为实现安防巡逻机器人视觉区域高效覆盖,准确跟踪巡逻路径,提出了基于多层代价地图的机器人全覆盖视觉导航方法。通过图像预处理、检测障碍物边缘、提取障碍物特征点三个步骤构建机器人安防巡逻环境模型,将周边区域中活动行为看作人造引力场运动,运用逆势场法优化人工势场法的局部最优解问题,通过直线连接原始方位与全部切线点,计算机器人运行的安全路径;行人感知前提下组建个人空间与群组交互社会代价模型,运用A*算法在导航搜索图内实施启发式搜索,并根据路径长短、社会收敛代价计算真实社会代价,增强导航准确性。测试结果表明,所提方法可提高机器人多变环境适应能力,导航实时性强,精度较高。

研究了光纤传输三维荧光谱的参量化理论与实现技术,给出了一种能广泛用于测量地表水和工业废水中矿物油含量的便携式全光纤荧光矿物油测量仪.用激发光波长和被测油种(如原油、煤油、柴油等)受激荧光波长及荧光强度三个量,经微机重新采样和曲线拟合处理得到的三维荧光谱并表示为等值线图(指纹图)形式,可反映出油种组成的丰富信息,为测量水中矿物油提供理论依据,并能鉴别污染的油种.

本文给出了固体电导率与含水率之间回归一化线性数学模型，不同物质的线性模型仅斜率和截距不同，只要校正即可实现通用性，这与历史认识有差异，测量仪利用网络理论解决了高阻测量问题，利用线性叠加原理实现了温度补偿并提高了测量准确度，利用单片机对模型进行编程计算和校正，从而实现了智能化，采取隔离，滤波，ＷＴＤ等技术，提高了系统的可靠性。

介绍了超声波物位仪的原理,给出了以单片机为核心的智能物位仪系统的组成,论述了温度对测量的影响及解决方法,在实验的基础上对物位测量的误差进行了分析.

不同工况下的轴向柱塞泵故障数据存在分布差异,现有的基于特征迁移学习的变工况故障诊断方法大多只通过单个传感器信号进行分析,具有一定的局限性和片面性。为了利用多传感器信号提高变工况下轴向柱塞泵故障诊断的性能,该研究提出一种耦合分类器子空间嵌入分布自适应(Subspace Embedded Distribution Adaptation with Coupled Classifiers,SEDACC)方法。该方法利用多传感器信号的频谱数据构造主要数据集和辅助数据集,通过子空间对齐(Subspace Alignment,SA)方法将源域和目标域的主要数据投影到公共子空间中,并采用加权条件最大均值差异(Weighted Conditional Maximum Mean Discrepancy,WCMMD)作为度量进行特征分布的适配。同时,基于结构风险最小化(Structural Risk Minimization,SRM)准则在源域标签数据上学习主分类器,根据主分类器对于目标域的预测结果在目标域辅助数据上学习辅助分类器...

液压泵振动信号具有非线性、非平稳性的特点,熵算法在该类信号分析方面有着独到的优势,但传统的熵算法在液压泵振动信号特征提取中有计算速度慢、熵值不准确、不稳定等不足,为了更有效地提取故障特征信息并提高故障诊断准确性,将精细复合多尺度波动散布熵(refined composite multiscale fluctuation dispersion entropy,RCMFDE)引入到液压泵的故障特征提取中,提出了一种基于RCMFDE和粒子群优化支持向量机结合的液压泵故障诊断方法。计算不同故障振动信号的RCMFDE,并选取合适尺度下的多个RCMFDE值作为特征向量形成特征样本,输入粒子群优化支持向量机中进行故障分类识别。通过仿真信号和液压泵故障实测信号进行分析,并将所提出的方法与基于多尺度样本熵(multiscale sample entropy,MSE)、多尺度排列熵(multiscale permutation entropy,MPE)、多尺度符号动态熵(multiscale symbolic dynamic ...

针对传统粒子群优化算法以准确率或误判率作为适应度函数耗时长和轴向柱塞泵故障机制较为复杂的问题,提出一种基于改进适应度函数的Lévy飞行量子粒子群优化(QPSO)多分类相关向量机(MRVM)的轴向柱塞泵概率性智能软状态判别方法。为了克服人为设定核参数不精确、效率低等缺点,采用基于Lévy飞行的QPSO搜索MRVM的最优核参数;为了缩短寻优时间,将样本间余弦相似度作为寻优算法的适应度函数,并利用UCI机器学习标准数据集进行仿真来验证改进后优化方法的

针对传统旋转机械故障诊断方法中单一机器学习模型出现的诊断精度低、泛化能力差且性能提升有限等问题,提出了通过Stacking框架异质集成多个机器学习模型对旋转机械进行故障诊断。首先利用小波包变换对旋转机械的原始振动信号进行特征提取;然后通过贝叶斯优化和网格搜索结合的方法调节各基学习器的超参数,采用DT、KNN、SVM及RF作为初级学习器,LR作为次级学习器构建Stacking异质集成学习模型;最后通过滚动轴承和液压泵故障模拟试验,将所提模型与单

分析了小波变换的时－频局部化特性及基于多分辨分析的信号小波分解重构算法，研究了信号局部奇异性在小波变换下的特性。根据故障信号和噪声的局部奇异性在小波变换下的模极大值在不同尺度上的传播特性不同的特点，并利用小波分解重构算法，对泵壳振动加速度信号进行了分解、去噪和重构。大大改善了监测信号的信噪比，对故障特征信号进行了时域定位，提取了故障特征频率。