基于遗传算法的路面有理函数功率谱密度参数识别

针对路面二阶有理函数功率谱密度参数识别问题,以二阶有理函数功率谱密度与国际标准化组织给出的幂函数功率谱密度数值差的均方值最小为优化目标,建立了路面二阶有理函数功率谱密度参数识别的优化计算模型。采用遗传算法,获得了A～D级路面二阶有理函数功率谱密度参数最优值。在此基础上,采用谐波叠加法构建了路面不平度模型,并利用自回归(AR)模型的功率谱密度估计方法对创建的路面进行了谱分析。结果表明,路面二阶有理函数功率谱密度与幂函数路面分级标准数值吻合程度很好,应用遗传算法能准确识别出路面二阶有理函数功率谱密度参数。     

基于声信号特征加权的设施养殖羊行为分类识别

中国西部地区正在发展集约化和规模化的设施养羊业,通过监测羊舍内的声信号可以判别羊只的行为状态,从而为设施养羊的福利化水平评估提取基础依据。梅尔频率倒谱系数（mel frequency cepstrum coefficient,MFCC）模拟了人耳对语音的处理特点且抗噪音性强,被广泛用于畜禽发声信号的特征提取,但其没有考虑各个特征分量表征声信号的能力。该研究构建羊舍无线声音数据采集系统,采集20只羊在设施羊舍内的打斗、饥饿、咳嗽、啃咬和寻伴共5种行为下的声信号,并通过Audacity音频处理软件选出720个清晰且不重叠的声音样本数据。根据MFCC各分量对羊舍声信号表征能力,特征参数提取采用一种熵值加权的MFCC参数,再求其一、二阶差分并进行主成分分析降维,得到优化的19维特征参数。通过对羊舍声信号的声谱图分析,设计了支持向量机二叉树识别模型,并对模型内的4个分类器参数进行网格化寻优测试,该识别模型对羊只5种行为下的声信号进行分类识别,用改进的特征参数与传统MFCC和线性预测倒谱系数（linear predictive cepstrum coefficient,LPCC）进行对比分析。结果表明,该特征参数对5种行为的识别率平均可达83.6%,分别高于MFCC和LPCC参数14.1%和26.8%,羊只打斗和咳嗽行为的声信号属于相似的短时爆发类声音,其识别率分别仅为80.6%和79.5%,啃咬声特征显著不易混淆,其查全率可达到为92.5%,改进特征参数更好的表征了羊舍声信号的特征,提高了羊只不同行为的识别率,为羊只健康和福利状况的监测提供理论依据。     

蛋鸡发声音频数据库的构建与应用

蛋鸡发声含有丰富的机体信息,充分挖掘其声学特性,并利用其无接触、无应激的优点,为建立基于发声信息的蛋鸡养殖远程监测平台提供基础依据。该研究借助音频数字化处理技术和数据库管理平台,以海兰褐蛋鸡为例,搭建系统分别采集其在小规模(5只)饲养条件下的叫声信息及其体态行为。运用音频处理软件Adobe Auditionv1.0和音频分析软件Praat5.3提取蛋鸡发声特征参数,包括持续时间、基音频率、频谱质心、共振峰及其衍生的统计值,以此构建出蛋鸡发声音频数据库,在此基础上分别选取蛋鸡产蛋行为发声、鸣唱声和鸣叫声等典型发声行为对比分析。结果表明,蛋鸡产蛋行为发声与鸣唱声均为多次重复的、有节奏的、短促的音节所构成(称其为句子),前者先抑后扬、后者先扬后抑,句子的音节个数分别是7.8±2.0、15.2±7.7,但其时频域特征间存在着显著差异(P<0.05),与鸣叫声相比,其发声特征参数如频谱质心、共振峰等有着显著差异。研究表明,掌握蛋鸡发声的含义,有助于了解其行为特性、机体状态以及种群间的信息传递,并为蛋鸡行为特征识别与数字化监测平台的构建提供数据支持。     

齿轮箱振动与输入能量信号的频域相干分析与关系识别

为了提高旋转设备诊断效率、发展基于设备输入能量信号分析的故障诊断技术,该文提出并论述了输入能量信号分析方法在设备故障诊断技术研究中的有效性。首先从齿轮箱振动机理角度分析了传动能量与振动信号之间的关系,指出轴系扭矩及输入功率是齿轮静态传递误差的激励,进而导致振动信号的产生;其次通过建立齿轮传动能量与振动关系模型,利用相干函数以概率统计的形式揭示了输入能量与振动信号响应之间的关系;最后通过正常与断齿齿轮的对比试验,验证了功率信号的频谱特征与传统的齿轮故障振动频谱相一致,亦具有表征齿轮箱工况的明显作用,同时分析了振动和功率信号的自功率谱和互功率谱,利用相干分析方法,从经典控制理论角度验证了二者所呈现出的强相关性。该文为以能量信号分析为核心的旋转设备故障诊断技术的研究提供参考。     

利用敲击声音信号进行禽蛋破损检测和模糊识别

为了在蛋品加工中能够快速检测并剔除异常蛋(钢壳蛋、尖嘴蛋)和破损蛋，利用一个微型话筒和声卡采集蛋在敲击时的声脉冲信号，将采集到的声脉冲信号送计算机处理和分析。研究结果表明：正常蛋、破损蛋、钢壳蛋、尖嘴蛋的敲击声音信号在衰竭时间、最小共振峰频率和四点最大频率差等参数上存在差异，且差异的边界是模糊的。利用最大隶属度原则进行模糊识别，破损蛋的识别准确率达95%。     

基于时频和功率谱密度的移栽机振动特性测试与分析

针对移栽机机械受激励产生振动影响取苗、顶苗工作稳定性的问题,该研究以2ZTT-2型顶夹式气动蔬菜移栽机为研究对象,对移栽机的振动特性进行研究.采用时频分析和功率谱密度分析相结合的方法,得到信号能量在时间轴以及频率轴上的分布特征,并运用锤击法,研究了不同工况下各测点主要频率与该测点代表运动部件的前5阶固有频率之间的对应关...     

探地雷达功率谱模型在砂壤含水率和紧实度探测中的应用

为了快速、高效地探测中国西部地区土地整治后砂壤的物理特性,该研究使用探地雷达对砂壤进行探测,利用自回归移动平均(auto regressive and moving average,ARMA)功率谱估计方法处理数据,建立砂壤物理模型,分析对比不同含水率和紧实度砂壤的功率谱分布特征,分别建立与含水率和紧实度具有最优拟合度的关系模型。结果表明:在频率670 MHz时,低频功率谱能量占全部功率谱能量比值(L/(H+L))与砂壤含水率相关性最强,相关系数达0.952;频率为1 000 MHz时,高频功率谱能量占全部功率谱能量比值(H/(H+L))与紧实度倒数的相关性最强,相关系数达到0.947。通过实际探测验证,该模型可以获得连续、准确、高效的砂壤含水率和紧实度数据,为土地整治工程的质量检测提供技术支持。     

基于Isomap和支持向量机算法的俯视群养猪个体识别

针对俯视群养猪视频序列,提出了一种利用机器视觉技术对猪个体进行识别的方法。首先对采集的俯视群养猪视频序列进行前景检测与目标提取,获得各单只猪个体,其后建立训练样本,提取猪个体颜色、纹理及形状特征,组合构建表征猪个体的特征向量,接着对组合特征利用Isomap算法做特征融合,在最大程度保留有效识别信息的基础上降低特征维数,最后利用优化核函数的支持向量机分类器进行训练与识别。试验选取了900帧图像,试验结果表明该文所提方法切实有效,猪个体最高识别率为92.88%。该文从机器视觉角度探索了俯视群养猪的个体识别,有别于传统的RFID猪个体识别,该研究为无应激的猪个体识别提供了新思路,也为进一步探索群养猪个体行为分析等奠定了基础。     

基于有限脉冲反应和径向基神经网络的触电信号识别

针对农村低压电网剩余电流保护与动作技术中,如何检测总泄漏电流中人体触电支路电流的难题,该文利用严格线性相位与任意幅度特性的FIR（finite impulse response）数字滤波技术和具有自适应性与最佳逼近特性的RBF（radial basis function）神经网络有机结合,提出一种基于FIR数字滤波的RBF神经网络作为触电电流信号的检测方法。首先,采用FIR数字滤波器选定合适的窗函数和滤波阶数,对触电试验获得的总泄漏电流及触电电流进行滤波预处理;然后,将预处理后的信号波形作为样本集,选定适合的RBF函数,建立从总泄漏电流中提取触电电流波形的3层RBF神经网络模型。仿真试验结果表明：该方法速度快且稳定,检测值与实际值的平均相对误差为3.76%,具有良好的适应性和实用性,对于研制新一代剩余电流保护动作装置具有重要意义。     

基于连续语音识别技术的猪连续咳嗽声识别

针对现有基于孤立词识别技术的猪咳嗽声识别存在识别声音种类有限,无法反映实际患病猪连续咳嗽的问题,该文提出了基于双向长短时记忆网络-连接时序分类模型(birectional long short-termmemory-connectionist temporal classification,BLSTM-CTC)构建猪声音声学模型,进行猪场环境猪连续咳嗽声识别的方法,以此进行猪早期呼吸道疾病的预警和判断。研究了体质量为75 kg左右长白猪单个咳嗽声样本的持续时间长度和能量大小的时域特征,构建了声音样本持续时间在0.24～0.74 s和能量大于40.15 V~2·s的阈值范围。在此阈值范围内,利用单参数双门限端点检测算法对基于多窗谱的心理声学语音增强算法处理后的30 h猪场声音进行检测,得到222段试验语料。将猪场环境下的声音分为猪咳嗽声和非猪咳嗽声,并以此作为声学模型建模单元,进行语料的标注。提取26维梅尔频率倒谱系数(Mel frequency cepstral coefficients,MFCC)作为试验语段特征参数。通过BLSTM网络学习猪连续声音的变化规律,并利用CTC实现了端到端的猪连续声音识别系统。5折交叉验证试验平均猪咳嗽声识别率达到92.40%,误识别率为3.55%,总识别率达到93.77%。同时,以数据集外1 h语料进行了算法应用测试,得到猪咳嗽声识别率为94.23%,误识别率为9.09%,总识别率为93.24%。表明基于连续语音识别技术的BLSTM-CTC猪咳嗽声识别模型是稳定可靠的。该研究可为生猪健康养殖过程中猪连续咳嗽声的识别和疾病判断提参考。     

工程车辆传动系载荷谱编制方法

为研究工程车辆传动系疲劳载荷谱的编制方法,采集了装载机5种典型工况的传动件载荷信号,采用作业循环分成6段处理的方式,对原始信号进行预处理和特性分析,得到反映载荷变化规律的真实信号。对变速箱后传动法兰,利用雨流计数法对其载荷时间历程进行了统计处理,结果表明：后传动法兰铲掘段均值分布服从均值为1910 N·m、标准差为537.8 N·m的正态分布,其幅值服从三参数威布尔分布,并且均值和幅值相互独立。根据各个工况的作业时间比例,进行频次外推和合成,利用二维概率分布函数,建立了各作业段的8×8级二维载荷谱。应用Goodman方法,将二维载荷谱转化为8级一维载荷谱,编制成反映装载机传动系受载情况的程序载荷谱。该方法可为工程车辆传动系寿命预测以及疲劳寿命试验提供参考。     

基于改进MFCC的家禽发声特征提取方法

动物的发声包含丰富的信息,能够在一定程度上反馈其自身机体状况及对环境的应激情况,因此发声已成为评价动物福利的一个重要参考指标。为了实现对动物发声信息的自动采集与分析,该研究针对蛋鸡,探索采用不同特征提取算法用于识别蛋鸡叫声。在分析线性预测倒谱参数(LPCC)与梅尔频标倒谱系数法(MFCC)的基础上,结合识别的目标,提出了改进的平均梅尔频标倒谱系数法(AMFCC),并针对三种不同的特征提取算法采用支持向量机分类模型进行了正确识别效率验证,结果表明改进的AMFCC方法比前两种算法正识效率有显著提高。     

基于图像识别的小麦腥黑穗病害特征提取与分类

小麦的网腥、印度腥与矮腥黑穗病危害小麦生产与人体健康,是出入境检验检疫的重要对象。该文利用小麦腥黑穗病害显微图像,采用图像分析与识别技术进行了小麦的网腥、印度腥及矮腥3类病害的分类识别。在分离出单个病害孢子图像的基础上,提取了3类病害孢子图像的16个形状和纹理特征,通过分析,从中选择小麦病害孢子的6个典型特征,并分别用最小距离法、BP神经网络和支持向量机分类器对提取的96个小麦腥黑穗病害孢子图像进行了分类试验,结果表明:支持向量机法对小麦腥黑穗病的分类识别能力优于最小距离法和BP神经网络,总体识别率达到82.9%。因此,采用图像分析技术和支持向量机识别方法进行小麦腥黑穗病害诊断的方法具有可行性。     

基于组合神经网络的农用车轮胎号识别方法

为了保证轮胎号识别系统具有较高的识别正确率和置信度,对轮胎号字符识别方法进行了研究。对大量的农用车轮胎号字符图像样本进行各类特征量提取,针对每类特征量建立各自的子BP网络进行训练,并将各训练好的子网络进行组合形成并行组合神经网络,按照等权平均或投票选举决策得出最终识别结果。并行组合神经网络的连接数较传统庞大单级神经网络少,训练和识别的速度要快,大量的轮胎号字符样本识别试验表明,并行组合神经网络的识别正确率和置信度都较传统BP网络得到提高。     

基于机器视觉的草地蝗虫识别方法

为了准确、自动地提取蝗虫信息进行蝗灾测报,提出了一种基于机器视觉的草地蝗虫识别方法,用于超低空蝗灾预警系统所自动采集的视频中草地蝗虫头数信息的提取。该方法先根据跃起草地蝗虫的背景构成,把原始图像分为天空子图像和草地子图像;然后,采用帧间差分法检测两子图像中的运动区域;最后,运用蝗虫的形态特征因子对检测的运动区域进行再分类,识别跃起蝗虫。把自动识别的跃起蝗虫头数,带入建立的跃起蝗虫头数与和地面蝗虫头数之间的数学模型中,从而得到地面蝗虫的数量,进行地面上草地蝗虫的间接计数。试验结果表明:跃起草地蝗虫的识别率为80%～100%,由建立跃起蝗虫和地面蝗虫的之间模型计算的地面草地蝗虫的精度大于80%。因此,基于机器视觉的草地蝗虫识别方法能满足蝗虫精准测报的要求。     

随机鲁棒区间-生物质电厂选址风险分析模型

优化生物质发电厂厂址对于中国生物质发电行业意义重大。然而,生物质发电厂选址系统中包含多重不确定性和复杂性。忽略这些,将给生物质发电厂带来风险。因此,充分考虑生物质发电厂系统中的多重不确定性,将鲁棒随机规划（robust optimization,RO）与区间规划（interval parameter programming,IPP）融于两阶段规划（two-stage programming,TSP）框架中,建立基于随机鲁棒区间风险分析模型（stochastic robust interval model, SRIM）的生物质发电厂选址模型。该模型可以处理表现为离散区间和随机性的不确定变量。并且对于随机过程产生的风险进行追索,增强生物质发电系统的安全性。通过调节不同风险等级,可以对系统进行风险分析,利于决策者对系统安全性和经济性做出衡量。该文以装机容量为15 MW的生物质发电厂为案例。模型结果显示：该规划区域拟建设生物质发电厂数量为1,优化厂址介于（245,242）km至（250,247）km;各个燃料收储站优化配送方案;以及不同鲁棒等级下的系统风险和系统成本。通过模型得出的结果合理可行,可以为生物质电长选址提供科学的依据及决策支持。     

拖拉机动力输出轴动态转矩载荷谱编制与验证

拖拉机动力输出轴(power take-off, PTO)室内台架耐久性试验中转矩加载主要以静态加载或静态逐级加载方式为主,这种加载方式输出的载荷与PTO实际作业中承受的载荷动态特性不同,导致试验中PTO的失效形式及测试寿命与实际作业中存在差异。针对此问题,该文对多工况下PTO动态转矩载荷谱编制方法进行研究,测取了沙土、黏土2种土壤类型下旋耕、驱动耙典型作业的PTO转矩,利用希尔伯特黄算法对转矩进行预处理,采用四点循环雨流计数法对转矩均幅值进行频次统计,利用散点矩阵统计方法分析4种作业工况均值、幅值相关性及均值、幅值分布类型。基于Miner法则及轴类20CrMnTi修正S-N曲线,在损伤概率50%、相对误差5%、置信水平95%的统计条件下,确定了转矩样本容量。利用时域外推方法对PTO转矩数据进行外推。以阈值区间内峰谷值均值差的方差为指标,检验了外推过程中选取的阈值造成峰谷值均值波动的可能性。对比外推1次后载荷时间历程与原始载荷时间历程变化趋势。在时域频次外推因子为240、转矩累计频次达到106、平均加权4类转矩时,得到PTO动态转矩载荷谱。利用编制的动态载荷谱,驱动拖拉机传动系动态加载试验台对PTO进行台架耐久性试验,试验结果显示,PTO发生失效的时长为642 h,失效形式为PTO轴头花键磨损,失效时间、失效形式与实际作业一致,验证了动态转矩载荷谱的有效性。