机床结构的模态参数识别与分析

本在对机床结构模态参数识别和优化方法进行分析的基础上，对一台运转条件下的普通车庆，模拟切削力进行了非接触式激振试验，用非线性优化方法，识别了机床结构的前１１个复模态参数。并在识别过程中引入了剩余柔度，采用了两种尺度法ＤＦＰ与ＢＦＧＳ算法，综合了它们的优点，结果表明，此法数值计算稳定，收敛速度快，特别是对模态阶数较多，耦合较紧的情况，识别效果仍较好。     

提高模态参数识别精度的一种方法

提出用模态稀疏结构的频率响应函数(FRF)在共振峰附近的3条谱线来识别其固有频率和阻尼比，并推导了识别公式。以一个简支梁为例对该方法进行了试验考核。在宽频带随机激振条件下，对本文中方法的识别结果与选带分析的测试结果进行比较，结果表明，该方法是一种识别振动模态参数的简便且比较精确的方法。     

HHT方法在结构模态参数时域识别中的应用

简略介绍了Hilbert-Huang变换（HHT）中EMD法和Hilbert变换及其结合随机减量技术（RDT）在结构模态参数识别中的应用,并且对2-DOF动力模型的非平稳响应的模态参数时域识别进行了探讨。通过将采用RDT方法处理得到的时程曲线与采用RDT＋HHT方法处理得到的时程曲线相比较,阐释了HHT与RDT方法结合对结构固有模态参数时域识别具有相当精度的机理。最后,将识别结果与传统的频域法识别作了比较,得出了一些有意义的结论。     

复共线联立方程模型参数的修正间接岭估计

在结构方程恰好被识别时，研究了外生变量设计矩阵X复共线时联立方程模型的参数估计问题，提出了参数的一种修正间接岭估计方法，并证明了这种参数估计的良好统计性质，最后给出了在修正间接岭估计均方误差最小意义下岭参数的一种选择方法.     

汽车图文数据库管理系统

基于Ｎｏｖｅｌｌ网络环境，借助Ｆｏｘｐｒｏ ｆｏｒ Ｗｉｎｄｏｗｓ语言，设计并开发了汽车图文数据库管理系统，并对国产客车的结构参数和性能参数进行了统计分析。     

NOAA图像区域参数信息分类研究

介绍了应用区域参数进行ＮＯＡＡ图像信息识别分类的过程。重点论述了空间信息区域参数研究的理论与方法，包括地理相关数据分析法与基于知识的区域参数研究方法。同时结合实例进行了应用研究。     

基于改进残差网络的葡萄叶片病害识别

葡萄病害是导致葡萄严重减产的主要因素，大多数病害症状都反映在葡萄的叶片上，但是人工针对叶片的识别费时且效率低。本研究提出了一种基于改进残差网络的葡萄叶片病害识别模型。该研究在ResNet50的基础上采用金字塔卷积网络，通过其包含不同大小和不同深度的卷积核来处理输入，然后以特征融合来获得不同程度的病害特征细节。在金字塔网络结构上采用深度超参数化卷积层代替传统的卷积层，能够加快模型收敛速度，有效提升模型精度。结果表明，改进后的残差网络模型与AlexNet、MobileNetV2、ResNet50/101、VGG16模型相比，在准确性方面具有显著优势。与原模型相比较，识别准确率提高3.18百分比，改进模型对病害识别准确率高达98.20%。可以为识别葡萄叶片病害提供参考。     

结构动力分析的实验应变模态法

推导了悬臂梁结构应变振型和应变频响函数的表达式，并用试验方法得于了结构的应变模态和位移模态。研究结果表明，根据应变频响函数矩阵的１列，可以识别出结构的应变模态参数；而根据其１行，则可以识别出位移模态参数。比较了根据应变频响函数和加速度频响函数识别出的位移模态、结构固有频率和阻尼参数的一致性，并进一步讨论了应变频响函数的特点及应变模态分析的优点。     

核电厂结构系统参数不确定性分析

全面系统地分析了核电厂预应力混凝土安全壳，钢筋混凝土剪力墙主厂房的结构参数和荷载参数的不确定性。分别给出了确定性参数和不确定性参数下核电厂结构的极限状态概率计算结果，两者对比分析表明，系统参数不确定性对核电厂结构可靠度有较大影响。     

基于深度信念网络的风机叶片结构损伤识别研究

【目的】解决由于模态参数辨别的不确定性,以及虚假模态干扰造成的风机叶片结构损伤识别精度不高的问题.【方法】采用以深度信念网络提取的模态参数特征向量作为标识量的损伤检测方法.首先分别获取ANSYS仿真和实验条件下风机叶片的模态参数;然后利用深度信念网络提取模态参数特征向量作为损伤标识量,检测多种工况下的风机叶片损伤,并与传统BP神经网络方法进行对比;最后搭建实验平台,在实验条件下验证方法的有效性.【结果】基于深度信念网络的损伤识别方法相比传统BP神经网络精度更高,网络训练时间更长.【结论】将深度信念网络提取的模态参数特征向量作为BP神经网络训练的输入向量,可以减小噪声和虚假模态信息等因素对损伤识别结果的影响,提高损伤识别的精度.     

墙土系统动测模型及土体附加参数识别方法研究

【目的】对墙土系统动测模型进行研究,同时提出了基于模态参数的土体附加参数识别方法,为墙土系统的损伤识别和健康诊断提供一种简单、适用的模型。【方法】建立了墙土系统动测模型,假定附加刚度和附加质量成三角形分布,采用附加刚度和附加质量模拟土体对墙土系统模态特性的影响。基于模态频率构造目标函数,建立模态频率和土体附加参数之间的BP神经网络结构,识别得到不同土体弹性模量对应的土体附加参数。将三维有限元整体模型分析得到的模态频率作为真实值,计算真实值和识别值之间的相对误差,判定识别方法的可行性。【结果】基于模态频率和BP神经网络的土体附加参数识别方法能够满足工程精度要求,模态频率相对误差均在2%以内;随着土体弹性模量的提高,土体的附加刚度呈双指数函数增大,附加质量呈双指数函数减小。【结论】提出的动测模型及基于模态参数和BP神经网络的附加参数识别方法是可行的,为墙土系统的健康诊断提供了一种行之有效的方法。     

加工过程的神经网络自适应控制

研究了加工过程智能控制的神经网络方法,分析了加工过程模型、神经网络建模和神经网络自适应控制。提出了用双网结构的控制策略对加工过程进行控制,NNI网络实现加工过程的系统辨识,进行在线建模;NNC网络根据系统的当前状态实现切削参数的自适应调整来优化加工过程,提高加工效率。仿真试验结果表明这种控制策略的可行性和有效性。     

基于计算机视觉的库尔勒香梨脱萼果识别研究

[目的]针对库尔勒香梨的图像,对香梨脱萼果和宿萼果进行分类及识别研究。[方法]利用Matlab软件进行图像数据获取、灰度化、中值滤波,利用动态阀值分割二值化图像;为弥补二值化后图像中出现的孔洞,基于数学形态学算子填充孔洞。设计神经网络参数,然后利用试验样本对BP神经网络进行训练和测试。[结果]所提出的方法能够获得很高的正确识别率,能够有效地将脱萼果识别出来。[结论]用BP神经网络来分类识别香梨脱萼果可以达到较好的效果。     

基于优化卷积神经网络的玉米螟虫害图像识别

【目的】随着人工智能和大数据技术的不断发展,针对常规玉米虫害识别方法存在的准确率和效率低等问题,本文提出了一种基于改进GoogLeNet卷积神经网络模型的玉米螟虫害图像识别方法。【方法】首先通过迁移学习将GoogLeNet的Inception-v4网络结构知识转移到玉米螟Pyrausta nubilalis虫害识别的任务上,构建模型的训练方式;然后通过数据增强技术对玉米螟虫图像进行样本扩充,得到神经网络训练模型的数据集;同时利用Inception模块拥有多尺度卷积核提取多尺度玉米螟虫害分布特征的能力构建网络模型,并在试验过程中对激活函数、梯度下降算法等模型参数进行优化;最后引入批标准化(BN)操作加速优化模型网络训练,并将该模型运用到玉米螟虫害识别中。【结果】基于TensorFlow框架下的试验结果表明,优化后的神经网络算法对玉米螟虫害图像平均识别准确率达到了96.44%。【结论】基于优化的卷积神经网络识别模型具有更强的鲁棒性和适用性,可为玉米等农作物虫害识别、智能诊断提供参考。     

基于神经网络的机器人驱动系统数学模型辨识

以轮式移动机器人驱动系统为主要研究对象,提出一种基于神经网络的分析与试验相结合的建模方法。该方法在分析理想直流电动机数学模型的基础上,采用串一并行辨识结构的神经网络确定系统输出与输入的关系,实现了机器人驱动系统的数学模型辨识。最后,通过试验证明了该方法的有效性,为未采工、农业等领域机器人的精确运动和动力控制的研究提供了技术支持。     

基于连续投影算法-遗传算法-BP神经网络的可见/近红外光谱木材识别

  目的  基于可见/近红外光谱技术,以10种木材为研究对象,探索不同预处理和特征提取方法下BP神经网络识别木材的效果。  方法  利用美国ASD公司生产的LabSpec 5000光谱仪采集10种木材的光谱图,分别进行移动平均法处理、移动平均法+多元散射校正(MSC)、移动平均法＋标准正态变量变换(SNV)、Savitzky-Golay卷积平滑算法(S-G滤波器)、S-G滤波器+MSC和S-G滤波器+SNV的预处理,运用主成分分析法(PCA)、连续投影算法(SPA)、SPA和遗传算法(GA)联合分别进行特征提取,将提取的特征结合BP神经网络进行木材识别试验。  结果  以SPA和GA联合提取光谱特征时,移动平均法+SNV的预处理效果最佳,以吸收峰为起始波段(W_initial=1 445 nm)、吸收峰个数为特征个数(N_tot=9)时,识别率较高,特征个数大部分减少为SPA提取特征值个数的一半左右。BP神经网络的平均识别速度提升明显。10种木材的平均识别率为98.0%,其中7种木材的识别率达到了100.0%。  结论  在移动平均法+SNV的预处理下,SPA和GA联合提取光谱图的特征,既可提高BP神经网络识别木材的正确率,又可提升识别速度。图3表6参23     

基于图像处理的木片与树皮的新识别参数研究

利用数字图像处理技术对樟子松、柳木和榆木的木片和树皮图像进行分类识别,首先提取木片和树皮图像的均方差比等6个识别参数,分析其最大值和最小值,然后用支持向量机和BP神经网络对这6个识别参数进行识别研究。结果表明,新识别参数——均方差比,无论用支持向量机,还是BP神经网络,其识别率都较高,因此,均方差比可作为木片与树皮识别的新识别参数。为造纸生产中,将树皮和木片分离,提高纸张质量提供依据。     

基于改进VGG卷积神经网络的棉花病害识别模型

为实现自然条件下棉花病害图像准确分类,提出基于改进VGG-16卷积神经网络的病害识别模型。该模型在VGG-16网络模型基础上,优化全连接层层数,并用6标签SoftMax分类器替换原有VGG-16网络中的SoftMax分类器,优化了模型结构和参数,通过微型迁移学习共享预训练模型中卷积层与池化层的权值参数。从构建的棉花病害图像库中随机抽取病害图像样本作为训练集和测试集,用以测试该方法的性能。试验结果表明:该模型能有效提取出棉花病害叶片图像的多层特征图像,并通过Relu激活函数的处理更能凸显棉花病害的边缘信息与纹理信息,分辨率为512像素×512像素图像在样本训练与验证试验效果最好。在平均识别准确率方面,本研究模型较BP神经网络、支持向量机、AlexNET、GoogleNET、VGG-16NET效果最好,达到89.51%,实现对棉花的褐斑病、炭疽病、黄萎病、枯萎病、轮纹病、正常叶片的准确区分。该模型在棉花病害识别领域具备良好的分类性能,可实现自然条件下棉花病害的准确识别。     

Auditory evoked potentials during speech perception

Neural responses evoked by the same binaural speech signal were recorded from ten right-handed subjects during two auditory identification tasks. One task required analysis of acoustic parameters important for making a linguistic distinction, while the other task required analysis of an acoustic parameter which provides no linguistic information at the phoneme level. In the time interval between stimulus onset and the subjects' identification responses, evoked potentials from the two tasks were significantly different over the left hemisphere but identical over the right hemisphere. These results indicate that different neural events occur in the left hemisphere during analysis of linguistic versus nonlinguistic parameters of the same acoustic signal.     

稻谷加工断裂面裂纹显微图像识别研究

针对稻谷加工破损问题,提出了基于图像处理稻谷断裂面裂纹识别方法。通过剪切试验后获取稻谷断 裂面显微图像,提取其裂纹特征参数并进行了T 检验及BP 神经网络识别研究。结果表明,两种稻谷特征参数K 值差 异性显著,干燥和未干燥稻谷裂纹的准确识别率分别为96.4%和83.3%,用图像识别的方法可判断稻谷加工时的水 分条件,对稻谷的贮藏及加工条件的控制具有一定的指导意义。