针对无序分拣过程中车间光照不均导致的分割结果不准确问题,提出一种改进的Grab Cut图像分割算法。该算法采用自适应中值滤波去除图像表面噪声;通过限定对比度自适应直方图均衡化提升图像整体亮度,增强对比度;进一步使用Laplacian算子对刹车盘区域进行锐化处理;在此基础上对刹车盘图像复杂背景进行去除;最后通过仿真实验对比分割效果、PSNR、误分割率、分割准确性和运行时间来评价算法模型。实验结果表明提出的改进Grab Cut分割算法相较于原始算法能有效降低光照不均对刹车盘复杂图像背景去除的影响,使分割准确率提高了12.5%,分割结果与实际刹车盘模型相比误差小,为刹车盘图像复杂背景去除提供参考。

针对现代车辆的智能化、人性化发展的要求,研究"人—车—路"闭环系统中驾驶员在车辆控制中的主导地位。本文通过驾驶模拟器dSPACE实时仿真平台设计实验,通过模拟驾驶员在城市路况的跟车行为,采集驾驶员制动时的相关参数,运用高斯混合模型聚类算法将特征数据分类,并运用BP神经网络工具箱建立了该城市路况下驾驶员制动特性辨识模型,实现了驾驶员制动特性的在线辨识。实验结果表明该辨识方法在实验设计的城市路况,具有良好的驾驶员制动特性辨识能力。

针对现有汽车车架纵梁故障监测方法效果不佳的问题,提出基于高斯混合模型的汽车车架纵梁故障监测方法。首先利用传感器采集汽车车架纵梁数据,并对其进行预处理。然后基于主成分分析法完成数据降维,在T统计故障监测的基础上引入高斯混合模型设计了一种汽车车架纵梁故障监测方法,通过将T统计控制限、SPE统计量控制限与设置阈值比较,实现故障监测与识别。实验结果表明,该方法对汽车车架纵梁故障监测的准确率达到94%以上,并且不受月份条件的影响,优于对比方法,证明该方法实用性强、故障监测准确率高。

针对获取运动轨迹不清晰以及轨迹不能很好地被检测的问题,提出一种基于三帧差分法的3D打印机轨迹检测改进算法。采用USB摄像头采集图像,然后用改进三帧差分方法和高斯混合模型进行轨迹的粗略判断,并使用Qt框架实现对目标中心即3D打印机喷头的运动轨迹检测和速度计算。结果表明:该算法能够完整地获取3D打印机喷头轨迹,能较大程度地减少图像处理的计算量。

在机器人抓取物体的过程中,机器人要调整自身的位姿,以适应物体位姿的变化。提出了一种基于高斯混合模型的适应性抓取方法,实现了机器人在较大工作区域中对物体的抓取。该方法采用高斯混合模型进行建模,构建物体的观测变量与机器人关节变量之间的映射关系。机器人抓取物体时,首先通过相机获取物体的观测变量,分别计算各个高斯分布下该观测变量的生成概率,选取后验概率最大的分布对应的高斯过程回归得到适应性的机器人关节角度。实验结果表明,采用高斯混合模型建模,比采用单一的高斯过程建模能够使机器人更好地实现适应性抓取。

针对风电机组齿轮箱在时变工况下的振动信号具有非平稳特性，提出一种谱峭度和Void—kalman阶比跟踪（Void．kalman Filter Based Order Tracking．VKF—OT）相结合的故障特征提取方法。以转频和啮合频率作为VKF-OT的提取频率。获得随转速变化的阶比信号，通过阶比信号复包络直接求两种频率分量的幅值、相位，经实验分析这种方法能保留齿轮箱的瞬变信息。而后计算两种频率分量的谱峭度，以最大谱峭度对应的频率带能量与原阶比信号总能量之比作为故障特征。最后采用高斯混合模型对风电机组齿轮箱在不同工况下的150组振动信号进行特征描述，运用最大贝叶斯分类器实现故障识别。故障识别率表明该方法可有效地识别任意时变工况下的齿轮早期局部微弱故障。

航空结构服役于时变环境极易导致结构损伤监测信号产生不确定的变化,从而降低损伤监测的可靠性,已成为阻碍航空结构健康监测技术应用的关键问题之一.针对此问题,提出了一种基于导波强化裂变聚合概率模型的损伤监测方法.首先,提出了一种强化裂变聚合建模算法建立稳定的高斯混合模型（Gaussian mixture model,简称GMM）,从而建立导波监测特征参数在时变因素影响下的概率模型;其次,采用概率分量最小匹配Kullback-Leibler距离来定量表征高斯混合模型在损伤作用下的累积迁移趋势,从而实现损伤判别.在真实飞机大梁结构上对方法进行验证,结果表明,该方法能够在时变边界条件影响下实现损伤的可靠和稳定监测,且与基于导波损伤因子的监测方法相比,损伤监测的可靠性得到明显提高.

风电齿轮箱第三级斜齿轮是高速重载齿轮,维护成本高昂,对可靠性要求颇高。而疲劳点蚀是其最常见的故障之一,将导致可靠度下降。建立了某风电齿轮箱第三级齿轮点蚀的有限元模型,在风场实测转矩谱作用下,计算并拟合得到应力谱,从而获得不同点蚀的直径和数目下齿轮的可靠度。结果表明,点蚀直径加大和数目的增加将使齿轮可靠度显著降低,且数目增加所致的齿轮可靠度降低尤为明显。