基于MED和变分模态分解的滚动轴承早期故障诊断方法

针对滚动轴承早期微弱故障特征容易淹没于环境噪声中而难以提取的问题,提出了最小熵解卷积(MED)降噪和变分模态分解(VMD)相结合的滚动轴承早期故障诊断方法。首先以峭度最大为准则利用MED对轴承振动信号进行降噪处理,然后采用新的高精度多分量信号分解方法——VMD将降噪信号分解为若干个分量,最后通过分析最大峭度分量包络谱中故障频率成分诊断轴承故障。轴承实验分析结果表明了该方法的有效性。     

基于峭度准则VMD及平稳小波的轴承故障诊断

为了从强噪声背景下的轴承振动信号中准确稳定地提取滚动轴承故障特征,提出了基于峭度准则VMD及平稳小波的轴承故障诊断方法。使用变分模态分解对同一负荷下的故障信号进行预处理,通过峭度准则筛选出最佳和次佳信号分量进行重构并使用平稳小波进行去噪处理,最后分析信号的包络谱来对轴承的故障类型进行判断。通过对仿真滚动轴承内圈故障信号进行分析,该方法可成功提取出微弱特征频率信息,噪声抑制效果优于EMD。由此表明,基于峭度准则VMD及平稳小波的轴承故障诊断可有效提取强声背景下的滚动轴承早期故障信息,具有一定的可靠性和应用价值。     

集成经验模态分解与相关峭度在滚动轴承故障诊断中的应用

船舶设备中的滚动轴承其振动信号成分复杂,故障信号易被背景噪声湮没,常规诊断方法难以有效提取轴承故障信息。为了从复杂的轴承振动信号中提取弱故障信号,将集成经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)应用到滚动轴承故障诊断中,并引入了相关峭度的定义,提出了一种新的滚动轴承故障特征提取方法。该方法首先利用EEMD将轴承振动信号分解为若干个分量信号,然后根据相关峭度最大原则选取分量信号,提取出滚动轴承的弱故障信号。通过对轴承内圈故障的仿真和实验研究验证了该方法的有效性。     

基于经验模式分解和谱峭度的滚动轴承故障诊断

滚动轴承的振动信号是强背景噪声下的非平稳非线性信号,其特征提取是滚动轴承故障诊断的难点。为了提高滚动轴承的故障诊断效果,提出了基于经验模式分解(Empirical Mode Decomposi-tion,EMD)和谱峭度(Spectrum Kurtosis,SK)的滚动轴承故障诊断方法。首先利用EMD方法对轴承故障信号进行分解,剔除趋势项,利用归一化白噪声分量的统计特性来滤除信号中的噪声分量,然后利用谱峭度方法估计带通滤波器的中心频率和带宽,最后对剩余的信号执行带通滤波和包络解调进行故障诊断。对滚动轴承故障诊断的结果表明,本文提出的方法能够有效地提高轴承故障诊断的效果。     

改进形态滤波与LMD结合的滚动轴承故障诊断方法研究

为了消除噪声对滚动轴承故障诊断结果的影响,提出了一种改进形态滤波与局域均值分解(Local mean decomposition,LMD)结合的滚动轴承故障诊断方法,该方法首先利用LMD对滚动轴承的故障信号进行分解,采用峭度和相关系数准则剔除多余的低频分量,再用改进的形态滤波对选出来的PF分量进行滤波解调。最后,对滤波后的信号进行Hilbert包络谱分析,并且与LMD-Hilbert包络谱和直接Hilbert包络谱的结果进行对比分析。实验结果表明:该方法能够有效地提取滚动轴承故障的特征,诊断轴承故障位置。     

基于谱峭度和AR模型的滚动轴承故障诊断

提出基于自回归(Autoregressive,简称AR)预测滤波的谱峭度分析方法,将其应用于滚动轴承的早期故障诊断。通过结合AR预测滤波器提取轴承故障信号共振衰减成分的特性,利用谱峭度方法对AR预测滤波器滤波后的信号进行处理,实现了滚动轴承早期微弱故障的识别。通过滚动轴承的疲劳全寿命加速实验获取滚动轴承的自然故障信号,克服了传统轴承故障诊断人工加工故障的不足。通过试验数据的分析表明,基于AR预测滤波的谱峭度方法不仅能够消除干扰成分提取故障特征,还能增加谱峭度方法的稳定性。     

基于EEMD与空域相关降噪的滚动轴承故障诊断方法

针对滚动轴承早期故障信号非平稳、非线性,强噪声的特点,提出了一种将集成经验模态分解(EEMD)和空域相关降噪相结合的滚动轴承故障诊断方法。该方法首先采用EEMD对滚动轴承故障信号进行分解,得到若干个IMF分量,其次,采用峭度—度量因子准则筛选出有效的IMF分量进行信号重构,然后,采用空域相关降噪方法对重构信号进行降噪处理,最后,提取降噪后信号的故障特征频率对轴承故障进行诊断。采用建立的方法对某轴承内圈、外圈故障实验数据进行了分析与诊断,结果表明,方法能够有效克服信号分解的模态混叠效应,对故障信号噪声抑制效果明显,并能准确有效地提取出轴承的故障特征频率,实现对滚动轴承故障的精确诊断。     

基于CEEMD与IMCKD的滚动轴承故障诊断方法

针对滚动轴承故障冲击信号周期性强且易被强烈的背景噪声所淹没的特点,提出基于互补集合经验模态分解(CEEMD)与改进的最大相关峭度解卷积(IMCKD)的轴承故障诊断方法。首先,对采集到的信号进行CEEMD分解,利用峭度为准则筛选IMF分量进行信号的重构,再对重构信号进行最大相关峭度解卷积处理,实现信号的滤波降噪,最后,将滤波信号进行包络解调得到轴承的故障特征。通过轴承故障的仿真和实验研究,验证了该方法的有效性和可行性。     

轴承故障检测的EEMD-RA-KU方法研究

利用滚动轴承故障信号呈现出的冲击特征,提出一种捕捉冲击特征的EEMD-RA-KU轴承故障诊断新方法。将故障信号进行EEMD(ensemble empirical mode decomposition)分解得到的IMF(intrinsic mode function)分量,利用相关分析RA(relative analysis)、峭度KU(kurtosis)联合选择IMF,并利用谱峭度确定滤波器参数对选出的IMF重构信号进行滤波,对滤波后的信号进行包络分析,利用包络谱检测轴承故障。结果表明,该方法能在强噪声背景下提取出轴承的故障特征。     

基于EMD与匹配追踪的轴承故障诊断

在强噪声背景下的轴承故障特征信号提取,是轴承故障诊断研究中的重要内容。首先通过EMD方法对信号从高频到低频进行滤波处理,选取最大谱峭度IMF分量进行信号重构,使用匹配追踪对重构信号进行脉冲提取,设置软阈值筛选对原子进行自适应选择,与其他方法相比,更有效地提取出了故障冲击成分。     

一种机器人立体视觉匹配方法的研究

针对区域匹配计算量大而特征匹配算法复杂的缺点,采用了一种以边缘点为匹配基元,使用双阈值判断的灰度相关分阶段立体匹配方法。     

基于灰度的环形块匹配算法

为了实现从补块数据库中找出与去除缺陷的板材相匹配的补块,提出了基于灰度的环形块匹配算法。从去除缺陷的板材从中选取一窄圆环,并将其等分为几个小块,按顺时针对各小块进行编号,计算出各环形小块的平均灰度值,用各小块的平均灰度值代替单个元素进行匹配,降低了噪声的影响,增强了算法的抗干扰能力,提高了算法的实时性。实验结果表明,运用这一算法能快速而有效地找到最佳匹配补块及匹配位置,验证了该算法的可行性,为缺陷修补的机械加工提供了依据。     

三刺激值配色和全光谱配色的比较

通过三刺激值配色和全光谱配色的比较,将最小二乘法应用于三刺激值配色中,并将三刺激值配色的基本思想变化为使匹配色和标准色的色差趋于最小,同时,给出了配方的具体表达式。计算机配色的预测结果表明此方法能够较好地满足配色要求。     

全光谱配色的匀色空间权重因子方法

在CIE 1976(L^*a^*b^*)匀色颜色空间中,本文为全光谱匹配方法提供一种权重因子。这种权重因子使∑_j[ΔE(λ_j)]²→min.实验结果表明,使用这种色差型权重因子进行计算机配色比Schmid和Strockash设计的两种权重因子效果好。     

基于属性和图形匹配的案例检索技术的研究与应用

为了实现弹体案例的快速准确检索，文章将用于互联网3D图形搜索技术引用到案例检索过程中来，并且将其与传统的基于属性的匹配算法结合起来，提出了一种新的综合匹配算法。与现有的案例检索算法相比，基于属性和图形的综合匹配算法可以更加全面地反映出案例之间的相似性。通过案例研究表明，该算法可以快速、方便地对弹体成形工艺案例库进行检索。     

基于ORB特征的图像误匹配剔除方法研究

针对图像特征匹配当中存在明显错误匹配、匹配准确度较差的问题,对ORB算法和RANSAC算法进行了研究。ORB算法中,特征点的匹配是基于汉明距离进行的。在此前提下,提出了一种基于RANSAC算法的改进算法进行误匹配剔除。该算法通过增加粗剔除过程来剔除一部分错误匹配,然后利用RANSAC算法做了进一步剔除,同时增加了RANSAC算法中的初始样本集的数量并加以预判断,达到了降低RANSAC算法耗时的目的。最后利用多组图像对该算法进行了验证,实验结果表明,该算法可以有效剔除误匹配,提高图像特征匹配的准确度,并且具有旋转不变特性和噪声抑制特性,同时也保证了ORB算法的匹配速度。     

利用CCD图象匹配进行目标定位检测的设计与实现

从图象匹配原理着手,采用了模板匹配方法,对铁轨的基桩进行匹配和识别.实验结果证明了这三种方法的有效性,但是在特定的环境下使用这三种方法还应采取适当的措施.     

模糊遗传图像相关匹配算法

针对遗传算法中交叉概率和变异概率所存在的问题，利用模糊推理系统来自适应估计交叉概率和变异概率，提出了基于模糊遗传算法（FGA）的图像相关匹配算法，并进行了大量实验研究，实验结果证明该方法对解决具有噪声情况下的图像匹配问题十分有效。     

网络服务自动化中服务功能匹配研究

为了实现网络服务功能匹配，在扩展和补充已有相关研究的基础上，提出了基于明确界定输入与输出的网络服务功能匹配方法。该方法对参与匹配的网络服务输入与输出进行了明确定义，并将该定义与组成服务的子过程结合起来。根据输入与输出的内容及描述形式，该方法采用了按参数类型分组和按名称、值或值域分层相结合的匹配策略，加快了匹配收敛速度。随后，通过分析输入与输出的语义及逻辑关系，提出了精确匹配、包含匹配、部分匹配和不匹配等4种网络服务功能匹配度，并建立了相应判定准则。此外，文章还讨论和建立了网络服务功能匹配过程。最后，通过实例验证了上述内容。     

微小零件可层叠亚像素位置识别方法研究

针对MEMS平板类零件小型化的问题,提出了模板匹配自动装配的方法。根据装配精度(微米级以下)以及平板类零件具有特定外形的特点,采用亚像素的XLD轮廓形状匹配方法。为解决零件重心点不在零件上的问题,在零件模板上设置一抓取点,并将该点在识别匹配过程中转化到识别零件上。在不规则摆放过程中,不可避免地存在零件层叠现象。通过对匹配识别算子的研究,很好地解决了非全局识别问题,提高了系统识别的鲁棒性。结合试验仿真,对本文提出的方法进行了验证,证明了此方法的可靠性和实用性。