所有弱分类器的权值无法给出一个最优的组合,GA-AdaBoostSVM算法用遗传算法对弱分类器的权值进行全局寻优,得到的强分类器具有更高的识别准确率。(2)为提高强分类器的泛化能力,在训练弱分类器时,合理调整RBF核的参数,使各个弱分类器在准确率和差异性之间得到折中,从而提高整合后的强分类器的泛化能力。最后,通过试验与传统AdaBoostSVM进行对比,表明GA-AdaBoostSVM的优越性。     

On fault isolation for rail vehicle suspension systems

Reliability of the railway vehicle suspension system is of critical importance to the safety of the vehicle. It is very desirable to monitor the health condition and the performance degradation of the suspension system online, which offers the important information of the suspension system and is critically important for the condition-based maintenance rather than scheduled maintenance in the future. Advanced fault diagnosis method is one of the most effective means for the health monitoring of the suspension system. In this paper, taking the lateral suspension system as an examcple, the fault isolation issue for different component faults occurring in the suspension system is concerned. The sensor configuration for obtaining the vehicle state information and the mathematical model for the lateral suspension system are presented. Four fault features in the time domain and three fault features in the frequency domain are used for each sensor signal. Three different methods, Dempster–Shafer (D–S) evidence theory, Fisher discrimination analysis (FDA) and support vector machine (SVM) techniques are applied to the fault isolation problem. Simulation study is carried out by means of the professional multi-body simulation tool, SIMPACK. The simulation results show that these methods can isolate the considered component faults effectively with a high accuracy. The D–S evidence-based fault isolation approach outperforms the other two methods.     

基于概率包络的轮对轴承故障诊断方法

信号不确定性的正确表达是故障诊断的先决条件.然而,在实际情况中,轮对轴承的信号存在各种不确定性,采用传统方法处理这类不确定性,存在信息丢失问题.提出一种基于概率包络的轮对轴承故障诊断方法.对原始信号进行分布类型检验,针对不同分布特点使用不同方法进行概率包络建模.提取概率包络模型的几何形状作为故障特征,并将其输入支持向量...     

基于主成分分析(PCA)和支持向量机(SVM)的耙吸挖泥船工况分析

土质信息对于耙吸挖泥船的挖掘与装舱过程的控制策略具有重要意义,但耙吸挖泥船的耙头无法直接感知土质信息。基于实船数据,通过主成分分析（PCA）对非线性耦合的疏浚数据进行线性可视化和特征分析,对土质信息与工况信息的关联性进行研究。采用支持向量机（SVM）构建分类器,对土质工况进行分类识别。结果表明,该方法能够有效识别不同的土质工况,实现了土质信息的间接感知。     

基于最小二乘支持向量机的乐器音乐分类

提出使用最小二乘支持向量机LS—SVM（Least Squares Support Vector Machines）算法进行乐器音乐分类,从而实现乐器的辩识。在对Ls—sVM理论进行深入探讨的基础上,选择乐器音乐clip作为样本,进行特征提取,提取的特征包括频谱特征,短时自相关系数和MFCC等,然后用最小二乘支持向量机算法进行分类。对古琴、古筝、箜篌和琵琶音乐采取样本进行仿真实验,求得分类准确率和运行时间,同时使用逻辑回归（Logistic Regression）算法进行对比试验,其中最小二乘支持向量机和逻辑回归分类的准确率分别为96．5％和92．5％,且LS—SVM的运行时间比Logist的少。实验结果表明最小二乘支持向量机具有更为优越的分类性能和非线性处理能力,可以推广用于解决其它实际分类问题。     

基于K 近邻和支持向量机的醉酒驾驶识别方法的对比分析

醉酒驾驶严重威胁道路交通安全,对醉酒驾驶进行准确识别意义重大.利用驾驶模拟舱进行驾驶实验,提取醉酒驾驶和正常驾驶的驾驶行为参数.首先,通过方差分析和均值分析选取方向盘转角作为识别特征,并采用滑动数据窗求取方向盘转角均值序列,构建识别特征参数;然后,分别采用K近邻(KNN)和支持向量机(SVM)对驾驶状态进行识别,得到两种分类方法在不同道路线形的最高识别准确率及其相对应的最优数据窗;最后,对两种分类方法进行了对比分析.结果表明,SVM对醉酒驾驶的识别性能优于 KNN;数据窗对KNN的识别准确率影响显著,对SVM的识别准确率影响不明显.     

船用空压机气阀监测诊断系统研究

气阀是空压机中关键的零部件,对其磨损故障进行监测诊断研究具有重要的工程意义。文章采用希尔伯特-黄变换(HHT)得到CZ60-30船用往复式空气压缸盖表面振动信号的时频谱图,并从中提取标准差、峭度、不变矩等时频特征参数,用支持向量机(SVM)实现故障的识别,并基于Lab VIEW虚拟仪器软件开发了船用空压机气阀磨损智能监测诊断系统。结果表明:通过时频联合分析判断气阀故障正确率可达到96.97%。     

驾驶人对潜在危险性事件的心理预期识别研究

为准确识别驾驶人对潜在危险事件的心理预期,提出一种通过脑电信号对驾驶人心理预期进行识别的方法。参照心理学预期行为研究常用的标准S1-S2范式,改进设计了路侧停靠公交车造成视觉遮挡的人车碰撞事故模拟驾驶试验。模拟任务中以路侧停靠的公交车为线索刺激,公交车头的行人为目标刺激,诱发驾驶人的心理预期。为有效识别驾驶人心理预期,首先采用释放油门的避险行为对每个试次标定是否产生心理预期,然后通过快速傅里叶变换提取相关的脑电特征数据,并通过差异性分析及主成分分析算法对脑电特征指标进行筛选和压缩,最后基于支持向量机建立驾驶人心理预期识别模型。研究获取36名驾驶人数据,共计1 440个样本。结果表明:当驾驶人产生心理预期活动时,枕区和额区的α波能量值显著降低,而β波能量值则显著增加;差异性分析显示共有31项脑电指标对驾驶人心理预期敏感,所有脑电特征指标通过PCA算法进行降维,抽取出5个主成分作为识别模型输入;选择径向基核函数构建SVM识别模型,通过粒子群寻优算法对模型进行优化,模型对驾驶人心理预期水平的平均识别正确率为82.02%,平均AUC面积为0.82,结果表明模型具有良好的识别能力和稳定性,可为驾...