铁谱磨粒形态分形特征参数提取方法研究

阐述了分形与分形维数的定义，给出了铁谱磨粒分形维数和无标度区间的计算原理。编制了磨粒图像处理及磨粒分维计算的计算程序，并以片状磨粒为实例，提取了该磨粒的轮廓分维特征、磨粒表面纹理特征、表面纹理方向特征与磨粒表面间隙度特征四个特征值，为有效识别磨粒提供科学依据。     

油液污染度优化组合预测研究

油液污染是引起液压系统故障的主要原因。该文建立了基于灰色残差的修正模型、时间序列和神经网络的优化组合预测模型，并将该模型应用于液压油液污染度的预测，实验结果表明，该模型在油液污染度预测中取得良好的效果，对实际油液污染监测具有一定的价值。     

"ADL"自主装修系统的研究与实现

在移动互联的时代,在日常工作和生活中扮演着越来越重要的角色,基于自主装修系统的服务及产业化,正成为智能服务的一个重要发展方向.提出了实现一款自主装修系统,对系统功能、前后端技术、数据库方面以及产品的SWOT进行了设计、研究与分析.ADL实现了用户自主设计的可能,扫描户型图纸后,通过VR眼镜上的红外线测距器将房间内大小空间一比一的比例呈现在VR眼镜上,确保了其真实性,在有限的虚拟空间内,用户可以选择自己喜爱的家具摆放在想放置的地方,当然,也可以更换.     

基于EMD与GA-SVM的轴承故障诊断

特征提取与特征选择是实现轴承故障诊断的关键.针对特征提取,首先将轴承振动加速度信号进行经验模态(empirical mode decomposition,简称EMD),得到一组固有模态函数(intrinsic mode function,简称IMF),计算各IMF的能量和IMF矩阵的奇异值分布,采用Shannon熵、Rrnyi熵度量能量和奇异值分布,同时提取原信号的部分统计特征共同构成原始特征子集;针对特征选择,采用遗传算法(genetic algorithm,简称GA)和最小二乘支持向量机(least square support vector machine,简称LS-SVM)的Wrapper方法选择最优特征子集.在实际轴承故障诊断中的应用,表明文中所提方法的有效性.     

基于LS-SVM和AR模型的油液光谱数据预处理研究

油液光谱分析技术可以检测出机械设备润滑油中各种元素的成分和浓度,但光谱分析数据受噪声、补油和换油的影响严重,不能很好地反映出机械设备的磨损情况。对光谱数据进行提升小波分解,通过分析细节信号,检测出野点;用LS-SVM对趋势项建模,对各层细节信息建立AR模型,分别预测出补、换油后及野点处的值并进行叠加;为提高预测精度,用QPSO对LS-SVM的参数进行了优化。结果表明:该方法能有效修正原始数据,从而提高对机械设备磨损状态监测和故障诊断的精度。     

基于多维时间序列模型的内燃机磨损状态预测研究

现有的油液光谱数据预测方法仅考虑单一数据内部前后间的联系,忽视不同种类数据间的相互影响。多维时间序列模型能够将多种元素光谱数据融合起来同时进行建模,利用所建模型对光谱数据进行预测,提高预报精度。通过内燃机台架实验获得多种元素的光谱数据,选择典型的磨损元素Fe和Al、污染元素Si以及添加剂元素Mg作为分析元素,通过分析找出相关性较大的元素,利用多维时间序列模型对其进行预报,从而对内燃机的磨损状态进行准确判断。结果表明,将多维时间序列模型引入油液光谱数据预报能对内燃机的磨损状态进行准确预测。     

基于DCT的微弱信号提取和识别

微弱信号提取一直是故障诊断领域的难点。结合离散余弦变换(DCT),将离散时间序列经过离散余弦变换处理成对应的系数向量,在阈值处理的基础上,重构信号提取出微弱故障信息。与小波降噪和低通滤波方法进行对比分析,该算法突出了信号的微弱故障特征信息,较好的再现了夹杂在信号中的微弱成分,参数设定简单,结果对参数不敏感。最后通过实验证实该方法的有效性。本算法速度快,简单易行,可用于实时故障监测。     

基于功率键合图的自行火炮液压系统动态仿真

自行火炮输弹机液压系统的动态数学模型,基于自行火炮液压系统输弹机结构和工作原理,采用功率键合图的建模方法建立.由该模型推导出系统的状态方程,并用Matlab-Simulink,先设置约束条件,再对其进行动态特性仿真,其结果和实际情况相符合.仿真结果能为液压系统的检测和诊断提供依据.     

融合LBP和GLCM的纹理特征提取方法

为提取有效的特征用于纹理描述和分类,提出一种融合局部二进制模式(LBP)和灰度共生矩阵(GLCM)的纹理特征提取方法。利用旋转不变的LBP算子处理纹理图像,得到LBP图像及其GLCM,采用对比度、相关性、能量和逆差矩描述图像的纹理特征。实验结果表明,与其他方法相比,该方法提取的纹理特征具有更强的纹理鉴别能力,平均分类正确率达到93%。     

离散余弦变换在轴承故障诊断中的应用

针对轴承故障难以快速诊断的问题,提出了基于离散余弦变换(DCT)和Hilbert变换提取轴承损伤的特征信息新方法。首先采用离散余弦变换对时域信号进行处理获得系数,再合理选择离散余弦变换系数重构信号,用Hibert包络分析重构信号并从中提取特征频率。实际应用表明,该方法能快速、准确地检测出轴承损伤,可有效应用于轴承故障的在线监测与诊断。