基于自适应特征选择k子凸包的滚动轴承故障诊断

滚动轴承故障诊断中往往将特征选择和分类器的设计分别进行研究,从而难以获得满意的分类精度。将特征选择和分类器寻优结合起来,提出了一种自适应特征选择k子凸包(Adaptive Feature Selection K-sub Convex Hull, AFSKCH)的分类模型,从而实现了故障特征自适应选择和分类的一体化。首先,利用凸包距离函数保持数据流形上的局部邻域结构,通过交替构造k子凸包得到特征权值矩阵;其次,采用线性规划接近度方法求解k子凸包距离,利用乘子交替方向法得到自适应特征空间;最后,根据测试点到k子凸包的最小重构距离进行分类。滚动轴承故障振动信号分析结果表明,该方法特征选择性能优于其他特征选择方法,且具有较高的分类精度。     

激光焊接机器人离线编程分析与实现

在分析激光焊接工艺要求之后得出激光焊接机器人的位姿要求.重点阐述了激光焊接机器人离线编程过程中位姿的求解原理以及求解过程,利用UG软件二次开发工具UG Open Grip实现了机器人位姿的求解,结合KUKASim软件实现了激光焊接机器人的离线编程和仿真.     

基于LabVIEW的直流伺服电机模糊PID控制系统

论述了一种基于模糊PID算法的直流伺服电机控制系统,介绍了模糊PID算法及模糊控制规则。系统采用图形化的编程语言LabVIEW,软件交互界面友好。试验结果表明,采用该模糊PID控制器的系统能克服常规PID控制器的弊端,控制品质好,算法简单,具有实际应用价值。     

自适应特征尺度分解方法及其应用

针对局部特征尺度分解（LCD）存在的模态混叠问题和其在均值曲线定义方面存在的不足,在对LCD方法研究的基础上,充分借鉴经验模态分解（EMD）和LCD等此类基于筛分的信号分解方法的思路,定义了一种新的瞬时频率具有物理意义的单分量信号--内禀致密尺度分量（ICC）,并提出了一种新的自适应信号分解方法--自适应特征尺度分解（ACD）方法。同时,给出了ICC分量评价准则,通过对ACD每阶筛分中由不同均值曲线和致密系数取值得到的一组不同的分解分量进行对比,选取最优分量作为该阶筛分的ICC分量,从而保障最终分解效果优于LCD方法分解效果。对仿真信号的分析结果证实了ACD方法的分解效果优于EMD、LCD、总体平均经验模态分解（EEMD）和自主致密局部特征尺度分解（ACLCD）方法的分解效果;对实验数据的分析结果验证了ACD的有效性,从而为旋转机械故障诊断提供了一种新的方法。     

基于分段多项式的局部特征尺度分解方法及应用

针对局部特征尺度分解(Local Characteristic-scale Decomposition,LCD)方法中两极值点连线在极值点处一阶微分不连续,引起分解精度降低问题,提出新非平稳信号分析方法-基于分段多项式的局部特征尺度分解(Piecewise Polynomial based Local Characteristic-scale Decomposition, PPLCD)。用分段多项式取代LCD中直线连接,且均值曲线插值点由相邻3个同类极值点构成的多项式计算产生。通过仿真信号将PPLCD与LCD对比,结果表明,PPLCD在提高分量正交性、精确性等具有一定优越性;由转子碰摩故障诊断表明该方法的有效性。     

基于GA的自适应最稀疏时频分析方法及应用

为解决自适应最稀疏时频分析（ASTFA）方法中初始相位函数的选择问题,采用遗传算法（GA）对ASTFA的初始相位函数进行优化,提出了GA-ASTFA方法。进一步研究了GA-ASTFA方法抑制模态混淆的能力,分析结果表明,GA-ASTFA能较好地抑制模态混淆,分解得到的分量信号精度高,且可抑制分解中的伪分量。最后将GA-ASTFA方法用于转子碰摩故障诊断,实验分析结果表明,GA-ASTFA方法能有效提取转子碰摩故障特征信息。