灰色关联分析方法在双目视觉测量系统误差分析中的应用

针对双目视觉测量系统存在误差因素繁多、分析困难等问题,提出了一种基于灰色关联技术的误差分析方法。考虑视觉系统的灰色属性,将灰色系统理论及其相关技术运用于视觉测量系统的误差分析。以镜头畸变、质心定位误差及双目视觉系统内、外参数等9项因素或参数为自变量,通过基于单项因素变化的实验,获取了误差分析的数据样本;采用灰色数据处理方法及灰色关联分析技术,从无明显规律的数据样本中明确了视觉系统各项误差因素对最终测量精度的影响。分析结果证明了灰色理论用于定量分析视觉系统误差的正确性和有效性;在灰色理论意义下,镜头径向畸变、切向畸变、摄像机夹角及特征点质心定位误差4项因素对测量精度的关联度均大于等于0.859,高于其余误差因素。     

灰色关联分析理论在轴承设计中的应用

用模糊集合理论中的灰色关联分析方法对轴承设计方案进行了分析,并用灰色关联分析理论中的贴近度对设计方案中各项性能指标进行了评价,从而得到在不同工况下满足使用性能要求的轴承最优设计方案.     

灰色关联分析的神经网络模型在轴承故障预测中的应用

为提高小样本轴承故障预测的精度,提出了灰色关联分析的神经网络预测模型。利用神经网络训练样本数据,并使用灰色关联分析不断调整其隐含层节点数,以寻找到最优的数据解,完成训练过程;基于已训练好的模型对未来时间点的运行状态进行分析,并根据设备的理论诊断标准实现故障预测。将提出的模型与同样可预测小样本波动数据的灰色马尔科夫预测模型进行实例应用对比,结果显示,灰色关联分析的神经网络预测模型效果明显优于灰色马尔科夫模型。     

灰色关联分析在铸造型砂品质评价中的应用

介绍了灰色关联度分析的基本原理，提出了铸造型砂性能评价的灰色关联分析模型。实例分析证明，灰色关联度分析理论评价型砂性能使评价结果更加科学合理。     

新型灰关联分析方法研究及其在数控机床主轴故障识别中的应用

针对传统灰关联分析方法存在的问题,引入动态分辨系数和因子权重系数,提出新型灰关联分析方法。与传统灰关联分析方法相比,该方法具有两个优点:一是降低对人为确定分辨系数和权重系数的依赖性;二是提高识别结果的可靠性和准确性。最后将该方法应用于数控机床主轴故障识别中,并与传统灰关联分析方法和神经网络识别结果进行对比分析。结果显示,新型灰关联分析方法识别结果更准确可靠。     

HHT相对谱熵及其在轴承退化状态识别中的应用

为有效地对轴承退化状态进行识别,对轴承退化特征提取方法进行了研究。基于HHT变换的非平稳信号分析能力和相对熵可以较好表征振动信号概率分布差异的特性,提出基于HHT相对谱熵的轴承退化特征提取方法。通过仿真信号对定义的HHT相对能谱熵(HREE)和HHT相对奇异谱熵(HRQE)的合理性和有效性进行了验证。将这两个特征指标组成退化特征,对实测轴承内圈和外圈故障模式下的不同程度故障振动信号进行了进一步分析,并通过相关向量机对轴承退化状态进行了识别,结果验证了所提方法的有效性。     

基于FNER性能退化指标及IDRSN的滚动轴承寿命状态识别方法

针对滚动轴承退化性能难以评估、寿命状态难以识别的问题,提出一种基于特征噪声能量比(Feature-to-noise energy ratio,FNER)指标及改进深度残差收缩网络(Improved deep residual shrinkage network,IDRSN)的滚动轴承寿命状态识别新方法.首先,将全寿命轴...     

灰色关联分析在汽车发动机系统故障树中的应用

灰色关联分析方法应用在汽车发动机故障树分析中,根据故障树底事件的结构重要度,对故障树中各种故障模式发生的可能性大小做出了准确判断,并应用实例给予说明。     

小波支持向量机多分类器在轴承性能退化评估中的应用

为了准确地对轴承性能退化过程数据进行评估,将Mexican hat小波函数引入支持向量机多分类器中,提出一种小波支持向量机多分类器.并基于平移不变核函数条件,给出该小波函数为容许核函数的证明.根据"一对多"算法建立支持向量机多分类器.通过对内圈故障和滚动体故障的轴承性能恶化过程中数据的分析,表明小波支持向量机具有比BP(back propagation)神经网络、RBF(radial basis function)核函数支持向量机更高的分类正确率.     

灰色关联分析在SPIF表面粗糙度优化中的应用

成形件表面质量差是制约单点增量成形(SPIF)应用的主要因素之一,其中表面粗糙度是评价表面质量的一项重要指标。以45°方锥台为研究对象,采用基于灰色关联分析的方法,进行成形件表面质量多目标控制的成形参数优化。为了采用较少的实验次数搜寻到最佳的表面质量特性的成形参数,采用田口正交表进行实验设计,通过灰色关联分析中得到的灰色关联度决定优化的成形参数,同时通过成形参数的最大与最小的灰色关联度差值得到了对表面质量影响较显著的因子。实验结果表明:利用本文提出的方法,可以使成形件的纵向和横向表面粗糙度得到有效的改善。     

基于改进灰色关联度分析的供应商评价方法

供应商选择是一个包含定性因素和定量因素的多目标评价问题，很难用精确的方法来求解。本文针对供应商选择时存在信息不充分现象，提出了利用改进的灰色关联度分析法进行供应商选择的评价方法。该方法在用熵权法确定权重的基础上，充分利用了信息的灰色特性。通过算例分析，该方法计算过程简单方便，结果直观可靠，是多因子综合评价较好的方法。     

IPSW方法及其在变工况滚动轴承退化状态跟踪中的应用

感知获取的一维快变信号不仅受工况变化的影响,且无法避免地受到噪声干扰,此时传统的相空间曲变(PSW)方法提取的健康指数(HI)将无法胜任变工况下的滚动轴承退化趋势跟踪.针对这一问题,提出了改进的相空间曲变法(IPSW).从确保PSW分量的独立性及其信息最大化的角度出发,通过高维重构分量间的综合平均互信息局部极小化和互信...     

基于模糊聚类分析的特征识别方法及其应用

针对高维数据给智能学习算法带来的维数灾难,提出了一种特征提取与聚类分析相结合的特征识别方法.该方法基于小波包变换对振动信号进行特征提取,采用模糊传递闭包法,对信号的特征频段进行识别和分析,实现对信息的进一步压缩.针对模糊传递闭包法中关于阈值的确定问题,从样本之间的"紧致度"和"分离度"出发.建立了聚类有效性函数评价模糊聚类算法模型,并确定最优聚类.通过实例分析,验证了该特征识别方法在信息压缩和特征识别中的有效性和实用性.     

基于优化集合EMD的滚动轴承故障位置及性能退化程度诊断方法

为了更有效地同时诊断出滚动轴承故障位置及不同性能退化程度,提出了对滚动轴承不同状态振动信号进行特征提取和智能分类的故障诊断方法.该方法对各状态振动信号进行集合经验模态分解,但其效果依赖于总体平均次数和加入噪声的大小这2个重要参数,因此,提出集合经验模态分解中加入白噪声的准则.将分解后的一系列固有模态函数结合奇异值分解获取各状态的奇异值,并组成特征向量矩阵.将其输入到改进的超球结构多类支持向量机进行分类,从而实现滚动轴承正常、不同故障位置及性能退化程度的多状态同时智能诊断.实验结果表明,提出的集合经验模态分解方法中加入白噪声准则,可避免人为确定分解参数,提高其分解效率.基于优化参数的集合经验模态分解结合奇异值分解的智能诊断方法比已有的基于经验模态分解结合自回归模型的诊断方法识别率高.     

The development of pivot bearing with multiple degrees of freedom: 3rd report: Examination for specification to improve bearing stiffness by finite element method analysis and its inspection by experiment

This paper deals with the examination of specifications to improve the performance of a pivot bearing with two degrees of freedom by finite element method (FEM). As the target of estimation for performance of the bearing, we evaluated the contact pressure and the stiffness. As the results of FEM considering the number of grooves and the contact angle of the planetary ball, a large effect was obtained in the case that the number of rows of planetary balls was 2. The effect was confirmed by measuring axial displacement.     

A vibration analysis method based on hybrid techniques and its application to rotating machinery

Vibration-based condition monitoring and fault diagnosis technique is a most effective approach to maintain the safe and reliable operation of rotating machinery. Unfortunately, the vibration signal always exhibits non-linear and non-stationary characteristics, which makes vibration signal analysis and fault feature extraction very difficult. To extract the significant fault features, a vibration analysis method based on hybrid techniques is proposed in this paper. Firstly, the raw signals are decomposed into a few product functions (PFs) using local mean decomposition (LMD), and meanwhile instantaneous frequency and instantaneous amplitude also are obtained. Subsequently, Fourier transform is performed on the derived PFs, and then, according to the spectra features, the useful PFs are selected to reconstruct the purified vibration signals. Lastly, several different fault features are fused to illustrate the operating state of the machinery. The experimental results show that the proposed method can accurately extract machine fault features, which proves that the combined application of LMD and other signal processing techniques is a successful scheme for the machine vibration analysis.     

The continuous Poincare-like cell mapping method and its application to nonlinear dynamics analysis of a bearing–rotor system

Based on the idea of continuous cell mapping, an improved Poincare-like cell mapping method is developed. This method can be used for global analysis of nonlinear dynamic systems without missing the periodic solutions and the domains of attraction. A bearing–rotor system is analyzed by using this method, and the influences of initial conditions on transient movement are discussed in detail.