广义稀疏解卷算法研究及其轴承故障诊断应用

机械系统中轴承局部故障会导致振动信号中出现瞬态冲击成分,而瞬态成分的有效提取是实现轴承故障诊断的关键。最小熵解卷积是一种基于峭度准则的微弱特征提取方法,然而其在强背景噪声下的稳定性较差。因此,提出一种基于广义P算子稀疏准则的解卷积方法。首先理论推导出广义P算子稀疏准则下的优化解卷积表达式,然后建立以归一化频率能量比为指标的广义稀疏准则下的轴承故障特征识别方法,最后利用仿真信号与实验数据对提出方法进行验证。仿真信号分析结果表明了提出方法能够识别出强背景噪声下轴承微弱故障特征;同时实验信号分析结果也证明了提出方法能可靠地检测出轴承微弱故障,并优于现有最小熵解卷积等故障诊断方法。     

镁铝合金铸件压铸过程的模流分析

铸件的模流分析技术是利用计算机对铸件动态填充过程进行模拟.在对镁铝合金笔记本电脑内构件进行压铸模具设计的基础上,对其压铸进行模流分析,并通过模流分析寻找最优压铸条件.压铸过程模拟表明模流分析能够很好地模拟填充过程,且能验证模具工艺的合理性,为模具的设计提供科学的依据.     

基于图像显著轮廓的目标检测

为了应对由复杂场景和目标形变所造成的目标难以检测的问题,提出一种基于图像显著性轮廓的目标检测方法.该方法首先利用全局概率边界算法（Globalized probability of boundary,gPb）提取图像轮廓,然后利用改进的最大类间方差法（Otsu）自适应地阈值处理获得图像的显著性轮廓;再通过检测并移除目标不稳定轮廓部分构造目标的鲁棒扇形模型;最后联合轮廓的多种局部及全局特征提出三种相似且基于特征概率密度分布的匹配策略,分别检测目标、目标镜面翻转以及发生旋转的目标.通过对多个数据库的实验分析,该方法能够有效地检测出目标及目标镜面翻转,同时在小偏转角范围有效检测旋转后的目标.     

时频特征融合的交叉项消除及其故障诊断应用

提出一种基于线性时频分布和双线性时频分布的时频特征融合策略,既消除双线性时频分析的交叉项,又保持双线性时频分析的时频聚集性.仿真信号的分析说明了该融合策略的有效性.通过融合策略在轴承外圈故障以及齿轮箱故障情况下的特征信号的时频分析,表明该策略能有效表示信号中的故障特征对时间和频率的分布情况,是一种有效的故障诊断时频特征表示方法.     

基于融合特征与数模联动的轴承寿命预测方法

针对现有数模联动剩余使用寿命（remaining useful life, 简称RUL）预测方法易受随机噪声干扰、没有考虑轴承的退化特性等问题,提出了一种基于融合指标与数模联动的轴承RUL预测方法,以提高原始数模联动RUL预测方法的准确性。首先,利用主成分分析及指数加权移动平均算法融合表征轴承退化状态的多种特征,构建单调趋势良好的性能退化融合指标;其次,基于3σ准则建立一种首次预测时间确定方案,以触发RUL预测模型的启动,避免RUL预测的无效性;最后,考虑轴承的退化特性,嵌入Rauch-Tung-Striebel平滑滤波算法,以减小退化模型的随机波动,实现轴承RUL的可靠预测。仿真数据和试验信号分析结果证明了所提方法的有效性,相较于现有数模联动方法,显著提高了轴承RUL的预测精度。     

应用神经网络对测量仪器进行校准

本文介绍了人工神经网络的基本原理及BP网络学习算法,提出了对测量仪器进行校准的一种新方法,并用万用表的校准实验证明了该方法的有效性。     

基于轮廓分层描述的目标识别算法研究

有效的目标轮廓分段是描述目标局部特征的关键环节.针对现有轮廓描述算法存在轮廓分段不合理的问题,本文基于认知心理学,提出了分层描述的轮廓描述算法.算法思想是首先根据角点特征将整个轮廓划分成一些轮廓分段,接着对轮廓分段的分布特点提出价值尺度,然后将多级轮廓分段按照价值尺度原则合并得到有限个能够完整描述目标轮廓的特征分段,最后将特征分段综合考虑长度尺度应用到Shape Context相似度检测模型中进行目标识别.通过对MPEG-7图像数据库中的图像进行实验分析表明该算法能够完整描述目标图像的形状特征,提高了目标识别率和形状检索率,并对部分遮挡的目标也具有良好的鲁棒性.基本满足目标识别识别和形状检索对准确率、稳定性、抗遮挡能力等方面的要求.     

齿轮振动信号特征的小波包频率表示法

通过对信号的小波包分解的研究．提出了信号特征的小波包频率表示方法．表示信号对分解节点和频率的功率谱分布;同时提出以小波包频率表示为依据的特征信号重建方法。齿轮振动信号特征的小波包频率表示表明该表示方法能有效展示齿轮的技术状况的变化。将功率谱集中的相邻的结点上的分解结果重构,得到的时域特征信号也能展示齿轮的技术状况。     

盲卷积分离及其在机械振动信号消噪中的应用研究

盲源分离应用于机械振动信号的预处理中，提供了一个新的处理机制，在机械状态监测和故障诊断中具有一定的价值。本文研究了盲卷积分离的理论，提出了基于限值VQM检验控制准则的盲分离算法，根据机械振动信号的特点探讨了该方法在机械振动信号瞬态成分和噪声卷积混叠信号分离中的应用，有效地提取了瞬态成分，表明了算法的有效性。     

基于Wigner-Ville分布与小波尺度谱融合的时频特征提取方法

时频分布提供了信号特征在时间域和频率域的联合分部信息。作为两种典型的时频分布表示方法,Wigner-Ville分布(WVD)和尺度谱都存在的缺陷,体现在WVD存在严重的交叉项,尺度谱时频聚集性差。本文在WVD和尺度谱的基础上提出了一种以消除交叉项和保持高分辨率为目的的时频特征融合算法。仿真分析验证了该算法能够有效抑制交叉项,可以很好的保持时频分辨率,且抑制了弱噪声对于时频特征的干扰。通过仿真信号的分析将该算法与Cohen类时频分析方法进行比较,验证了其在时频特征表示方面的优越性。将时频融合算法应用于轴承振动信号的时频表示,结果表明该方法能基本消除时频特征表示中的交叉项且保持了较高的时频分辨率,验证了算法在信号特征表示方面的有效性。