检索结果-南通市图书馆

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于图像处理的高速公路能见度检测技术研究

基于图像处理的高速公路能见度检测技术研究

作者：李红梅沈阳理工大学

学位级别：硕士

随着社会经济的迅速发展以及科技水平的不断提高,机器视觉在智能时代的应用越来越广泛,智能交通成为社会智能化发展的重要组成部分。但随着工业的发展,雾霾成为影响人们日常出行的因素,所以基于机器视觉的能见度检测方法成为当前十分热... 详细信息

随着社会经济的迅速发展以及科技水平的不断提高,机器视觉在智能时代的应用越来越广泛,智能交通成为社会智能化发展的重要组成部分。但随着工业的发展,雾霾成为影响人们日常出行的因素,所以基于机器视觉的能见度检测方法成为当前十分热门的研究课题。本文在图像处理的基础上,提出基于灰度共生矩阵(GLCM)特征-SURF匹配特征-改进的粒子群算法(BAPSO)-增量概率神经网络(IPNN)的高速公路能见度等级检测方法,以此来提高大气能见度检测的准确性以及实时性。本文在不同时间段对不同道路进行了图像样本采集并以此作为实验数据。采用图像处理方法对样本图像进行检测,同时为了提高能见度检测的速度,采用分步式处理方法:首先选择计算简单的灰度直方图方法计算样本灰度标准差进行能见度预判,若没有达到结束条件,接下来采取图像特征提取方法进行进一步的能见度等级检测。传统图像特征提取方法在低能见度情况下稳定性差,特征提取效果不佳,针对这个问题本文采用GLCM的对比度和能量两个特征参数与SURF匹配程度特征相结合的方法对样本图像进行特征描述,为组合的新特征向量赋予能见度等级标签,作为神经网络的输入数据。最后进行能见度等级分类,采用基于统计原理的前馈型神经网络IPNN进行实验结果分类。用BAPSO算法对神经网络进行参数优化,以改善传统PSO算法收敛速度慢且极易陷入局部最优的状态,同时提高神经网络的分类准确程度,降低网络结构复杂度。实验结果分析可知,本文提出的基于图像处理的GLCM-SURF-BAPSO-IPNN高速公路能见度检测方法能较好的对大气能见度进行检测,并且相比于传统透射法检测用时较短。采用实时更新样本的检测模型,达到实时性检测的目的,且满足国际气象组织对大气能见度测量误差不高于百分之二十的要求。

关键词：能见度灰度直方图法灰度共生矩阵 SURF匹配程度特征增量概率神经网络

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于集合算法的故障诊断研究

基于集合算法的故障诊断研究

作者：李桥沈阳理工大学

学位级别：硕士

故障检测与诊断技术在现代工业中占有重要地位,它可以确保工业系统的可靠性和安全性。现代工业过程的规模不断扩大和复杂程度日益提高,系统故障类型种类多,多元化,依靠经典单一的故障诊断方法不能满足实际的工业需要,因此,将几种单一的... 详细信息

故障检测与诊断技术在现代工业中占有重要地位,它可以确保工业系统的可靠性和安全性。现代工业过程的规模不断扩大和复杂程度日益提高,系统故障类型种类多,多元化,依靠经典单一的故障诊断方法不能满足实际的工业需要,因此,将几种单一的故障诊断算法有效结合的集合故障诊断算法成为了研究的重点和热点。为了使故障诊断的性能更加优化,本文在分析归纳国内外相关文献的基础上,提出了一种基于集合算法的故障诊断结构框架,即,“提升小波去噪预处理+递推式特征提取+故障诊断与分类”,以递推式主元分析为中心,将其应用到集合算法故障诊断中。主要研究内容包括以下几个方面:(1)以复杂工业过程为研究背景,具体以青霉素发酵过程为研究对象,通过故障设置和数据采集,为方法研究提供充分的数据。为了最大程度地减少噪声对故障检测和诊断方法的影响,本文采用提升小波(LW)方法对数据进行去噪预处理。(2)针对复杂的工业过程,提出了一种基于LW-RPCA-IPNN的故障诊断集合算法,采用递推主元分析(RPCA)中采样点更新的方法对数据进行特征提取,通过增加隐层神经元数目,然后利用增量概率神经网络对数据进行训练分类,将LW-IPNN和LW-RPCA-IPNN方法进行分析比较,经过RPCA特征提取后,故障诊断准确率明显上升,在诊断速度上也有很大提升,实验证明,此集合算法是有效的。(3)提出了另外一种故障诊断集合算法,即,LW-RPCA-RLSSVM,将预处理的数据,利用RPCA进行特征提取,最后采用递推的最小二乘支持向量机对数据进行分类诊断,通过和已有的方法进行比较,在诊断快速性和准确性上都有很大提升,诊断效果明显优越于单一的故障诊断方法。(4)在Lab VIEW环境下,建立了基于集合算法的故障诊断实验应用平台,将理论方法和实验验证应用到工业平台中,对所提的集合故障诊断算法进行研究。理论研究和实验结果表明,本文提出的两种集合算法在故障诊断中性能较好,在诊断快速性和准确性上有显著提高,性能优越于单一的故障诊断方法。

关键词：故障诊断递推主元分析增量概率神经网络递推最小二乘支持向量机集合算法

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

面向电机轴承的快速故障诊断方法研究

面向电机轴承的快速故障诊断方法研究

作者：王栗沈阳理工大学

学位级别：硕士

工业现场对使用的电机轴承往往提出苛刻的要求,必须减少停机时间、尽可能长时间的运转。因此,对于电机的维护工作是十分重要的,尤其是一些重要的系统和设备部位。近些年来,轴承故障诊断得到了长足发展,领域内出现了许多新的研究方法。... 详细信息

工业现场对使用的电机轴承往往提出苛刻的要求,必须减少停机时间、尽可能长时间的运转。因此,对于电机的维护工作是十分重要的,尤其是一些重要的系统和设备部位。近些年来,轴承故障诊断得到了长足发展,领域内出现了许多新的研究方法。信号分析法,如傅立叶变换和小波变换已经被广泛应用,但是有些方法往往仅擅长于线性、平稳的信号的分析。事实上,它们并不都能很好的适应非线性、非平稳的轴承振动信号。本文开篇即简述了研究对象和方法,并综述了国内外故障诊断领域的发展历程以及研究现状。本文的首要目标就是为了要检测并且区分不同类型的故障,得到一种针对电机轴承故障的集合型诊断方法。这一诊断系统还要可以同步记录数据,并且依据这一数据给出正确的诊断结果。经验模态分解具备很强的非平稳信号分解能力,可以将信号分解成一系列频率自高到低的各成分;使用固定点迭代算法对于信号特征提取能力较强,适用于非高斯的电机轴承的振动信号。增量概率神经网络使用在线的增量法对概率神经网络进行优化,对参数进行训练,并具有较强的分类能力。综合考量各方法的特点,提出了基于EMD-FICA-IPNN的电机轴承集合型故障诊断方法,通过凯斯西储大学的轴承数据进行了故障诊断实验。结果表明改进的方法对轴承信号有较好的精确性、适应性、快速性。实验平台的建设分软件和硬件两部分。硬件部分采用了多功能数据采集板卡PCI-1710HG和加速度传感器LC0159等设备、器材。此外,基于Lab VIEW软件平台还制作了相应的实验数据采集以及故障诊断软件。根据实验验证,集合型方法比传统的神经网络要具备更好的适应性、准确性以及快速性。

关键词：电机轴承故障诊断经验模态分解快速独立分量分析增量概率神经网络

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于提升小波的故障诊断方法研究

基于提升小波的故障诊断方法研究

作者：晁晓洁沈阳理工大学

学位级别：硕士

本文针对工业过程中数据都含有噪声和故障诊断准确性、快速性达不到要求的问题，提出了一种基于提升小波的故障诊断方法。首先利用提升小波阈值去噪法对数据进行去噪预处理，之后用增量概率神经网络对数据进行故障诊断分类。为了证明该... 详细信息

本文针对工业过程中数据都含有噪声和故障诊断准确性、快速性达不到要求的问题，提出了一种基于提升小波的故障诊断方法。首先利用提升小波阈值去噪法对数据进行去噪预处理，之后用增量概率神经网络对数据进行故障诊断分类。为了证明该方法的有效性，将其应用于TE和青霉素发酵两个化工过程。结果表明，提升小波阈值去噪和增量概率神经网络相结合的故障诊断方法具有较好的故障诊断性能。针对去噪问题，采用提升小波阈值法对TE和青霉素发酵过程进行实验。小波分析是一种具有时频局域化的信号分析方法，非常适用于非平稳信号的处理，提升小波具有通用灵活的特点，而且还有高效的提升实现算法。在提升小波阈值去噪时，小波基的选择、分解尺度的确定、阈值函数和门限阈值的选择是关乎去噪效果的关键问题。论文中对这个四个问题进行了仿真实验分析，确定了比较合适的小波基和分解尺度，并重点研究了阈值函数和门限阈值的选择，研究对比了软阈值、硬阈值、双变量阈值和自适应阈值的优缺点。为了提高故障诊断的快速性，提出了一种基于提升小波的增量式学习方法，即提升小波增量概率神经网络。增量概率神经网络是对概率神经网络的改进，更适合于数据规模比较大的工业过程。论文中将增量概率神经网络与提升小波阈值去噪相结合，进行实验对比研究，并用VB和MATLAB软件对故障诊断系统进行设计。结果表明，对数据进行提升小波去噪，可以提高故障诊断的准确率，概率神经网络的增量式学习方式可以减少故障诊断的时间，提高故障诊断的快速性。理论和实验分析表明，本文提出的基于提升小波的故障诊断方法具有优于传统故障诊断方法的优势，是一种有效可行的故障诊断方法。

关键词：故障诊断提升小波阈值去噪增量概率神经网络

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于数据驱动的电机轴承故障诊断方法研究

基于数据驱动的电机轴承故障诊断方法研究

作者：李烨沈阳理工大学

学位级别：硕士

随着现代工业规模的不断扩大和系统复杂度的日益提高,电机轴承被越来越多的应用在工业生产中,因此,对电机轴承进行有效精确的故障诊断便成为了一项十分有意义的科研课题。本文在基于数据驱动的基础上,提出基于集合经验模态分解(EEMD)-... 详细信息

随着现代工业规模的不断扩大和系统复杂度的日益提高,电机轴承被越来越多的应用在工业生产中,因此,对电机轴承进行有效精确的故障诊断便成为了一项十分有意义的科研课题。本文在基于数据驱动的基础上,提出基于集合经验模态分解(EEMD)-改进的局部均值分解(ILMD)-改进万有引力搜索算法(IGSA)-增量概率神经网络(IPNN)的电机轴承故障诊断集合方法,以此提高电机轴承故障诊断的精确性。本文全部的试验数据都来自美国凯斯西储大学轴承实验中心。而在工业生产中,由于电机轴承的工作环境往往十分嘈杂,再加上受到其他设备本身振动的干扰,使得其振动信号含有噪声,因此,要对采集的数据进行预处理,减低噪声。传统的降噪方法不能很好的对非平稳、非线性的数据进行降噪,本文采用对于非平稳非线性信号有很强分解能力的EEMD算法,通过计算相关系数并设定阈值,对数据进行降噪预处理。故障提取方面,针对LMD存在的端点效应问题,提出改进LMD方法对数据进行分解以改善端点效应影响,并计算乘积函数分量的样本熵和能量作为特征参数,组成故障特征向量,作为故障诊断神经网络的输入。故障诊断方法采用基于统计原理的前馈型神经网络IPNN,IPNN不需要设置初始权值,训练简洁,分类能力强。由于故障诊断中,网络模型的参数会对诊断性能有着重大影响,故本文采用基于时变权重和边界变异的改进GSA优化算法对网络模型的阈值进行优化,以改善标准GSA算法收敛速度较慢且容易陷入到局部最优状态等缺点,提高分类结果的精确性。通过理论研究和实验结果可以表明,本文提出的基于数据驱动的EEMD-ILMD-IGSA-IPNN电机轴承故障诊断集合方法诊断性能良好,能够有效的对电机轴承故障进行诊断且准确率较高。

关键词：实验数据集合经验模态分解改进的局部均值分解改进的万有引力搜索算法增量概率神经网络