基于ARMA神经网络的泵机组故障诊断

泵机组是保障油库正常作业的主要装备,也是一个有机的整体,采集的信号往往以几种故障状态的形式表现出来,因此对其进行故障诊断非常复杂。通过ARMA(时间序列分析法)提取振动信号中的振型参数、阻尼比、振型系数,然后利用BP神经网络进行模式识别。实验结果证明,利用ARMA与BP神经网络结合的方法,可以达到很好的识别效果。     

基于最小二乘支持向量机的激光拼焊焊缝识别

激光拼焊焊缝质量结构光视觉检测中,对焊缝的准确识别是实现高精度检测的关键. 针对检测图像中结构光光纹畸变特征不明显,无法准确识别焊缝的问题,依据焊缝纹理特征信息,提出了一种基于最小二乘支持向量机的焊缝识别方法. 首先,分析并提取焊缝区和非焊缝区差异明显的纹理特征. 其次,训练最小二乘支持向量机模型,对焊缝进行粗识别. 最后,采用Laws纹理滤波提取焊缝区域,并通过阈值分割方法精确识别焊缝. 针对不同工艺参数下的激光拼焊焊缝开展焊缝识别试验,结果表明,该方法能够有效地识别焊缝.     

阀控马达试验台—模型的建立及其频率特性分析

本文扼要的介绍了阀控马达试验台,开发了系统识别程序和计算机辅助分析程序。应用程序建立了试验台的实际数学模型,并求出了动态指标与响应曲线。本试验所采用的试验台与测试方案简单可靠,且宜于现场使用,而所采用的识别程序可以确定系统的阶次与结构参数,降低了低频段拟合误差,并克服了理论建模法误差较大的弊端。利用识别模型有效的求出了系统的软参数。实验证明了识别模型的正确性及计算机辅助分析的实用性。     

面向层析测量的特征模型反求系统

针对断层测量反求,邮基于物体基本结构和特征的轮廓分割算法。新算法具有分割效率高、分割准确的优点。断层测量截面方位的不同使得同一特征的截面形状具有多样性，给特征参数的识别造成很大困难。为了解决这一问题，提出对分割后的特征结构轮廓集进行“二次虚拟层切”的方法，使特定特征类型的截面形状固定下来，大大降低了特征参数识别的难度。系统可以获得反求零件的参数化CAD模型，使得对重构模型的方便修改成为现实。     

基于新陈代谢灰色马尔科夫 ARMA模型的航空公司能耗预测

航空公司能耗的预测直接影响能源需求的规划与节能的决策.针对航空公司能耗数据既有趋势性又有波动性的特点,提出了新陈代谢灰色马尔科夫-ARMA的能耗组合滑动预测模型.该模型利用灰色马尔科夫方法描述了能耗的变动趋势,通过ARMA模型捕捉残差序列的相关性来描述波动性,用新陈代谢的方法剔除模型中失去时效性的旧数据,解决了常规预测模型不足以完全描述航空公司能耗运动趋势的问题,提高了模型预测精度.仿真结果表明:提出模型精度优于传统ARMA模型和灰色马尔科夫模型,能够实现月度能耗的有效预测,为航空公司能耗监测和节能工作的优化开展提供了有力支持.     

基于卷积神经网络的三维沉孔特征识别及关键参数提取北大核心CSCD

精冲零件的工艺特征识别和关键参数提取是实现精冲工艺设计智能化的关键。针对典型精冲工艺特征——沉孔,构建了一个以三维CAD模型为输入的特征识别和参数提取模型。利用改进的自适应体素化算法,将基于参数驱动批量生成的沉孔CAD模型转化为体素化模型,建立模型样本数据集;采用两步法,分别以工艺特征体素化模型为输入建立基于三维卷积神经网络的沉孔特征识别模型和以沉孔中心截面图像为输入建立基于二维卷积神经网络的参数提取模型,依次实现了3类主要沉孔特征的分类识别和参数提取。经过验证和评估,所建模型对于沉孔特征类型识别与关键参数提取均有较高的准确率,可以为精冲工艺的智能化工艺设计提供有力支撑。     

6-DOF并联坐标测量机结构参数的识别与修正

首先对6-DOF并联机构坐标测量机的组成结构及工作原理进行了介绍,然后针对该坐标测量机的运动特点,提出了一种基于逐次逼近算法的结构参数识别与修正方法.该方法以最小二乘逐次逼近算法为基础,以寻找6自由度并联机构坐标测量机的43个主要结构参数为目的.文中对所提算法的求解过程进行了详细的论述,并通过计算机仿真计算,对结构参数的识别与修正结果进行了验证.仿真结果表明,所提出的逐次逼近算法能够充分利用目标函数值的信息,优化搜索过程具有较强的方向性和目标性,且收敛速度较快.采用该方法对6自由度并联机构坐标测量机的结构参数进行识别与修正以后,可使该坐标测量机的测量精度得到明显改善.     

基于新陈代谢灰色马尔科夫-ARMA模型的航空公司能耗预测（英文）

航空公司能耗的预测直接影响能源需求的规划与节能的决策。针对航空公司能耗数据既有趋势性又有波动性的特点,提出了新陈代谢灰色马尔科夫-ARMA的能耗组合滑动预测模型。该模型利用灰色马尔科夫方法描述了能耗的变动趋势,通过ARMA模型捕捉残差序列的相关性来描述波动性,用新陈代谢的方法剔除模型中失去时效性的旧数据,解决了常规预测模型不足以完全描述航空公司能耗运动趋势的问题,提高了模型预测精度。仿真结果表明:提出模型精度优于传统ARMA模型和灰色马尔科夫模型,能够实现月度能耗的有效预测,为航空公司能耗监测和节能工作的优化开展提供了有力支持。     

基于Matlab磁流变阻尼器Bouc-Wen模型的参数识别

为解决磁流变阻尼器Bouc-Wen模型参数识别方法复杂、不易实现的难题,采用Matlab中的Simulink Design Optimization工具,在Simulink中搭建Bouc-Wen模型,利用磁流变阻尼器力学特性试验得到的试验数据,对Bouc-Wen模型进行参数识别。结合各参数的物理意义对得到的识别结果进行分析,确定出阻尼力调控参数,并在Matlab中进行线性拟合,得到其与电流的函数关系。最后搭建考虑阻尼力调控参数的Bouc-Wen仿真模型,用不同幅值和频率的正弦激励进行仿真,并将仿真结果和试验数据进行对比。结果表明:仿真结果和试验数据能够很好的吻合,得到的参数满足要求。     

基于SSA-VMD和BiLSTM的刀具磨损状态识别北大核心

针对变分模态分解(VMD)参数选取和刀具磨损特征提取困难等问题,提出了基于松鼠觅食算法(SSA)、VMD和双向长短期记忆网络(BiLSTM)的刀具磨损状态识别模型。首先,以包络熵为适应度函数,使用SSA优化VMD的参数,利用优化后的VMD分解刀具振动信号得到4组模态分量,并进行信号重构;其次,构建BiLSTM网络模型,并把信号模态分量、原始信号和重构信号一起构成特征矩阵输入模型当中,利用BiLSTM提取信号特征;最后,通过全连接层和Softmax层对刀具磨损状态进行识别。实验结果表明,SSA能够找到VMD最优参数组合,降低信号噪声,提出的SSA-VMD-BiLSTM模型在准确率和适应性方面优于传统的LSTM模型。