基于堆叠稀疏去噪自动编码网络与多隐层反向传播神经网络的铣刀磨损预测模型

刀具磨损状态是机械加工过程中需考虑的重要因素之一.针对铣刀磨损的在线预测问题,建立了一种基于深度学习的铣刀磨损预测模型.首先,将采集到的铣刀切削时的振动信号进行小波去噪后,利用快速傅里叶变换和小波包分解等技术提取时域、频域及时频域上的特征参数,并根据相关性分析从中筛选出合格的特征参数合并为特征向量,以此作为堆叠稀疏去噪自动编码网络(SSDAE)的含噪样本.其次,利用特征后处理的方式对已经筛选出的特征参数进行单调不递减及平滑处理,并将其作为SSDAE的无噪样本来训练该网络.然后,将经过SSDAE降维后的特征向量作为多隐层反向传播神经网络(BPNN)的输入,以这些特征对应的实际铣刀的磨损量作为标签对该网络进行拟合训练.最后,对训练好的模型进行实验验证,通过测试数据集和人为加入噪声的测试数据集的对比,结果显示所提模型不仅具有较高的预测精度,还具有较高的鲁棒性.     

一种新的多渐消因子容积卡尔曼滤波

将强跟踪思想引入容积卡尔曼滤波（cubature Kalman filter，CKF），建立强跟踪CKF能有效克服CKF在模型不确定、状态突变等情况下，滤波性能下降的问题。通过分析现有多渐消因子计算方法，发现它们均只利用了协方差矩阵的对角线元素，并没有考虑各个状态之间的相关性，不能充分发挥多渐消因子的优势。为此，本文提出渐消因子矩阵，基于正交原理推导渐消因子矩阵的求解方法，提出多渐消因子强跟踪CKF算法。多渐消因子强跟踪CKF算法突破了传统多渐消因子为向量的限制，也不再要求渐消因子取值要大于1。仿真验证了算法具有更好的滤波精度何鲁棒性，能更好的满足工程应用的要求。     

HFCC高频广播协调软件的设计与实现

本文介绍了HFCC高频广播协调软件的研发背景、结构设计,重点阐述了软件各个模块的实现。最后说明了软件的应用情况及优越性。     

看好定制安装服务的前景 OSD AUDIO全球销售总监Timothy J.Leahy先生专访

今次展会上我们带来了最新推出的Black系列,它的独特设计使得安装和调试使用都十分简单,完全不用担心空间便利与否。我们认为杜比全景声的迅速流行对于整个影音行业和OSD AUDIO来说都是一个机不可失的发展机遇,所以我们率先推出了杜比全景声音箱MK 690TT,其响应频率较同类产品更宽。而MK系列的产品则采用了Kevlar或者聚丙烯材质的振盆和合金球顶高音,通过橡胶圈环绕结构达到坚固耐用的目的,同时配备了高     

基于频率最大化目标的六杆四面体网壳截面尺寸优化研究

随着计算机技术的发展,基于有限元优化的拓扑优化算法在工程设计领域得到广泛应用,以提高结构性能和节约材料.在空间结构领域,目前还并未形成系统性的结构优化策略,主要还是依靠工程师的工作经验来进行优化设计.董石麟教授等提出的六杆四面体网壳是一种由相似的四面体模块组成的空间结构,具有重复性和装配性等特点.本文以六杆四面体网壳为分析对象,进行了结构频率最大化的优化设计.根据挑选出的质量参与系数总和超过90%的7阶模态,建立优化函数最大化这7阶模态的频率,以此提高整个结构的动力学性能.优化结果表明,在结构整体减重18.31%的前提下,各阶频率增加了20%到30%,起到了良好的效果.     

振动监测技术在齿轮机构故障诊断中的应用

在机电设备故障诊断中,振动监测技术是最常用的方法。以轧机减速器齿轮机构故障诊断为例,采用频谱分析方法,从振动幅值的变化及时域波形特点分析故障频率特征,从而查明故障原因,为维修提供重要依据。