检索结果-内蒙古大学图书馆

自动化学报 2018年第4期44卷 743-750页

作者：杜义浩邱石谢平郭子晖吴晓光李小俚燕山大学电气工程学院河北省测试计量技术及仪器重点实验室秦皇岛066004

针对康复机器人运动过程中的人机交互性问题,提出一种下肢康复机器人自适应人机交互控制策略.提取伸屈运动中下肢表面肌电信号(Surface electromyography,sEMG)和足底压力特征,分别用于表征下肢运动意图和人机交互力(Interaction force,... 详细信息

针对康复机器人运动过程中的人机交互性问题,提出一种下肢康复机器人自适应人机交互控制策略.提取伸屈运动中下肢表面肌电信号(Surface electromyography,sEMG)和足底压力特征,分别用于表征下肢运动意图和人机交互力(Interaction force,IF)信息,建立基于sEMG-IF的人机交互信息融合模型,实现下肢康复机器人运动轨迹的在线规划;考虑主动康复运动过程中的人机交互作用,建立具有时变动态特性的人机系统动力学模型,设计间接模糊自适应控制器对期望轨迹进行跟踪控制,实现下肢康复机器人自适应人机交互控制.通过对5名被试者进行下肢康复机器人运动控制实验研究,验证所提方法的可行性和有效性.

关键词：下肢康复机器人运动意图人机交互自适应控制

来源：评论

学校读者我要写书评

暂无评论

基于LLE与Gold-SA-SVM的海藻三维荧光光谱门类识别

引用

光学学报 2022年第4期42卷 205-212页

作者：刘喆孟辉张永彬段玮靓陈颖燕山大学电气工程学院河北省测试计量技术及仪器重点实验室河北秦皇岛066004

针对海藻三维荧光光谱线性降维方法不理想、模型识别准确率低的问题,提出通过局部线性嵌入(LLE)算法进行降维、通过黄金正弦算法(Gold-SA)对支持向量机(SVM)进行优化来构建分类模型的方法。将LLE算法降维后的海藻三维荧光光谱数据作为SV... 详细信息

针对海藻三维荧光光谱线性降维方法不理想、模型识别准确率低的问题,提出通过局部线性嵌入(LLE)算法进行降维、通过黄金正弦算法(Gold-SA)对支持向量机(SVM)进行优化来构建分类模型的方法。将LLE算法降维后的海藻三维荧光光谱数据作为SVM的输入,并与其他两种降维方法进行对比。结果显示:LLE算法的降维效果最好,识别准确率最高。为了进一步提高门类识别能力,采用Gold-SA对SVM进行优化并建立Gold-SA-SVM模型,再将其与其他4种分类模型进行对比。结果显示,Gold-SA-SVM模型在分类识别准确率、精准率、召回率和F1分数上都有明显提高,该方法可准确识别抑食金球藻、小球藻、细长聚球藻的门类,可为褐潮研究工作提供有效的参考。

关键词：光谱学三维荧光光谱褐潮局部线性嵌入支持向量机黄金正弦算法

来源：评论

学校读者我要写书评

暂无评论

荧光光谱法和PSO-BP神经网络在山梨酸钾浓度检测中的应用

引用

中国激光 2015年第5期42卷 304-310页

作者：王书涛陈东营魏蒙王兴龙王志芳王佳亮燕山大学电气工程学院河北省测试计量技术及仪器重点实验室河北秦皇岛066004

山梨酸钾是一种常用防腐剂,应用非常广泛,但食用过量会严重危害人体健康。研究了山梨酸钾在水溶液和橙汁中的荧光特性,山梨酸钾水溶液荧光特征峰为λex/λem=375 nm/485 nm,山梨酸钾和橙汁的混合溶液除了存在此荧光特征峰,还有一个侧峰... 详细信息

山梨酸钾是一种常用防腐剂,应用非常广泛,但食用过量会严重危害人体健康。研究了山梨酸钾在水溶液和橙汁中的荧光特性,山梨酸钾水溶液荧光特征峰为λex/λem=375 nm/485 nm,山梨酸钾和橙汁的混合溶液除了存在此荧光特征峰,还有一个侧峰λex/λem=470 nm/540 nm。在混合溶液中,橙汁和山梨酸钾的荧光特性相互干扰,加大了山梨酸钾浓度检测的难度。为准确测定混合溶液中山梨酸钾的浓度,采用微粒群算法优化的误差逆向传播（PSO-BP）神经网络对其进行检测。3组预测样本的平均回收率为98.97%,PSO-BP神经网络能够精确测定混合溶液中山梨酸钾的质量浓度范围为0.1~2.0 g/L。预测结果表明荧光光谱法和PSO-BP神经网络相结合的方法能有效地检测山梨酸钾在橙汁中的浓度。

关键词：光谱学荧光光谱微粒群算法优化的误差逆向传播神经网络浓度检测山梨酸钾

来源：评论

学校读者我要写书评

暂无评论

火焰图像温度场测量的灰度拟合方法研究

引用

计量学报 2009年第5期30卷 422-425页

作者：郑德忠周颖慧燕山大学河北省测试计量技术及仪器重点实验室河北秦皇岛066004 燕山大学河北省测试计量技术及仪器重点实验室河北秦皇岛066004

为了扩大工业火焰温度测量范围,提出一种基于CCD图像处理的灰度拟合方法,并通过分析灰度比曲线获取可靠性较高的灰度值,以提高温度计算的准确性.在不同燃烧炉上对该方法进行了实验研究,结果表明该方法简单有效,测温范围可扩大100℃以上... 详细信息

为了扩大工业火焰温度测量范围,提出一种基于CCD图像处理的灰度拟合方法,并通过分析灰度比曲线获取可靠性较高的灰度值,以提高温度计算的准确性.在不同燃烧炉上对该方法进行了实验研究,结果表明该方法简单有效,测温范围可扩大100℃以上,最大相对误差降低1.59%,标准差降低12.37℃.

关键词：计量学温度测量 CCD 灰度拟合灰度比曲线

来源：评论

学校读者我要写书评

暂无评论

基于变分模态分解与深度信念网络的运动想象分类识别研究

引用

计量学报 2020年第1期41卷 90-99页

作者：何群杜硕王煜文陈晓玲谢平燕山大学河北省测试计量技术与仪器重点实验室

传统人工确定最优时段及最优频段的方法会造成信息遗漏进而导致运动想象识别率的降低,因此基于脑电信号的运动想象分类研究成为了脑-机接口研究领域的难点问题。针对该问题,变分模态分解和深度信念网络被应用于运动想象分类。对脑电信... 详细信息

传统人工确定最优时段及最优频段的方法会造成信息遗漏进而导致运动想象识别率的降低,因此基于脑电信号的运动想象分类研究成为了脑-机接口研究领域的难点问题。针对该问题,变分模态分解和深度信念网络被应用于运动想象分类。对脑电信号进行变分模态分解得到窄带分量,利用希尔伯特变换提取边际谱、特征频带下的瞬时能谱以及时-频联合特征;特征融合后采用深度信念网络对高维特征降维并实现运动想象模式的识别,避免了人工确定想象最优时段及最优频段造成的信息遗漏。实验结果表明,利用变分模态分解与深度信念网络自动提取最优时段及最优频段特征的方法有效提升了运动想象识别率。

关键词：计量学脑机接口运动想象变分模态分解高维特征特征融合深度信念网络脑电信号

来源：评论

学校读者我要写书评

暂无评论

基于MEMD互近似熵及FCM聚类的轴承故障诊断方法

引用

中国机械工程 2015年第19期26卷 2613-2618页

作者：张淑清胡永涛李盼包红燕姜万录钱磊燕山大学河北省测试计量技术及仪器重点实验室秦皇岛066004

提出了一种基于掩蔽经验模式分解(MEMD)互近似熵及模糊C均值聚类(FCM)的滚动轴承故障诊断新方法。MEMD可以有效抑制经验模式分解存在的模态混叠问题;互近似熵是近似熵的改进,能更好体现信号的不规则度和复杂度。信号经掩蔽经验模式分解... 详细信息

提出了一种基于掩蔽经验模式分解(MEMD)互近似熵及模糊C均值聚类(FCM)的滚动轴承故障诊断新方法。MEMD可以有效抑制经验模式分解存在的模态混叠问题;互近似熵是近似熵的改进,能更好体现信号的不规则度和复杂度。信号经掩蔽经验模式分解后得到一组平稳的本征模函数(IMF),通过能量分析筛选出与原始信号最为相关的几个IMF分量,计算其互近似熵值以作为故障特征向量,能够直观体现设备的运行状况。故障模式识别采用的FCM算法,计算相对简单,聚类效果好。实验分析证明了该方法的优越性。

关键词：故障诊断掩蔽经验模式分解互近似熵模糊C均值聚类

来源：评论

学校读者我要写书评

暂无评论

基于LMD近似熵和FCM聚类的机械故障诊断研究

引用

仪器仪表学报 2013年第3期34卷 714-720页

作者：张淑清孙国秀李亮李新新监雄燕山大学电气工程学院河北省测试计量技术及仪器重点实验室秦皇岛066004

提出一种基于局部均值分解(local mean decomposition,LMD)近似熵和模糊C均值聚类(fuzzy C-means clustering,FCM)相结合的机械故障诊断方法。首先对机械振动信号进行LMD分解,得到若干具有物理意义的乘积函数(product function,PF)分量... 详细信息

提出一种基于局部均值分解(local mean decomposition,LMD)近似熵和模糊C均值聚类(fuzzy C-means clustering,FCM)相结合的机械故障诊断方法。首先对机械振动信号进行LMD分解,得到若干具有物理意义的乘积函数(product function,PF)分量,再通过相关性分析,筛选出与原始信号相关性最大的3个分量作为数据源,求取其近似熵作为特征向量,最后通过FCM模糊聚类对特征向量进行识别分类。实验表明,基于LMD近似熵和FCM模糊聚类相结合的方法对机械故障信号能够有效准确地进行识别分类,此外,将该方法与基于EMD近似熵和FCM结合的方法进行对比,结果表明该方法具有更好的故障识别效果。

关键词：局部均值分解模糊C均值聚类近似熵故障诊断

来源：评论

学校读者我要写书评

暂无评论

基于鱼类运动行为的水质异常评价因子研究

引用

仪器仪表学报 2015年第8期36卷 1759-1766页

作者：程淑红刘洁李雷华燕山大学电气工程学院河北省测试计量技术及仪器重点实验室秦皇岛066004

针对利用鱼类运动行为进行异常水质评价的问题,本文对如何选取具有普遍性、全面性、代表性等特点且能够反映水环境与鱼类运动特征参数之间的主要相关性的因子进行了研究。首先通过研究水质变化对红鲫鱼运动轨迹的影响,引入基于鱼类运动... 详细信息

针对利用鱼类运动行为进行异常水质评价的问题,本文对如何选取具有普遍性、全面性、代表性等特点且能够反映水环境与鱼类运动特征参数之间的主要相关性的因子进行了研究。首先通过研究水质变化对红鲫鱼运动轨迹的影响,引入基于鱼类运动轨迹的曲率、邻近特征这两个特征参数;其次分别提取正常和异常水质中红鲫鱼的速度、加速度、曲率、邻近特征4个特征参数,建立水质异常评价因子数据库;最后将不同评价因子输入支持向量机(SVM)进行分类识别,且采用ROC曲线考察鱼类运动特征参数和水质安全定性关系的准确性。实验结果表明,曲率、邻近特征作为水质评价因子明显优于速度、加速度,不但异常水质识别率达到90%以上,而且通过ROC曲线可知其建立的模型具有稳健性、普适性、高效性。

关键词：鱼类运动行为水质异常评价因子支持向量机 ROC曲线

来源：评论

学校读者我要写书评

暂无评论

基于LMD和HMM的旋转机械故障诊断

引用

中国机械工程 2014年第21期25卷 2942-2946,2951页

作者：孟宗闫晓丽王亚超燕山大学河北省测试计量技术及仪器重点实验室秦皇岛066004

提出了基于局部均值分解(LMD)和隐马尔科夫模型(HMM)的旋转机械故障诊断方法。首先,对故障信号进行局部均值分解,提取瞬时能量作为故障特征向量;然后将故障特征向量输入HMM分类器进行模式识别,输出各状态的似然概率;以最大似然概率所对... 详细信息

提出了基于局部均值分解(LMD)和隐马尔科夫模型(HMM)的旋转机械故障诊断方法。首先,对故障信号进行局部均值分解,提取瞬时能量作为故障特征向量;然后将故障特征向量输入HMM分类器进行模式识别,输出各状态的似然概率;以最大似然概率所对应的故障状态为诊断结果。通过滚动轴承点蚀故障诊断试验验证了该方法的有效性,并将其与基于EMD-HMM的故障诊断方法进行了比较。结果表明,基于LMD-HMM的故障诊断方法更适用于旋转机械的故障诊断。

关键词：故障诊断旋转机械局部均值分解隐马尔科夫模型

来源：评论

学校读者我要写书评

暂无评论

机械故障诊断中延迟向量方差及非线性滴定法的研究

引用

中国机械工程 2010年第18期21卷 2238-2243页

作者：张立国赵玉春寇红杰贾健燕山大学河北省测试计量技术及仪器重点实验室秦皇岛066004

针对故障机械系统的复杂性与非线性,给出一种基于延迟向量方差(delay vector variance,DVV)及非线性滴定的机械故障诊断方法。首先采用DVV算法对故障信号进行非线性检测,通过DVV分布图或DVV散点图定性描述故障信号的非线性强度。然后通... 详细信息

针对故障机械系统的复杂性与非线性,给出一种基于延迟向量方差(delay vector variance,DVV)及非线性滴定的机械故障诊断方法。首先采用DVV算法对故障信号进行非线性检测,通过DVV分布图或DVV散点图定性描述故障信号的非线性强度。然后通过非线性滴定法对故障信号进行滴定,以滴定均值作为故障判据,对不同故障进行定量刻画。实验及工程实例结果证明了该方法的有效性。研究结果为机械故障诊断提供了一种定性及定量分析方法。

关键词：故障诊断替代数据延迟向量方差算法非线性滴定法

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：