时频特征降维和多层次聚类相结合的轴承故障诊断新方法

从含噪信号中判断滚动轴承是否发生故障,同时确定故障发生位置和缺陷程度,针对这一轴承工作状态监测的核心问题,提出一种结合小波频带剖分、主成分分析、多层次聚类的滚动轴承故障诊断方法。首先,利用小波最优分解层数将获取的原始信号进行小波包分解得到小波能量谱;然后另取18个时域频域特征指标共同构成特征参数集,再经主成分分析处理,将参数集降到合适的维数;最后利用最佳类间距、样本间距组合和聚类有效性评价建立多层次聚类挖掘系统。实验和应用案例表明：该方法能够准确有效地诊断滚动轴承的不同故障类型和损伤程度,准确率达99.3%,可为轴承状态监测与智能故障诊断提供有效的理论参考。     

基于注意力机制的交通标志识别

针对实际场景中的交通标志大多小而密集,导致小目标交通标志识别准确度较低的问题,提出一种改进YOLOv5算法。首先将CBAM同时嵌入YOLOv5网络的Backbone和Head部分,以提升网络特征提取能力。其次为解决GIoU Loss可能造成的模型收敛速度较慢问题,改用DIoU Loss作为网络回归损失函数。实验结果表明,改进后的算法对于交通标志图像的识别平均准确率达到96.40%,相较于原算法有了6.83%的提升。最后为验证模型的实时可行性,在TX2嵌入式系统中利用本文改进YOLOv5算法对实景视频中的交通标志进行识别,结果表明本文改进算法能在嵌入式系统中流畅运行。     

基于CAN/LIN总线车身网络优化设计与CAN通信实现

综合考虑了车身网络布线、车身结构、成本因素以及后续开发工作的可扩展性,提出了一种基于CAN/LIN总线的车身网络优化设计方案.设计采用集成的Freescale的控制芯片进行了CAN通信节点、CAN/LIN网关节点(LIN主节点)和LIN从节点的硬件原理设计.最后,搭建一个CAN通信实验台,并实现了CAN通信和节点数据采集控制目的.提出的车身网络优化设计方案有效简化布线、降低设计和开发成本,并且用实验证明了其CAN通信和控制可行性.     

一种紧支集双正交小波基的构造

基于对偶尺度函数及对偶小波，提出了一种构造紧支集双正交小波基的算法，并给出严密的证明和推导过程。应用该算法，结合函数优化方法，构造出一系列包括样条小波、接近正交的双正交小波及其它具有特殊性质的双正交小波。该构造算法丰富了小波理论，可以广泛应用于信号分析、图像处理等领域。     

基于PCA-IPSO-INN的离心风机噪声预测

因离心风机噪声超限造成返厂,会影响用户体验,同时增加制造成本,故提出一种新的分析方法,旨在生产前对离心风机噪声进行智能预测。首先基于相关性分析和主成分分析法(Principal Component Analysis,PCA)对风机15 个性能和几何参数进行降维处理,然后提出一种具有非线性惯性权重的粒子群算法,并用于优化反向传播(BackPropagation,BP)神经网络的初始权值和阈值,最后寻找最佳隐层,确定BP神经网络4×8×1 的结构,从而简化网络结构,提高收敛速度和预测精度。经实验验证,该方法较其他方法预测精度更高,平均误差仅为0.76 %,且在生产企业得到很好应用,在工程实践中具有实际意义。     

基于改进GWO-SVR的锂电池SOH估计

为了提高锂电池健康状态的估计精度，提出了一种基于IGWO-SVR的锂电池SOH估计方法。针对支持向量回归(SVR)内核参数选择的问题，采用改进灰狼(IGWO)算法优化支持向量回归的内核参数；选取合适的健康特征作为输入，电池SOH作为输出，建立IGWO-SVR估计模型，实现锂电池SOH的估计。基于NASA电池数据集，对该模型进行训练及验证，并与SVR和GWO-SVR方法相比。结果表明，IGWO-SVR方法能有效提高SOH估计的精度和稳定性，最大估计误差不超过2%。     

基于雷达振动测试技术的时变索力识别方法研究EI北大核心CSCD

根据振动频率法索力测试原理,提出了基于连续复小波变换的分时段等值线法进行时变索力识别。将拉索的振动信号划分为多个较小的分析时段,对每个分析时段信号进行连续复Morlet小波变换得到小波系数,采用改进后的小波阈值去噪函数对小波系数进行降噪处理。通过等值线法在等幅值面上提取小波脊带,利用最邻近法对等值线进行拟合插值。然后把插值在频域进行均值化处理,识别出拉索的瞬时频率,进而计算出时变索力。以微波雷达为测试手段,设计了时变索力识别试验,试验结果表明:该方法能够提取到振动信号连续的瞬时频率,无论是索力呈线性变化还是正弦变化,均能准确的识别出索力变化规律,索力识别结果和实际索力误差最大仅为3.8%,且在信噪比较低的情况下仍表现出了较好的适用性。实桥应用结果表明,雷达测试手段结合时变索力识别方法,可以便捷、有效的获取拉索的索力时程。     

基于PCA-IPSO-INN的离心风机噪声预测

因离心风机噪声超限造成返厂，会影响用户体验，同时增加制造成本，故提出一种新的分析方法，旨在生产前对离心风机噪声进行智能预测。首先基于相关性分析和主成分分析法(Principal Component Analysis，PCA)对风机15 个性能和几何参数进行降维处理，然后提出一种具有非线性惯性权重的粒子群算法，并用于优化反向传播(BackPropagation，BP)神经网络的初始权值和阈值，最后寻找最佳隐层，确定BP神经网络4×8×1 的结构，从而简化网络结构，提高收敛速度和预测精度。经实验验证，该方法较其他方法预测精度更高，平均误差仅为0.76 %，且在生产企业得到很好应用，在工程实践中具有实际意义。     

基于非线性振动模型的空气悬架特性研究

本文从空气力学的角度分析了空气弹簧弹力变化过程,引入了多个弹簧参数来计算弹力,然后建立了空气弹簧非线性振动模型。以此为基础在Matlab/Simulink中构建了空气悬架1/4车辆两自由度模型。模拟了车辆的行驶情况,评价了其道路友好性,并与参数相同的被动悬架作比较。结果表明:该非线性振动模型能够正确的模拟空气弹簧工作过程;相同条件下使用空气悬架可减小车辆对道路的损坏,降低公路运输和道路养护支出。