高阶非线性时频表示在故障特征提取中的应用

将高阶时频表示引入机械故障诊断领域。介绍了Wigner高阶矩谱(WHOS)的概念、定义。针对多分量信号Wigner高阶矩谱的交叉项会产生“虚假信号”,结合局域波法,提出了一种抑制WHOS交叉项的新方法。首先对复杂信号进行预处理,利用局域波分解方法把其分解成有限个具有单分量特性的基本模式分量,然后对每个基本模式分量计算WHOS。该方法能有效抑制WHOS时频分布的交叉项。通过仿真实验和转子的故障实验,以Wigner双谱为例,验证了该方法的实用性,为故障诊断的特征提取提供了新的工具。     

家禽规模养殖LED光环境调控技术进展与趋势分析

家禽视觉系统高度发达,LED光源优点突出,两者协同创新并正在迅速形成新的交叉领域。综述了具有代表性的家禽——鸡规模养殖LED光环境调控技术的研究现状。在肉鸡方面,通过LED的光色、光照度与光周期等因子的调控,可影响小肠黏膜结构来提高营养吸收和促进生长,通过影响卫星细胞增殖及肌肉纤维发育提高屠宰性能与鸡肉品质,同时影响行为和健康,增强免疫力,降低死亡率和疾病发生率等。在蛋鸡和种鸡方面,通过对光环境进行调控,可影响其饲料消耗,并促进促黄体素和促卵泡素等激素的释放来影响性成熟、开产日龄、产蛋率等,同时提高种鸡的受精孵化率,改善鸡蛋品质情况,有效降低啄癖现象。最后,分析了家禽规模养殖LED光环境调控技术存在的问题,并对发展趋势进行了展望。     

棉花异性纤维图像特征提

针对棉花加工过程中存在的异性纤维,采用机器视觉技术,通过图像处理方法提取异性纤维目标,采集异性纤维特征数据,应用一种改进型粗糙集理论,进行异性纤维图像目标特征向量的提取,得到有效的特征向量.最后采用决策树理论,利用提取的特征向量进行识别,实验表明,所提取的特征向量对于识别棉花异性纤维是有效的,识别率达到95%.     

羊咳嗽声的特征参数提取与识别方法

为在设施圈养羊只产生呼吸道疾病的初期,通过监测其咳嗽声进行疾病预警和健康状况诊断,以内蒙古地区广泛推广的杜泊羊为例,对杜泊羊的咳嗽声信号进行自动采集和计算机识别,在不增加羊咳嗽声特征参数维数的前提下,提出一种改进的梅尔频率倒谱系数(MFCC),试验结果表明,该参数和短时能量、过零率组合的14维特征参数,经过羊咳嗽声隐马尔可夫模型(HMM)识别系统,其识别率、误识别率和总识别率分别达到了86.23%、7.17%和88.43%,该组合特征参数经主成分分析可降到9维,而通过BP神经网络改善的HMM咳嗽声识别系统,对咳嗽声的识别率、误识别率和总识别率分别达到了92.54%、5.37%和95.04%,满足了杜泊羊咳嗽声识别的要求。     

基于深度图像的蔬果形状特征提取

针对蔬果二维投影图像含形状信息量少而影响蔬果分级精度的问题,提出一种基于深度图像的蔬果形状特征描述方法,以番茄形状特征提取为例,对该方法进行了探讨.首先利用彩色图像信息将番茄从背景中分割出;其次通过三维机器视觉测量设备获取番茄的点云数据,并对待检测番茄的点云数据深度进行归一化处理;然后通过关联被分割出的番茄区域信息与深度信息得到了番茄的深度图,并对该深度图进行极坐标采样.通过在笛卡尔直角坐标下对采样结果进行傅里叶变换,获得了基于深度图像的通用傅里叶形状描述子,该描述子不仅能有效地描述番茄在深度和横向上的形状特征,同时还具有平移、旋转和缩放的不变性.将基于深度图的通用傅里叶描述子和基于一般二维投影图像的通用傅里叶描述子先后用于番茄的分级实验中,结果表明前者平均分级精度达到92％,精度高于后者.     

基于机器视觉的自然环境中猕猴桃识别与特征提取

研究了综合应用果实颜色和形状特征识别自然环境中猕猴桃果实及特征提取的方法.通过对比不同颜色空间,选用R-G色差分量;再采用基于误分割像素的分割评价方法来确定颜色特征nR-G中最佳分割系数n,最终选取0.9R-G颜色特征.利用0tsu法对其进行阈值分割,形态学运算去除掉残余噪声,实现了目标果实区域和背景区域的分割.然后利用Canny算子提取边界,最后对边界图像进行椭圆形Hough变换,逐个识别出目标果实,并提取出果实的形心坐标、长轴端点坐标和长短轴长度等特征信息.对49幅包含110个果实图像进行识别试验,试验结果表明:相互分离果实的识别率为96.9％,邻接果实识别率为92.0％,被枝叶部分遮挡果实识别率为86.6％,重叠的果实识别率为81.6％.     

基于相关分析技术的近红外光谱信息特征提取

运用信号分析的理论，研究了把相关分析技术应用于近红外光谱信息特征提取的方法.结果表明：通过相关处理，光谱信息特征得到分离和增强，可以作为一种光谱信息特征提取的有效方法用于定性和定量分析，为解决近红外光谱检测中光谱叠加、信息率低等难题提供了一种方法。     

形态小波降噪方法在齿轮故障特征提取中的应

针对齿轮故障特征往往被强背景噪声淹没的问题,采用形态小波降噪方法来提取故障特征.形态小波降噪方法适合于对具有一定形态特征的齿轮故障信号进行特征提取.首先采用形态小波对信号进行分解,然后对各层的细节系数进行软阈值降噪处理,最后根据处理得到的小波系数重构信号以提取故障特征.仿真与实例证明,该方法可有效地提取隐含在噪声中的齿轮故障特征.形态小波降噪算法只涉及加减和极大、极小运算,运算简单且执行高效,适合于齿轮故障的在线监测与诊断.     

基于近红外傅里叶特征提取方法的土壤含水率检测

以湖北地区的3种土壤为研究对象,利用偏最小二乘法建立了处理后样品的土壤含水率分析模型,模型预测值与标准值的决定系数为0.995,交叉验证预测均方差为0.801%,模型预测决定系数为0.992,预测均方差为0.912%,利用该模型预测黄土高原地区黄绵土含水率误差均大于4%.利用近红外光谱傅里叶变换特征提取方法对湖北地区黄棕壤、稻田土和潮土建立土壤含水率PLS预测模型,模型决定系数为0.988,交叉验证预测均方差为1.106%,且该模型预测黄绵土的误差均在2%左右,精度较传统模型有较大提高.     

基于小波包分解的频带局部能量特征提取方法

提出了一种基于小波包分解的频带局部能量特征提取方法。在小波包分解的理论基础上 ,引入了频带局部能量的概念 ,用以表征信号在某个频带的某个时间段的能量大小 ,反映了信号频率的时变性。并以仿真信号为例 ,说明基于小波包分解的频带局部能量特征提取方法的有效性。