基于小波反弹神经网络的车轮擦伤检测方法

车轮踏面擦伤是危及列车运行安全的重要因素之一，其准确测量方法是高速重载列车需要首先解决的关键问题。提出了一种采用变尺度多分辨小波与弹性反传神经网络算法相结合的擦伤诊断方法，该方法利用变尺度多分辨小波进行跟踪滤波，通过弹性反传神经网络来确定小波分解尺度与噪声存在尺度，实现信噪分离，并根据跟踪滤波的结果计算出擦伤值的大小。实验结果表明，该方法实现了车轮踏面擦伤的高精度测量，解决了现有方法无法定量测量和易受外界因素干扰等难题。     

采用小波分析与支持向量机的车轮踏面擦伤识别方法

采用小波分析与支持向量机(SVM)相结合对列车车轮擦伤进行自动识别。运用变尺度多分辨小波分析方法对车轮擦伤信号进行特征处理，SVM能够对小样本数据进行模式识别并且具有很好的分类推广能力。在小波分析特征提取的基础上，利用分布式多SVM分类器识别车轮擦伤，实验表明，该方法能有效地对车轮擦伤等级进行准确识别和诊断。     

车轮踏面擦伤检测

提出了一种自动化程度高,操作简单且能够实现在线测量的车轮踏面擦伤检测方法,通过振动加速度传感器将加速度转化为电荷量,再由电荷放大器将其转化为电压量传递给计算机进行处理,采用小波变换的方法对信号进行去噪,将消噪后的信号分解到不同的频段,分析不同频段的能量,得到擦伤信号的准确定位,结果可靠,输出直观,较高精度地给出擦伤情况。     

基于经验模式分解和神经网络的车轮踏面擦伤检测方法

车轮踏面擦伤故障信号具有非平稳特性,为识别车轮踏面擦伤,提出一种将经验模式分解（Empirical Mode Decomposition）与神经网络相结合的诊断方法,通过实验获取车轮踏面擦伤故障信号,对故障信号EMD分解得到本征模函数分量(Intrinsic Mode Function,IMF),再对各阶IMF分量提取能量和峭度特征,构建出特征向量并输入到神经网络中进行故障识别。将此法通过LabVIEW编程实现并经实验验证,该方法在车速0~200 km/h时具有较高识别能力,与传统方法相比具有使用范围广,实用价值高的特点。     

踏面擦伤弹性车轮冲击影响因素的研究

踏面擦伤车轮在平滑轨道上滚动引起轮轨冲击.为研究轮轨冲击的影响因素,以某弹性车轮为研究对象,建立踏面擦伤深度不同的弹性车轮有限元模型和简化轨道有限元模型,利用LS-Dyna软件对擦伤深度为2mm的弹性车轮在不同速度运行的工况和不同擦伤深度弹性车轮模型在120km/h速度的工况进行了仿真分析,研究了速度和擦伤深度对轮轨冲击力的影响.将弹性车轮与普通钢轮在相同的工况下产生的轮轨接触力进行对比,结果表明弹性车轮可有效降低车轮过擦伤时产生的轮轨冲击.     

基于信息融合技术的加工过程监测系统研究

加工过程状态的监测与控制是提高机床智能化的重要研究内容,为实现加工过程的智能化监测与控制必须以多传感器及多传感器信息融合技术为基础.提出了一种基于粗糙集理论和神经网络的多传感器智能信息融合方法,该方法将粗糙集理论作为实现多传感器数据融合的方法,同时针对粗糙集理论只能处理离散数据的问题.提出了使用自组织特征映射网络对传感器采集数据进行离散化及聚类处理的方法,针对粗糙集理论在决策融合处理方面的不足,提出了使用BP神经网络来实现决策规则的有效融合,分析了该方法的原理、关键技术及实现方法,为后期的进一步的研究和应用打下基础.     

车轮踏面擦伤动态定量测量新方法

车轮踏面擦伤是危及列车运行安全的主要原因之一。如何准确测量其大小是高速和重载列车发展中必须首先要解决的关键测量问题。提出一种新的车轮擦伤动态测量方法，不仅能实现对踏面擦伤和磨损的定量测量，同时能克服已有技术测量不能定量、测量结果受外界很多因素影响的缺点。测量系统主要由平行四边形机构、传感器、数据采集与处理等部分组成。现场试验表明：当列车速度低于１５　ｋｍ·ｈ－１，系统的测量误差小于０．２　ｍｍ。     

基于激光传感器的轮对尺寸测量方法

针对城市轨道车辆车轮会随着使用时间的增长而不断磨损,给列车的运行和乘客带来安全隐患等问题,提出了一种基于激光传感器的轮对尺寸在线检测方法及装置。通过安装在轨道两侧的激光位移传感器采集车轮踏面数据,然后通过数据预处理、坐标变换和数据融合等算法,获取车轮踏面轮廓线,得到轮缘高和轮缘厚,再根据激光对射传感器获得车轮通过时输出的时间序列,结合轮缘高计算出车轮直径。实验表明该系统具有准确、稳定等优点,满足现场测量要求。     

便携式火车轮磨损检测仪

详述一种在线便携式踏面磨损检测装置,利用LVDT位移传感器测量参考点与踏面和轮缘之间的距离,并将与之相对应的电压值输出,再通过相关的公式,得到对应的磨损值,这样可以方便及时地了解车轮的擦伤状况。     

基于多传感器信息融合的智能机器人的研究

讨论粗糙集理论和D-S证据理论相结合的多传感器信息融合方法,并提出将该方法应用于智能机器人,用粗糙集对传感器数据进行简约处理和D-S证据理论实现证据的合成及智能决策,以增强系统的分辨能力,同时有效提高了系统的信息融合速度和决策的可靠性.     

基于粗糙集和ART2 神经网络的多传感器信息融合

神经网络是信息融合的一种重要方法,粗糙集理论是处理不完备信息的一种技术。本文提出了一种基于粗糙集和ART2神经网络的多传感器信息融合方法。ART2网络是一种无监督神经网络,能够实现对输入的任何模式信号自动识别和分类。而对信息融合中常遇到的数据超载问题,提出采用粗糙集与神经网络结合的方法解决。文章给出了基于粗糙集理论的组合神经网络的模型结构,最后用一个脱机手写体数字识别的实例验证了该方法的有效性。     

基于粗糙集理论两相流流型辨识方法研究

本文提出了一种基于粗糙集理论和电容层析成像系统辨识两相流流型的新方法。该法通过对极板电容测量数据进行属性分析，然后根据粗糙集理论化简属性，最后根据分类规则进行流型辨识。本流型辨识方法决策规则简单适合在线测量。仿真结果表明：此方法在两相流流型辨识中具有较高的判别精度。也为两相流流型提供了一种有效的手段。     

Application of the lifting wavelet to rough surfaces

This paper proposes a lifting wavelet model for enhancement of accuracy of surface roughness characterisation. In this work, the theory and fast algorithm of the lifting wavelet are briefly introduced and a lifting wavelet model for extraction of roughness of surfaces has been developed. The rough surface recovered has good refinement accuracy in contrast to the least squares polynomial fitting. Applications are conducted by using a series of typical surfaces, planes and curves, measured by contact (stylus) and non-contact (phase-shifting interferometry) instruments, to demonstrate the feasibility and applicability of using the lifting wavelet model in the analysis of these surfaces.     

多传感器数据融合技术在车轮热处理炉温度测量中的应用

路运输高速、重载化要求高质量的列车车轮,热处理是提高车轮质量的重要环节。针对水压力、水流量、热处理时间等工艺参数设定后均不可调节,加热温度成为影响热处理质量关键因素,采用多传感器数据融合技术,对列车车轮热处理炉温进行准确的测量,为其温度控制提供了可靠的依据。     

A weighted least square based data fusion method for precision measurement of freeform surfaces

The trend towards product miniaturisation and multi-functionality constitutes a driving force for the application of complex surfaces in many fields such as advanced optics. The precision measurement of these surfaces should be carried out at multiple scales, of which process commonly involves several datasets obtained from different sensors. This paper presents a weighted least square based multi-sensor data fusion method for such measurement. The method starts from unifying the coordinate frames of the measured datasets using an intrinsic feature based surface registration method. B-spline surface is used to fit linear surface model to each identified overlapping area of the registered datasets, respectively. By forming a common basis function, the fitted surface models and the corresponding residuals are then combined to construct a weighted least square based data fusion system which is used to generate a fused surface model. An analysis of the uncertainty propagation in data fusion process is also given. Both computer simulation and actual measurement on various freeform surfaces are conducted to verify the validity of proposed method. The results indicate that the proposed method is capable of fusing multi-sensor measured datasets with notable reduction of the measurement uncertainty.     

基于信息融合技术的烟气轮机故障诊断系统研究

为保障烟气轮机的安全可靠运行．实现科学维护,采用了多传感器信息融合技术的故障诊断方法。通过提取烟气轮机上携带故障特征的多类信息,并在决策层上采用神经网络与D-S证据理论相结合的方法对这些信息进行有效的融合。     

基于小波的零件表面微观形貌多尺度重构

采用激光测量仪对车削机加工零件表面进行测量,获得零件亚纳米级的微观形貌数据,利用小波分析分时分频精细表达以及多分辨率分析的特点,建立粗糙表面多尺度重构模型,对基于真实测量数据的微观表面进行宏微观重构,并提出在不同尺度上提取粗糙表面的微凸体以精简数据的方法,从而实现在MATLAB和Pro/E中的微观表面建模仿真。提取的低频成分为零件表面二维和三维评定提供了基准,不同尺度上微观粗糙表面的重构为在不同精密等级上分析机加工工艺对零件表面粗糙度的影响提供了方法,Pro/E中重构的表面为有限元分析零件宏微观几何形貌与摩擦、润滑和密封的关联机制提供了几何模型。     

基于多普勒调制时移 Laplace 小波的列车轴承故障声 信号瞬态成分快速提取方法

提出了一种基于多普勒调制时移Laplace小波的列车轴承故障声信号瞬态成分快速提取方法,包含“先粗后精”两个步骤：1)瞬态参数粗估计,利用现有的多普勒调制等周期Laplace小波模型粗略估计瞬态参数;2)参数精确估计与瞬态成分提取,构造多普勒调制时移Laplace小波模型,使用逐个匹配的策略进行瞬态参数精确估计和瞬态成分的提取。所提方法具有以下优点：1)更高的精度,使用的多普勒调制时移Laplace小波模型在时域内仅有一个时延参数定位的小波成分,能够解决周期瞬态模型在提取伪周期瞬态成分时匹配误差问题;2)高效率,由于使用了周期瞬态模型粗略估计瞬态成分参数,因此在瞬态成分逐个提取的过程中小波参数的范围可以设的很小,实验对比分析结果显示,与直接提取方式相比效率提高了71.46%。本研究提供了一种从含有多普勒畸变的列车轴承故障声信号中精确地、高效率地提取瞬态成分的方法。     

STUDY ON THE COAL-ROCK INTERFACE RECOGNITION METHOD BASED ON MULTI-SENSOR DATA FUSION TECHNIQUE

The coal-rock interface recognition method based on multi-sensor data fusion technique is put forward because of the localization of single type sensor recognition method. The measuring theory based on multi-sensor data fusion technique is analyzed, and hereby the test platform of recognition system is manufactured. The advantage of data fusion with the fuzzy neural network (FNN) technique has been probed. The two-level FNN is constructed and data fusion is carried out. The experiments show that in various conditions the method can always acquire a much higher recognition rate than normal ones.