动态模拟电路故障特征提取方法研究
摘要：介绍了现有的动态模拟电路故障特征提取方法，概述了网络分析法、频率特性分析法、节点电压灵敏度分析法、Volterra频域核提取法等动态模拟电路故障特征提取方法的发展现状并总结了其研究成果，并对各种方法的基本原理和优缺点进行了分析探讨。结合电路故障诊断的发展过程和趋势，指出了动态模拟电路故障特征提取的研究和发展方向。关键词：动态模拟电路；故障特征提取；网络分析；频率特性；节点电压灵敏度；Volterra频域核电子技术的迅猛发展以及相关应用领域中近乎苛刻的可靠性要求，推动着电路故障诊断理论与研究的不断发展。目前，数字电路故障诊断方法已经得到快速发展与广泛应用，但模拟电路故障诊断方法却发展缓慢，未取得突破性的进展，这是由于模拟电路自身属性即：输入输出均是连续量、元器件容差、非线性及反馈的存在所决定的[1]。动态模拟电路是模拟电路的重要部分，然而，现有许多模拟电路故障特征提取方法的研究对象仅局限于静态模拟电路，或者仅对动态模拟电路进行稳态分析，因此针对动态模拟电路很难形成较为完整和体系化的故障诊断方法。然而在实际的系统中，动态电路的暂态过程往往包含能够反映间歇性故障、软故障以及电容充放电过程中故障的信息，而一旦进入稳态后，这些信息将消失；电路分析理论也需要对动态电路的暂态过程进行分析，因此寻求高效的动态模拟电路故障诊断方法成为人们必须面对和解决的问题。而电路故障诊断的关键是故障特征的提取，要求故障特征不仅包含丰富的故障信息量，而且与故障状态间具有明确的对应关系[2]。动态模拟电路故障诊断的研究发展缓慢，很大程度上是针对动态模拟电路的故障特征提取方法研究发展缓慢所致。含有动态元件即电容或电感及其他动态元件的模拟电路称为动态模拟电路[3]。对动态模拟电路的故障特征提取不但要研究其稳态特征，还要研究其暂态特征。按故障特征提取依据的理论，现有的动态模拟电路故障诊断特征提取方法可分为网络分析法、频率特性分析法、节点电压灵敏度分析法和Volterra频域核提取法。1 现有的动态模拟电路故障特征提取方法一直以来，针对动态模拟电路的故障特征提取问题的研究都包含在一般的模拟电路故障特征提取问题的研究中，而针对一般的模拟电路故障特征提取问题往往只关注其稳态特征，而忽视其暂态特征，这些暂态特征通常就是对动态模拟电路中动态元件参数的具体反应。一旦电路进入稳态，这些暂态特征就会消失。针对动态模拟电路故障诊断的故障特征提取方法必须同时包含能够反应电路稳态信息和暂态信息的量，才能实现对电路中动态元件进行全面诊断的目的。1.1 网络分析法网络分析法是指基于电路网络分析理论，利用动态电路结构约束的KCL、KVL方程以及端口电压、电流的约束关系，构建故障特征提取方程的一类方法的统称。此类方法借助成熟的电路网络分析理论，在研究的初期获得了快速发展，其中比较典型的研究成果有：将验证割集KCL一致性作为提取动态电路故障的方法[4]；
滚动轴承故障诊断分析 学院名称：机械与汽车工程学院专业班级： 学生姓名： 学生学号： 指导教师姓名：
摘要 滚动轴承故障诊断 本文对滚动轴承的故障形式、故障原因、常用诊断方法等诊断基础和滚动轴承故障的振动机理作了研究，并建立了相应的滚动轴承典型故障(外圈损伤、内圈损伤、滚动体损伤)的理论模型，给出了一些滚动轴承故障诊断常见实例。通过对滚动轴承故障振动机理的研究可以帮助我们了解滚动轴承故障的本质和特征。本文对特征参数的提取，理论推导，和过程都进行了详细的阐述， 关键词:滚动轴承；故障诊断；特征参数；特征； ABSTRACT ： The Rolling fault diagnosis In the thesis ,the fault types,diagnostic methods an d vibration principle of rolling bearing are discussed.the thesis sets up a series of academic m odels of faulty rolling bearings and lists some sym ptom parameters which often used in fault diagnosis of rolling bearings . the study of vibration prin ciple of rolling bearings can help us to know the essence and feature of rolling bearings.In this pa
步态识别方法的分类及各类方法的比较 程汝珍1,2 1河海大学计算机及信息工程学院，江苏南京(210098) 2水文水资源与水利工程科学国家重点实验室，江苏南京(210098) E-mail：chengruzhen@https://www.doczj.com/doc/f917320890.html, 摘要：步态识别是生物特征识别技术中的一个新兴领域，它旨在根据个体的行走方式识别身份。步态识别主要是针对含有人的运动图像序列进行分析处理,所涉及到的几项关键技术包括:视频处理、图像处理、模式识别。步态识别分析可以划分为特征抽取、特征处理和识别分类三个阶段。在最近的文献中已经有许多研究尝试，提出了许多步态识别的具体方法。但国内外尚无将步态识别技术分类，本文提出了步态识别的六类分类法，且初步比较了每类方法的适用范围和优缺点，使读者较为全面了解步态识别技术现状。 关键词：步态识别；分类；适用范围；优缺点；比较 中图分类号：TP391.4 1.引言 步态识别是生物特征识别技术中的一个新兴领域，它旨在根据个体的行走方式识别身份[1]。根据早期的医学研究[2]人的步态有24个不同的分量，在考虑所有的步态运动分量的情况下步态是唯一的。精神物理学[3]中的研究结果显示即使通过受损的步态信息人们也能够识别出身份，这表明在步态信号中存在身份信息。 步态识别主要是针对含有人的运动图像序列进行分析处理,所涉及到的几项关键技术包括:视频处理、图像处理、模式识别[4]。步态识别分析可以划分为特征抽取、特征处理和识别分类三个阶段[5]。 步态识别部分 图1 步态自动识别系统框图 Fig1 the framework of gait automatic recognition system 步态识别系统的一般框架如图所示[6]。监控摄像机首先捕捉监控领域来人的行走视频，然后送入计算机进行检测和跟踪，提取人的步态特征，最后结合已经存储的步态模式进行身份识别。若发现该人是罪犯或嫌疑人，系统将自动发出警告。
https://www.doczj.com/doc/f917320890.html,/u2/80678/showart_1931389.html 一、课题背景概述 文本挖掘是一门交叉性学科,涉及数据挖掘、机器学习、模式识别、人工智能、统计学、计算机语言学、计算机网络技术、信息学等多个领域。文本挖掘就是从大量的文档中发现隐含知识和模式的一种方法和工具,它从数据挖掘发展而来,但与传统的数据挖掘又有许多不同。文本挖掘的对象是海量、异构、分布的文档(web);文档内容是人类所使用的自然语言,缺乏计算机可理解的语义。传统数据挖掘所处理的数据是结构化的,而文档(web)都是半结构或无结构的。所以,文本挖掘面临的首要问题是如何在计算机中合理地表示文本,使之既要包含足够的信息以反映文本的特征,又不至于过于复杂使学习算法无法处理。在浩如烟海的网络信息中,80%的信息是以文本的形式存放的，WEB文本挖掘是WEB内容挖掘的一种重要形式。 文本的表示及其特征项的选取是文本挖掘、信息检索的一个基本问题，它把从文本中抽取出的特征词进行量化来表示文本信息。将它们从一个无结构的原始文本转化为结构化的计算机可以识别处理的信息，即对文本进行科学的抽象，建立它的数学模型，用以描述和代替文本。使计算机能够通过对这种模型的计算和操作来实现对文本的识别。由于文本是非结构化的数据,要想从大量的文本中挖掘有用的信息就必须首先将文本转化为可处理的结构化形式。目前人们通常采用向量空间模型来描述文本向量,但是如果直接用分词算法和词频统计方法得到的特征项来表示文本向量中的各个维,那么这个向量的维度将是非常的大。这种未经处理的文本矢量不仅给后续工作带来巨大的计算开销,使整个处理过程的效率非常低下,而且会损害分类、聚类算法的精确性,从而使所得到的结果很难令人满意。因此,必须对文本向量做进一步净化处理,在保证原文含义的基础上,找出对文本特征类别最具代表性的文本特征。为了解决这个问题,最有效的办法就是通过特征选择来降维。 目前有关文本表示的研究主要集中于文本表示模型的选择和特征词选择算法的选取上。用于表示文本的基本单位通常称为文本的特征或特征项。特征项必须具备一定的特性:1)特征项要能够确实标识文本内容;2)特征项具有将目标文本与其他文本相区分的能力;3)特征项的个数不能太多;4)特征项分离要比较容易实现。在中文文本中可以采用字、词或短语作为表示文本的特征项。相比较而言，词比字具有更强的表达能力，而词和短语相比，词的切分难度比短语的切分难度小得多。因此，目前大多数中文文本分类系统都采用词作为特征项，称作特征词。这些特征词作为文档的中间表示形式，用来实现文档与文档、文档与用户目标之间的相似度计算。如果把所有的词都作为特征项，那么特征向量的维数将过于巨大，从而导致计算量太大，在这样的情况下，要完成文本分类几乎是不可能的。特征抽取的主要功能是在不损伤文本核心信息的情况下尽量减少要处理的单词数，以此来降低向量空间维数，从而简化计算，提高文本处理的速度和效率。文本特征选择对文本内容的过滤和分类、聚类处理、自动摘要以及用户兴趣模式发现、知识发现等有关方面的研究都有非常重要的影响。通常根据某个特征评估函数计算各个特征的评分值，然后按评分值对这些特征进行排序，选取若干个评分值最高的作为特征词，这就是特征抽取(Feature Selection)。
平时常见的微机故障现象中,有很多并不是真正的硬件故障,而是由于某些设置或系统特性不为人知而造成的假故障现象。认识下面的微机假故障现象有利于快速地确认故障原因，避免不必要的故障检索工作。 1、电源插座、开关很多外围设备都是独立供电的，运行微机时只打开计算机主机电源是不够的。例如：显示器电源开关未打开，会造成“黑屏”和“死机”的假象；外置式MODEM电源开关未打开或电源插头未插好则不能拨号、上网、传送文件，甚至连MODEM都不能被识别。打印机、扫描仪等都是独立供电设备，碰到独立供电的外设故障现象时，首先应检查设备电源是否正常、电源插头/插座是否接触良好、电源开关是否打开。 2、连线问题外设跟计算机之间是通过数据线连接的，数据线脱落、接触不良均会导致该外设工作异常。如：显示器接头松动会导致屏幕偏色、无显示等故障；又如：打印机放在计算机旁并不意味着打印机连接到了计算机上，应亲自检查各设备间的线缆连接是否正确。 3、设置问题例如：显示器无显示很可能是行频调乱、宽度被压缩，甚至只是亮度被调至最暗；音箱放不出声音也许只是音量开关被关掉；硬盘不被识别也许只是主、从盘跳线位置不对……。详细了解该外设的设置情况，并动手试一下，有助于发现一些原本以为非更换零件才能解决的问题。 4、系统新特性很多“故障”现象其实是硬件设备或操作系统的新特性。如：带节能功能的主机，在间隔一段时间无人使用计算机或无程序运行后会自动关闭显示器、硬盘的电源，在你敲一下键盘后就能恢复正常。如果你不知道这一特征，就可能会认为显示器、硬盘出了毛病。再如Windows、NC的屏幕保护程序常让人误以为病毒发作……多了解微机、外设、应用软件的新特性、多向专家请教，有助于增加知识、减少无谓的恐慌。 \[] 5、其它易疏忽的地方 CD-ROM的读盘错误也许只是你无意中将光盘正、反面放倒了；软盘不能写入也许只是写保护滑到了“只读”的位置。发生了故障，首先应先判断自身操作是否有疏忽之处，而不要盲目断言某设备出了问题。 微机故障常见的检测方法
模拟电路故障诊断 摘要 模拟电路故障技术近年来得到了迅速的发展、取得了许多可喜的成果。该文探讨了这一领域中一些重要的热门研究问题，主要包括：基于专家系、神经网络、模糊理论、小波变换等理论发展起来的模拟电路故障诊断的新理论和新方法；重点介绍了作者总结的上述各种方法的基本原理、优缺点及其发展现状；对其他一些智能方法也进行了简要介绍；最后指出了模拟电路故障诊断技术的发展趋势： 关键词：模拟电路；故障诊断；专家系统；神经网络；模糊理论；小波变换
Abstract In recent years the fault diagnosis technique of analog Circuit is developed rapidly,and has led to many new results.In this paper,firstly,some important issues in this area,including expert system,neural network,fuzzy theory,wavelet transform and their application in fault diagnosis of analog circuit,are elaborated.The emphasis is focused on summarization work by the author,such as main principle,respective advantage and disadvantage and presented development of above new thories and methods.secondly,some other intelligent methods and their applications are also described.Finally,the development trend of the fault diagnosis technology of analogy of analog Circuit is also presented. KEYWORDS:Analog circuit；Fault diagnosis;Eepert system;Neural network;Fuzzy theory;Wavelet analysis
4.2.2 特征提取方法 图像经过一系列的预处理之后，原来大小不同、分布不规则的各个字符变成了一个个大小相同、排列整齐的字符。下面接要从被分割归一处理完毕的字符中，提取最能体现这个字符特点的特征向量。将提取出训练样本中的特征向量代入BP网络之中就可以对网络进行训练，提取出待识别的样本中的特征向量代入到训练好的BP网络中，就可以对汉字进行识别。 特征向量的提取方法多种多样，可以分为基于结构特征的方法和基于像素分布特征的方法，下面给予简单介绍，并说明本文所用的方法。 （1）结构特征。结构特征充分利用了字符本身的特点，由于车牌字符通常都是较规范的印刷体，因此可以较容易地从字符图像上得到它的字符笔画信息，并可根据这些信息来判别字符。例如，汉字的笔画可以简化为4类：横、竖、左斜和右斜。根据长度不同又可分为长横、短横、长竖和短竖等。将汉字分块，并提取每一块的笔画特征，就可得到一个关于笔画的矩阵，以此作为特征来识别汉字。 （2）像素分布特征。像素分布特征的提取方法很多，常见的有水平、垂直投影的特征，微结构特征和周边特征等。水平、垂直投影的特征是计算字符图像在水平和垂直方向上像素值的多少，以此作为特征。微结构法将图像分为几个小块，统计每个小块的像素分布。周边特征则计算从边界到字符的距离。优点是排除了尺寸、方向变化带来的干扰，缺点是当字符出现笔划融合、断裂、部分缺失时不适用。 ①逐像素特征提取法 这是一种最简单的特征提取方法。它可以对图像进行逐行逐列的扫描，当遇到黑色像素时取其特征值为1，遇到白色像素时取其特征值为0，这样当扫描结束后就获得一个维数与图像中的像素点的个数相同的特征向量矩阵。 这种特征提取方法的特点就是算法简单，运算速度快，可以使BP网络很快的收敛，训练效果好，更重要的是对于数字图像这样特征较少的图像，这种方法提取的信息量最大，所以对于本系统来说，这种方法较为适用。但是它的缺点也很明显，就是适应性不强，所以本文没有选用这种方法。 ②骨架特征提取法
课程论文 步态识别 学号：12426009 班级：通信122 ：楚舒琦 目录 摘要 (3) 一、背景介绍 (4)
二、相关研究 (4) 三、主题（算法） (5) 3.1基于线图模型的动态特征提取 (6) 3.2基于整体的静态特征提取 (8) 3.3识别 (9) 四、实验 (9) 五、结果讨论 (12) 六、总结 (12) 七、应用前景 (13) 八、技术难点及解决途径 (14) 8.1技术难点 (14) 8.2解决途径 (15) 九、参考文献 (16)
摘要 步态识别是一种新兴的生物特征识别技术，旨在通过人们走路的姿态进行身份识别，与其他的生物识别技术相比，步态识别具有非接触远距离和不容易伪装的优点。在智能视频监控领域，比面像识别更具优势。对步态识别的优缺点以及步态识别所涉及到的运动分割、特征提取与选择、模式识别算法进行了综述,并对步态识别中存在的问题与未来的研究方向进行了讨论。 关键词:生物特征识别;步态识别;特征提取;运动分割;动态时间规正
一、背景介绍 步态是指人们行走时的方式，这是一种复杂的行为特征。罪犯或许会给自己化装，不让自己身上的哪怕一根毛发掉在作案现场，但有样东西他们是很难控制的，这就是走路的姿势。英国南安普敦大学电子与计算机系的马克·尼克松教授的研究显示，人人都有截然不同的走路姿势，因为人们在肌肉的力量、肌腱和骨骼长度、骨骼密度、视觉的灵敏程度、协调能力、经历、体重、重心、肌肉或骨骼受损的程度、生理条件以及个人走路的"风格"上都存在细微差异。对一个人来说，要伪装走路姿势非常困难，不管罪犯是否带着面具自然地走向银行出纳员还是从犯罪现场逃跑，他们的步态就可以让他们露出马脚。 人类自身很善于进行步态识别，在一定距离之外都有经验能够根据人的步态辨别出熟悉的人。步态识别的输入是一段行走的视频图像序列，因此其数据采集与面像识别类似，具有非侵犯性和可接受性。但是，由于序列图像的数据量较大，因此步态识别的计算复杂性比较高，处理起来也比较困难。尽管生物力学中对于步态进行了大量的研究工作，基于步态的身份鉴别的研究工作却是刚刚开始。步态识别主要提取的特征是人体每个关节的运动。到目前为止，还没有商业化的基于步态的身份鉴别系统。 二、相关研究 信息融合：感知融合是人类感知外部世界的本能之一。人类可以非常自然地运用这一能力把来自人体各个感知器官眼耳鼻四肢的信息图像声音气味触觉组合起来并使用先验知识去估计理解和识别周围的环境以及正在发生的事情。融合理论正是对人类这一本能的模仿旨在利用计算机技术对按时序获得的多源观测信息在一定准则下加以自动分析综合以完成所需的决策和估计任务而进行的信息处理过程。 信息融合的基本原理就像人脑综合处理信息一样充分利用多源信息通过对这些多源的观测信息的合理支配和使用把多源信息在空间或时间上的冗余或互补依据某种准则来进行组合以获得被测对象的一致性解释或描述。按照信息抽象的个层次可将信息融合分为3级（像素级融合特征级融合和决策级融合）。 像素级融合是在采集到的原始数据上进行的融合是原始测报未经预处理之前就进行的综合和分析是最低层次的融合。
万方数据
万方数据
谢涛，何怡刚，姚建刚，等：ｖＢ调用Ｍａｄａｂ的模拟电路故障诊断神经网络方法 ２０１０，４６（１０）２１５ ｌｏｏＰｅｒｆｏ珊诅ｎ∞ｉｓ ｏ．００９９９９７．Ｇｏ丑ｌｉＢＯ．０ｌ 、． （２）ｖＢ调用Ｍａｔｌａｂ方法 这里采用ｖＢ调用Ｍａｔｌａｂ的ＡｃｔｉｖｅＸ自动化技术。在ｖＢ６．０中建立—个工程，在窗体中添加６个标签控件、５个文本框控件以及两个命令按钮控件，５个文本框控件分别对应神经网络输入层、隐层、输出层神经元个数、动量因子、学习速率，两个命令按钮的Ｃ印ｔｉｏｎ属性为“开始诊断”和“取消”，诊断系统主要程序代码如下： ＰｒｉｖａｔｅＳｕｂ Ｃ删ｄ１＿ｃｌｉｃｋ（） Ｄｉｍ叫ｌｄａｂ灿Ｏｂｊｅｃｔ ＳｅＩ眦ｔｌａｂ＝ＣｒｅａｔｅＯｂｊｅｃｔ（“ｍ日ｔ】８ｂｇｐｐｌｉｃ８ｔｉ仰”） Ｄｉｍ ｓ打Ａｓ晰Ｉｌｇ Ｄｉｍ嘟ｕｈ鼬Ｓ试ｌｌｇ 舡酣“ｐ”＋“ｔ” ｈ＝【０ｌ；Ｏ１；Ｏ１；０ｌ０ｌ】 ８ｈ＝ｓｈ牛“ｔｒ” ８ｔｒ＝ｓｔｒ＋ｆ．ｍｔ＿ｎ州圩（ｔｒ，【５，１８，２２】，｛‘ｔａＩ坞ｉｇ’，‘ｔ姐ｓｉｇ’，‘ｐＩ｜ｒｅｌｉｎ’｝， ‘面妯’） ｓｈ＝ｓ叶”ｎｅｔ．ｎ证ｎＰａｆａｍ．ｅｐ伽ｈ＝３００００，ｎｅｔ．ｔｍｉＩＩＰ嬲珊．酬＝０．０１，ｎｅｔ．ｈ面ｎＰａ姗．Ｌ卸．０８，舱ｔ．ｔｒａｊＩｌｆ‰ｍｃ＝Ｏ．６，ｎｅｔ＝ｔｒａｉｎ（ｎｅｔ，ｐ，ｔ）” 瑚ＩＩｌｔ：田ｂｊＭａｎａｂ．涨ｕｔｅ（ｇ廿） ＥｎｄＳｕｂ 代码中，“ｐ”和“ｔ”分别为神经网络的输入和输出。诊断运行结 果如图３所示，诊断结果和单独用神经网络来诊断是一致的。 图３ｖＢ调用Ｍ丑ｔ１８ｂ诊断模拟电路结果 ５结论 使用ＶＢ编写主界面，调用Ｍａｄａｂ来对模拟电路进行故障 诊断，可以将Ｍａｄａｂ强大的数值计算功能和ｖＢ在图形用户界面开发方面的优势相结合，相互取长补短，从而可以缩短程序的开发周期，减少编程工作量。利用ＶＢ调用ＭａⅡａｂ来对ｃ，ＩｓＶ滤波器进行故障诊断，结果和单独用神经网络来诊断是一致 的，可对模拟电路故障诊断软件的开发起一定的指导和借鉴 作用。 参考文献： 【ｌ】梁新成，黄志刚，朱慧．ＶＢ与Ｍａｄａｂ混合编程的研究哪．北京工商大 学学报，２００７，２５（１）：３８－４１． ［２】卢秋蓝．ＶＢ与Ｍａｌｌａｂ混合编程的研究叨．计算机仿真，２００３，２０（１２）： １１５—１１７． 【３】戴葵．神经网络设计【Ｍ】．北京：机械工业出版社，２００２：２０３—２３３．【４】金瑜，刘红．基于小波神经网络的模拟电路故障诊断叨．仪器仪表学 报。２００７，２８（９）：１６００—１６０３． （上接１９２页） ５总结 就高压输电线除冰机器人工作环境的复杂性以及工作任 务的特殊性考虑，结合考虑了机器人运动学和动力学问题，对机器人的数学建模。并根据建立的模型，运用基于粒子群优化 控制参数的ＰＩＤ控制器，对除冰机器人进行运动控制。最后针对除冰机器人在斜坡上爬行的情况，进行了实验仿真，结果验 证了所设计模型和运动控制方法的可行性。参考文献： 【ｌ】‰ｉｄａ Ｋ，Ｕ眦ｔ跚ｉ Ｙ．Ｃｏｎｈｄ０ｆ叩∞ｅ ｆ；∞ｎｙｉｎｇ幽ｔ【Ｃ】，，Ｐｒ∞ ＩＥＥＥＣｏＩｌｆＤｅｃｉ８ Ｃ傩ｎＤｌ。１９９０。９０：９７—１０２． 【２】Ｍｕｋｈｅｉｊｅｅ Ｒ，Ｎａｋ姗啪Ｙ．Ｆ伽训ａｔｉ帆柚ｄ ｅ珏ｉｃｉ咖姗ｐｌｌｔ８ｔｉ佃０ｆ ｉｎｖ．≥ｒｓｅ ｄ”ａⅡｄｃ８ｏｆ ８ｐａｃｅｒｏｂｏｔ８ｆＪ】．ＩＥＥＥ Ｔｈｌｎ柚ｃｔｉ咖仰Ｒｏ】）ａＩｉｃＢ 明ｄＡｕｔｏ础越ｏｎ。１９９２，８（３）：４００—４０６．【３１ＹａｎＩａｄａＫ，’Ｉ’ｓｕｃｈｉｙａＫ．陆ｃｉｅｎｔｃ唧ｕｔａｔｉｏｎ ｌｄｇｏｆｉｔｈｍ ｆｂｒ啪ｉｐｕ— ｌａｔｏｒｃｏ曲ｄ０ｆａ叩ａｃｅ ｒｏｂｏｔ【Ｊ】．Ｓ∞Ｉｌｌｓ咖ｔ ＣｏｎｔｒＥＩｌｇ ７Ｉｈｍ， １９９０．２６（７）：７６５—７７２． 【４】ＹｂｓＩＩｉｄａＫ．Ｅｘｐｅｆｉｒ唧ｔａｌ咖ｄｙ加ｔｈｅｄｙＩｌ锄ｉｃｓａｎｄ咖ｈｄ０ｆ８ 印∞ｅｍｌ雠ｗｉｔＩＩｅｘｐｅｒｉⅡ掂ｎｔａｌｈ神一ｎｏ撕ｎｇｍｂｏｔ姐ｔｅｌｌｉｔｅ（ＥＥ０一 Ｆ０砌弓）ｓｉ眦ｌ蝴【Ｊ】．Ａｄｖ舳ｃｅｄ Ｒｏｂｏｔｉｃ８，１９９５，９（６）：５８３—６０２． 【５】ＶａｆａＺ，ＤｕｂｏｗｓｋｙＳ．强ｅｌ【ｉｎｅｍａｔｉｃｓ舳ｄ ｄｙｌｌ锄ｉｃ８ ０ｆ ８ｐ∞ｅ ｍ— ｎｉｐｕｌ曲舯：１ｋ ｖｉｍｌａｌ咄Ｉｌｌｉｐｕｌａｔｏｒ印呻ｃｈ叫１ｌｅＩⅡｔｅｍａｔｉ叫ａｌＪ叶 ｎａｌ０ｆＲＤｂｏｔｉｃ８ Ｒｅ鸵ａｒｃｈ．１９９０，９（４）：３—２１． １６】Ｐ印ａｄｏｐｏＩＩｌ∞Ｅ，Ｄ岫Ｂｋｙ Ｓ．Ｏｎ出ｅ ｎａｔｌｌｒｅ ｏｆ ｃ蚰ｔｆ０＿Ｉａｌ学Ｄｒｉｔｌ枷皓 ｆｏｒ ｈ训ｏａｔｉｎｇ８ｐａｃｅ姗ｉｐＩｌＩａｔ０椰ＥＥＴｒ蛐Ｒ幽ｄ∞Ａｕｔ鲫砒， １９９１。７（５）：７５０一７５８． ｍ ＳａｈａＳＫ．Ａ ｕｎｉｆｉｅｄ ａｐｐｍａｃｈ ｔｏ ｓｐ∞ｅ ｍｌ埘ｋｉｎｅ眦ｔｉｃｓ叨．ＩＥＥＥ Ｔｒ姐ｓ舵ｔｉｏｍｏｎ Ｒｏｂｏｔｉｃ８锄ｄＡｕｔｏｍａｔｉ锄。１９９６，１２（３）：４０１－４０５． 【８】张运楚，梁自泽，谭民．架空电力线路巡线机器人的研究综述叨．机 器人，２００４，２６（５）：４６７－４７３．【９】朱兴龙，王洪光，房立金，等．输电线巡检机器人行走动力特性与位 姿分析叨．机械工程学报，２００６，４２（１２）：１４３一１５０． 【ｌＯ】郭琦，洪炳蓉，吴葳．双臂六自由度空问机器人广义雅可比矩阵的 推导【Ｊ１．电子学报，２００５，２（２）：３２２—３２６． 【ｌｌ】周风余，李贻斌．高压输电线路自动巡线机器人机构设计及在约束 条件下的逆运动学分析ｍ．中国机械工程，２００６，１７（１）：４＿９． 【ｌ２】ＳｉｌｖａＧＪ，ＤａｔｔａＡ，Ｂｈａｔｔ∞ｌｌａｒｙｙａＳＰ．Ｎ州瑚ｕｈ８∞ｍｅｇｙｎｔｌｌＰ ｓｉ８ ０ｆＰＩＤ ｃ帆ｔｆ０（’ｕｅ瑁【Ｊ】．ＩＥＥＥ ｎ雌ａｃｔｉｏ璐彻Ａｕｔ吣ｔｉｃ Ｃ吼一 ｔｍｌ，２００２，４７（２）：２４１—２５２． 【１３】刘金琨．机器人控制系统的设计与仿真【碉．北京：清华大学出版 社。２０【）８一０６．【１４】Ｅｂｅ血Ⅱｔ Ｒ Ｃ，‰硼ｅｄｙ Ｊ．Ａ ｎ溯０ｐｔｉＩｎｉ烈ｕ８ｉｎｇｐａＩｔｉｃｌｅ ｓ舢 ｔｌＩ∞ｒｙＩｑ伊ｒｏｃｅｅｄｊｎ铲ｏｆｔｈｅ ＳｉｘｔＩｌＩｎｔｅｍａｔｉｏｎ８ｌＳｙｍｐｏｓｉ岫帆Ｍｉ— ｃ∞ Ｍ∞ｈｉ∞ 髓ｄ Ｈｕ啪Ｓｃｉｅ懈．Ｎｅｗ Ｙｏｒｋ，ＮＹ，ＵＳＡ：ＩＥＥＥ， １９９５：３９—４３． 【１５】梁玉丹．周国策—种基于Ｐｓｏ干ｍ算法的分稚式机器人实时控制叽． 电气传动，２００６，３６（１１）． 富●１ 。 万方数据
小型微型计算机系统ＪｏｕｒｎａｌｏｆＣｈｉｎｅｓｅＣｏｍｐｕｔｅｒＳｙｓｔｅｍｓ２００９年１０月第１０期Ｖ０１．３０Ｎｏ．１０２００９ 肺结节检测中特征提取方法研究 何中市１，梁琰１，黄学全２，王健２ １（重庆大学计算机学院，重庆４０００４４） ２（第三军医大学西南医院放射科，重庆４０００３８） Ｅ—ｍａｉｌ：ｚｓｈｅ＠ｃｑｕ．ｅｄｕ．ｃａ 摘要：计算机辅助诊断（Ｃｏｍｐｕｔｅｒ—ＡｉｄｅｄＤｉａｇｎｏｓｉｓ，ＣＡＤ）系统为肺癌的早期检测和诊断提供了有力的支持．本文对孤立性肺结节特征提取问题进行研究．通过对肺结节和肺内各组织在序列ＣＴ图像上的医学征象分析和研究对比，结合专家提供的知识，提出了肺结节特征提取总体方案．该方案分别从肺部ＣＴ图像的灰度特征、肺结节形态、纹理、空间上下文特征等几个方面，对关键的医学征象进行图像分析，从而实现对ＲＯＩ（ＲｅｇｉｏｎｓｏｆＩｎｔｅｒｅｓｔ）区域的特征提取和量化；提出特征提取的评价方案，实验结果表明，本文提取的特征提取方案是有效的．利用本文提取的特征，肺结节检测正确率达到９３．０５％，敏感率为９４．５３％． 关键词：孤立性；肺结节；特征提取；ＣＴ图像；特征评价 中图分类号：ＴＰ３９１文献标识码：Ａ文章编号：１０００—１２２０（２００９）１０—２０７３－０５ ＲｅｓｅａｒｃｈｏｎｔｈｅＦｅａｔｕｒｅＥｘｔｒａｃｔｉｏｎＡｐｐｒｏａｃｈｆｏｒＳＰＮｓＤｅｔｅｃｔｉｏｎ 腼Ｚｈｏｎｇ—ｓｈｉｌ，ＬＩＡＮＧＹａｎｌ，ＨＵＡＮＧＸｕｅ—ｑｕａｎ２，ＷＡＮＧＪｉａｎ２ １（ＣｏｌｌｅｇｅｏｆＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅ，ｃ‰增幻增Ｕｎｉｖｅｒｓ毋，Ｃｈｏｎｇｑｉｎｇ４０００４４，Ｃｈｉｎａ） ２（ＤｅｐａｒｔｍｅｎｔｏｆＲａｄｉｏｌｏｇｙ，Ｓｏｕｔｈｗｅｓｔ丑却池ｚ，ＴｈｉｒｄＭｉｌｉｔａｒｙＭｅｄｗａｌＵｎｉｖｅｒｓｉｔｙｏｆＣｈｉｎｅｓｅＰＬ４，Ｃｈｏｎｇｑｉｎｇ４０００３８，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｉｍａｇｅｐｒｏｃｅｓｓｉｎｇｔｅｃｈｎｉｑｕｅｓｈａｖｅｐｒｏｖｅｄｔｏｂｅｅｆｆｅｃｔｉｖｅｆｏｒｉｍｐｒｏｖｅｍｅｎｔｏｆｒａｄｉｏｌｏｇｉｓｔｓ７ｄｉａｇｎｏｓｉｓｏｆｐｕｂｍｏｎａｒｙｎｏｄｕｌｅｓ．Ｉｎｔｈｉｓｐａｐｅｒ，ｗｅｐｒｅｓｅｎｔａｓｔｒａｔｅｇｙｂａｓｅｄｏｎｆｅａｔｕｒｅｅｘｔｒａｃｔｉｏｎｔｅｃｈｎｉｑｕｅａｉｍｅｄａｔＳｏｌｉｔａｒｙＰｕｌｍｏｎａｒｙＮｏｄｕｌｅｓ（ＳＰＮ）ｄｅｔｅｃｔｉｏｎ．Ｉｎｆｅａｔｕｒｅｅｘｔｒａｃｔｉｏｎｓｃｈｅｍｅ，３６ｆｅａｔｕｒｅｓｗｅｒｅｏｂｔａｉｎｅｄ，ｃｏｎｔａｉｎｅｄ３ｇｒｅｙｌｅｖｅｌｆｅａｔｕｒｅｓ，１６ｍｏｒｐｈｏｌｏｇｉｃａｌｆｅａｔｕｒｅｓ，１０ｔｅｘｔｕｒｅｆｅａｔｕｒｅｓａｎｄ７ｓｐａｔｉａｌｃｏｎｔｅｘｔｆｅａｔｕｒｅｓ．Ａｎｄｔｈｅｃｌａｓｓｉｆｉｅｒ（ＳＶＭ）ｒｕｎｎｉｎｇｗｉｔｈｔｈｅｅｘｔｒａｃｔｅｄｆｅａｔｕｒｅｓａｃｈｉｅｖｅｓｃｏｍｐａｒａｔｉｖｅｒｅｓｕｌｔｓ，ｗｉｔｈａｒｅ－ｓｕｉｔｏｆ９３．０５％ｉｎｎｏｄｕｌｅｄｅｔｅｃｔｉｏｎａｃｃｕｒａｃｙａｎｄ９４．５３％ｉｎｓｅｎｓｉｔｉｖｉｔｙ． Ｋｅｙｗｏｒｄｓ：ｉｓｏｌａｔｅｄ；ｓｏｌｉｔａｒｙｐｕｌｍｏｎａｒｙｎｏｄｕｌｅｓ；ｆｅａｔｕｒｅｅｘｔｒａｃｔｉｏｎ；ＣＴｉｍａｇｅｓ；ｆｅａｔｕｒｅａｓｓｅｓｓｍｅｎｔ １引言 近几年，随着影像检查技术的改进，临床结果初步证明ＣＴ扫描是检测早期无症状肺癌最有效的影像学方法。１Ｊ．肺部疾病在ＣＴ影像上通常表现为孤立性肺结节（ＳｏｌｉｔａｒｙＰｕｌ—ｍｏｎａｒｙＮｏｄｕｌｅｓ，ＳＰＮｓ），因此，对孤立性肺结节的检测和识别是对肺部疾病诊断最重要的途径．计算机辅助诊断系统一方面，大大减轻了医生的工作量，提高了工作效率；另一方面，使影像诊断更加客观化，提高诊断的效率和正确效率．因此，用计算机进行肺结节辅助诊断，提取肺结节特征，检测肺结节，是具有十分重要的意义和研究价值的． 在孤立性肺结节自动识别中，肺结节的特征提取及表示是其关键问题之一，它是进行识别的重要手段．关于肺结节检测方法有很多。２…，但对肺结节医学征象描述并不充分．目前一般常用面积、周长等形态方面进行肺结节特征提取．对肺结节的形态、全局、局部上下文特征以及病理征象的分析不足，使得特征提取描述不到位，影响识别准备率．同时也欠缺对识别结果的解释．正因为对提取的特征与肺结节医学征象问的对应关系分析不足，无法对识别结果进行医学知识上的解释， 特征提取特征评价 懂歪母 Ｉ里斗１显查鲎堑卜＿倒１Ｊ躺ｌ 帽霭瓣｜｜描述程度ｌ １絮嚣卜 ｌＪｓ、，Ｍ识 －－｜别性能 图１ＳＰＮｓ诊断框架图 Ｆｉｇ．１ＯｖｅｒｖｉｅｗｏｆＳＰＮｓｄｅｔｅｃｔｉｏｎ 而只有”是”或”否”的识别结果，无法给医生提供更多的信息．本文围绕以上几个问题，意在提供全面的、系统的量化信息，便于医学专家诊断的客观化、效率化．本文对孤立性肺结节特征提取问题进行研究．通过对肺结节和肺内各组织在序列ＣＴ图像上的医学征象分析和研究对比，提出了肺结节特征提取总体方案．该方案分别从肺部ＣＴ图像的灰度特征、形 收稿日期：２００８－０８－３０基金项目：重庆市重大科技专项项目（ＣＳＴＣ，２００８ＡＢ５０３８）资助；重庆市自然科学基金项目（ＣＳＴＣ，２００７ＢＢ２１３４））资助．作者简介：何中市，男，１９６５年生，博士，教授，研究方向为人工智能、机器学习与数据挖掘等；梁琰，女，１９８２年生，博士研究生，图像处理、模式识别；黄学金，男，１９６６年生，博士，副教授，研究方向为影像诊断和介入放射学；王健，男，１９６４年生，博士，教授，研究方向为影像诊断和介入放射学．
故障特征提取的方法研究(1) 摘要：针对常规特征提取方法存在 着问题不足，提出了基于BP神经网络和基于互信息熵的特征提取方法，并通过特征提取实例加以说明。结果表明这两种方法是可行和有效的。 关键词：特征提取故障诊断神经网络互信息熵 随着科学技术的发展，现代设备的结构日趋复杂，其故障类型越来越多，反映故障的状态、特征也相应增加。在实际故障诊断过程中，为了使诊断准确可靠，总要采集尽可能多的样本，以获得足够的故障信息。但样本太多，会占用大量的存储空间和计算时间，太多的特征输入也会引起训练过程耗时费工，甚至妨碍训练网络的收敛，最终影响分类精度。因此要从样本中提取对诊断故障贡献大的有用信息。这一工作就是特征提取。 特征提取就是利用已有特征参数构造一个较低维数的特征空间，将原始特征中蕴含的有用信息映射到少数几个特征上，忽略多余的不相干信息。从数学意义上讲，就是对一个n维向量X＝[x1，x2，…，xn]T进行降维，变换为低维向量Y＝[y1，y2，…，ym]T，m 第27卷第11期·1060· 电子测量与仪器学报 JOUＲNAL OF ELECTＲONIC MEASUＲEMENT AND INSTＲUMENT Vol .27No .11 2013年11月 收稿日期：2013-05Ｒeceived Date ：2013-05*基金项目：国家自然科学基金（61201031，61171079）资助项目 DOI ：10．3724/SP．J．1187．2013．01060 模拟电路统一软故障诊断的研究 * 胡 梅 1 胡列峰 2 明德祥 1 （1．国防科学技术大学机电工程与自动化学院长沙410073；2．湖南出入境检验检疫局长沙410004） 摘 要：在模拟电路故障诊断的诸多方法中，模拟电路统一软故障诊断方法成为新的研究热点。从模拟电路统一软故障诊 断方法的提出， 到模拟电路统一软故障诊断方法的改进，将其与基于多种方法融合的模拟电路软故障诊断方法做了比较。最后重点分析了模拟电路统一软故障诊断的研究现状和存在的不足，基于实用化的角度，从统一的模拟电路故障诊断的功 能模块划分原则和方法、通用的模拟电路故障可诊断性分析方法、通用的模拟电路模块化分级诊断软故障诊断方法、统一的诊断效果评估指标4个方面指出了模拟电路统一软故障诊断的发展趋势。关键词：模拟电路；统一软故障诊断；SBT ；SAT ；可诊断性分析中图分类号：TN431．1 文献标识码：A 国家标准学科分类代码：510 Study on unified soft fault diagnosis of analog circuits Hu Mei 1 Hu Liefeng 2 Ming Dexiang 1 （1．College of Mechatronics Engineering and Automation ，National University of Defense Technology ，Changsha ， 410073，China 2．Hunan Entry-exit Inspection and Quarantine Bureau ，Changsha ，410004，China ） Abstract ：Among the methods of fault diagnosis of analog circuit ， the unified soft fault diagnosis method has become a new hotspot．Firstly ，this paper introduces the provenance of unified soft fault diagnosis method of analog circuit ，and the improved measures of the proposed unified soft fault diagnosis method are analyzed．Then ，the soft fault di-agnosis methods based on the fusion of some different methods are compared with the unified method．Finally ，the research status and the existing problems of the unified soft fault diagnosis method are analyzed particularly．Based on the practical perspective ，we point out the research direction of the unified soft fault diagnosis according to four different aspects ：the principle and method of function module division of the unified soft fault diagnosis ，the univer-sal fault detectable analysis method of diagnostic analog circuit ，the universal strategy of module classification diag-nosing for analog soft fault ，the unified diagnostic evaluation index ，and finally discuss the issues remain to be re-solved． Keywords ：analog circuit ；unified soft fault diagnosis ；SBT ；SAT ；analysis of fault detectable 1引言 虽然电子仪器系统越来越趋于“大数字，小模拟”结构，即数字电路所占的比例越来越大，但是终究无法完全取代模拟电路，所以其中大部分电路 是模拟和数字混合电路 ［1-2］ 。电路的测试和故障诊断是制约电子仪器发挥效能的主要因素之一，随着电子仪器中数模混合电路的应用越来越广泛，对电 路故障诊断提出了更为严格的要求［3］ 。据统计，在 电子仪器数模混合电路中， 模拟部分故障发生的概率远高于数字部分， 模拟部分的可靠性决定了整个混合电路系统的可靠性，所以模拟部分的故障诊断 需求更为迫切 ［4-6］ 。自20世纪70年代以来，学者们致力于模拟电路故障诊断的研究，传统的基于电路本身的模拟电路故障诊断方法有参数识别法、故障验证法和故障 图像特征提取方法 摘要 特征提取是计算机视觉和图像处理中的一个概念。它指的是使用计算机提取图像信息，决定每个图像的点是否属于一个图像特征。特征提取的结果是把图像上的点分为不同的子集，这些子集往往属于孤立的点、连续的曲线或者连续的区域。 至今为止特征没有万能和精确的图像特征定义。特征的精确定义往往由问题或者应用类型决定。特征是一个数字图像中“有趣”的部分，它是许多计算机图像分析算法的起点。因此一个算法是否成功往往由它使用和定义的特征决定。因此特征提取最重要的一个特性是“可重复性”：同一场景的不同图像所提取的特征应该是相同的。 特征提取是图象处理中的一个初级运算，也就是说它是对一个图像进行的第一个运算处理。它检查每个像素来确定该像素是否代表一个特征。假如它是一个更大的算法的一部分，那么这个算法一般只检查图像的特征区域。作为特征提取的一个前提运算，输入图像一般通过高斯模糊核在尺度空间中被平滑。此后通过局部导数运算来计算图像的一个或多个特征。 常用的图像特征有颜色特征、纹理特征、形状特征、空间关系特征。当光差图像时，常 常看到的是连续的纹理与灰度级相似的区域，他们相结合形成物体。但如果物体的尺寸很小 或者对比度不高，通常要采用较高的分辨率观察：如果物体的尺寸很大或对比度很强，只需 要降低分辨率。如果物体尺寸有大有小，或对比有强有弱的情况下同事存在，这时提取图像 的特征对进行图像研究有优势。 常用的特征提取方法有：Fourier变换法、窗口Fourier变换（Gabor)、小波变换法、最 小二乘法、边界方向直方图法、基于Tamura纹理特征的纹理特征提取等。 设计内容 课程设计的内容与要求（包括原始数据、技术参数、条件、设计要求等）：一、课程设计的内容 本设计采用边界方向直方图法、基于PCA的图像数据特征提取、基于Tamura纹理特征的纹理特征提取、颜色直方图提取颜色特征等等四种方法设计。 （1）边界方向直方图法 由于单一特征不足以准确地描述图像特征,提出了一种结合颜色特征和边界方向特征的图像检索方法.针对传统颜色直方图中图像对所有像素具有相同重要性的问题进行了改进,提出了像素加权的改进颜色直方图方法;然后采用非分割图像的边界方向直方图方法提取图像的形状特征,该方法相对分割方法具有简单、有效等特点,并对图像的缩放、旋转以及视角具有不变性.为进一步提高图像检索的质量引入相关反馈机制,动态调整两幅图像相似度中颜色特征和方向特征的权值系数,并给出了相应的权值调整算法.实验结果表明,上述方法明显地优于其它方法.小波理论和几个其他课题相关。所有小波变换可以视为时域频域的形式，所以和调和分析相关。所有实际有用的离散小波变换使用包含有限脉冲响应滤波器的滤波器段(filterbank)。构成CWT的小波受海森堡的测不准原理制约，或者说，离散小波基可以在测不准原理的其他形式的上下文中考虑。 通过边缘检测，把图像分为边缘区域和非边缘区域，然后在边缘区域内进行边缘定位．根据局部区域内边缘的直线特性，求得小邻域内直线段的高精度位置；再根据边缘区域内边缘的全局直线特性，用线段的中点来拟合整个直线边缘，得到亚像素精度的图像边缘．在拟合的过程中，根据直线段转角的变化剔除了噪声点，提高了定位精度．并且，根据角度和距离区分出不同直线和它们的交点，给出了图像精确的矢量化结果 图像的边界是指其周围像素灰度有阶跃变化或屋顶变化的那些像素的集合，边界广泛的存在于物体和背 景之间、物体和物体之间，它是图像分割所依赖的重要特征．边界方向直方图具有尺度不变性，能够比较好的 描述图像的大体形状．边界直方图一般是通过边界算子提取边界，得到边界信息后，需要表征这些图像的边 界，对于每一个边界点，根据图像中该点的梯度方向计算出该边界点处法向量的方向角，将空间量化为M级， 计算每个边界点处法向量的方向角落在M级中的频率，这样便得到了边界方向直方图． 图像中像素的梯度向量可以表示为[ ( ，)，)，( ，)，)] ，其中Gx( ，)，)，G ( ，)，)可以用下面的 摘要 摘要内容 伴随着我国电网规模的日益加大,各类变电设备的运作状态是促使其安全高效运行的最为主要的因素之一。对于各类变电设备的在线状态监测系统的推广越来越发普及。研究基于图像特征的电力设备自动故障识别具有重要意义。 本文对各类主要电力设备，研究各类变电设备故障识别分类及相应故障的图像特征，以及基于红外与紫外图像特征的故障识别方法。对于紫外放电成像技术图像的处理与特征提取，本文从紫外成像技术的基本原理出发，在讲解紫外放电图片特性的基础上，对紫外放电图像使用灰度化预处理，以及应用中值滤波等方法对图像进行降噪。并通过canny算子边缘检测计算紫外光斑面积判断是否发生放电故障。针对红外故障图像，本文在红外成像原理的基础上，对红外图像进行超像素分割及HSV空间颜色提取，对应用卷积神经网络对红外故障图像故障区域检测进行理论上的研究。 关键词：红外成像紫外成像图像处理 ABSTRACT With the increasing scale of China's power grid, the operation of various types of substation equipment is one of the most important factors to promote the safe and efficient operation. The popularization of the on-line condition monitoring system for all kinds of transformer equipment is becoming more and more popular. Research on image feature based automatic fault recognition of power equipment is of great significance. In this paper, various types of main power equipment, the study of various types of substation equipment fault identification and classification of image features, as well as infrared and ultraviolet image features based on fault identification method. For ultraviolet discharge imaging technique to image processing and feature extraction, this paper from the basic principle of UV imaging technology of on the explanation of the ultraviolet discharge picture characteristics based and discharge on the UV image using grayscale preprocessing and application of median filtering method of image in noise reduction. And through the Canny operator edge detection to determine whether the area of the UV spot to determine whether the discharge fault. Aiming at the模拟电路统一软故障诊断的研究
图像特征提取方法
主要电力设备故障图像特征及识别方法研究改
相关主题
文本预览