基于无监督神经网络的故障模式识别

无监督学习的竞争式神经网络是一种数据聚类方法,能保持输入空间的拓扑关系不变,借助于一维或二维输出平面的一组有序的向量,实现高维数据的聚类和可视化;探讨了一种无监督神经网络--SOFM网络原理、思想和算法步骤,研究了无监督网络在模式识别中的应用,提出了基于SOFM网络的故障模式识别和状态监测方法;通过实例研究了SOFM网络在机械设备故障模式识别和状态监测中的应用.     

圆片键合强度测试方法分析

介绍了三种典型的圆片键合强度表现形式:抗拉强度、剪切强度和粘接强度.针对每种表现形式的特点,分析了相应的测试方法.抗拉和剪切强度以力为表征,主要的测试方法是一维直拉法,可测78.4 MPa强度以下的键合样件,但是测试样件制备要求比较严格;粘接强度是以能量形式表征键合强度,可以从本质上了解键合质量,主要测试方法是DCBT法.但是DCBT法需要精确计算所做的功,对测试设备要求较高.因此,抗拉和剪切强度主要应用于生产实际中而粘接强度侧重于科研工作.     

基于MEMS压力传感器的研究

提出了一种新型高精度高温压力传感器,此压力传感器以硅片为弹性片,敏感材料为Ni-Cr合金,利用溅射合金薄膜压力敏感元件和先进的加工工艺技术制作而成。对溅射薄膜压力传感器弹性膜应变进行理论和三维有限元分析,再用先进的软件ANSYS模拟弹性膜片的应变分布,研究应变与膜的大小、厚度的关系。最后确定敏感电阻的最佳布置区域,提高了传感器的灵敏度。     

四辊冷带轧机再生颤振稳定性的统一理论

研究了四辊冷带轧机三倍频和五倍频颤振的产生机理，分析了由于负阻尼效应所导致的轧机再生颤振现象，提出了再生颤振稳定性分析的统一模型，并对其进行了理论探讨。在此基础上，通过轧机颤振的现场测试数据论证了再生颤振理论模型的正确性及其工业价值，并用数值仿真方法给出了再生颤振统一模型的稳定性图。     

核主元分析在透平机械状态监测中的应用

讨论了核主元分析(K erne l P rinc ipa l Com ponen t A na lys is,简称KPCA)原理,提出了基于KPCA的透平机械状态监测方法。该方法在低维特征空间利用内积核函数,实现原始空间到高维空间的非线性映射以及对高维映像数据的主元分析,从而在低维空间得到原始特征的非线性主元,并根据非线性主元构建特征子空间,实现特征提取和对透平机械状态的分类识别并监测其状态变化。对仿真数据及透平机械在正常、重负荷状态下试验数据的研究表明,KPCA分类效果比主元分析好,能有效地识别出透平机械的不同状态,并能及时监测到状态发生的变化。     

微机电系统静动态测试技术研究

在中国国家863高技术发展计划MEMS重大专项课题《MEMS动态特性频闪干涉视觉三维测量技术及系统》资助下，研发微机电系统(Micro Electro Mechanical System , MEMS)动态特性三维测量技术与系统。对已有的微几何量、微材料力学性能和MEMS动态参数测试方法进行研讨。 几何尺寸和表面形貌轮廓的测量是MEMS测量的基础。二维微几何量检测采用普通光学显微镜和扫描电子显微镜。表面形貌测量大致可分为接触式测量和非接触式测量，机械触针式轮廓仪是典型的接触式测量仪器，非接触式测量大多采用光学技术，主要有光针式轮廓仪，采用光切、干涉、投影光栅和微视觉等测量方法。     

基于主分量分析的信号白化解相关处理

介绍了主分量分析及其计算方法,论证了采用主分量分析方法对混合信号进行白化解相关处理的理论基础,对基于主分量分析方法的解相关处理进行了仿真。结果表明,对信号进行解相关处理可以大幅度降低信号之间的互相关程度。     

基于Smart Star嵌入式控制模块的远程监测系统开发

美国Z—World公司的Smart Star嵌入式控制模块配备了功能强大的Rabbit2000 MPU．能实现数据采集和实时控制功能。该远程监测系统由从站和主站组成，从站采用了Smart Star系列模块．Dynamic C集成开发环境；主站采用PC机，用Java技术实现3层B／S结构。阐述了系统软硬件实现、功能及其优越性。     

基于SOM网络的特征选择技术研究

讨论了一种SOM网络训练结果的可视化技巧,结合该技巧提出了基于SOM网络的特征选择方法。该方法 通过计算出SOM网络竞争层神经元权值中各维特征对输入模式聚类识别的影响,可以选择出对于模式识别敏感 的特征集。用IRIS和齿轮故障数据对该方法进行了检验,研究结果表明,采用该方法能较好地从原始特征中选择 出有效特征子集,实现不同类别输入数据之间的模式聚类识别。     

基于核函数PCA的齿轮箱状态监测研究

讨论核函数PCA(principal analysis component,主元分析)的算法原理,提出基于核函数PCA的齿轮箱状念监测方法。该方法借助于核函数计算得到原始特征的非线性主元,并根据非线性主元构建特征子空间,实现对齿轮箱运行状态的分类识别,并监测其状态变化。实例研究表明,核函数PCA分类效果比PCA好,能有效识别出齿轮箱的不同状念,并及时监测到齿轮箱工作状态的变化。