基于小波灰度矩向量与连续马尔可夫模型的轴承故障诊断

根据机械设备故障诊断本质特征和连续马尔可夫模型（cHMM）所具有的较强的时序模式分类能力的特点,提出了一种基于小波灰度矩向量与CHMM的滚动轴承故障诊断方法。从轴承振动信号提取一种量纲一的小波灰度矩向量作为特征参数,并训练几种故障状态的CHMM,再运用训练好的CHMM进行轴承的状态监测与故障模式的识别。诊断与对比实验表明该方法在故障样本少的情况下仍能进行准确训练与诊断。     

电流变流体及其应用前景

介绍电流变效应,以电流变液体和电流变效应的工作机理,着重探讨电流变效应和电流变流体在机电一体化工程中的应用前景。     

基于Internet/Intranet在线监测系统实时监视界面的设计与实现

结合基于Internet/Intranet在线监测系统远程实时监视图形界面特性与开发实例，着重阐述了在这种情况下用Java技术进行在线监测系统实时监视图形界面设计的方法与实现方式，最后讨论了该技术的发展前景。     

大型机电设备的高可靠性监控系统

基于PLC的监控系统的可靠性不仅与PLC本身和被监控对象外围设备的可靠性有关，还与所采取的各种干扰措施有关。为提高系统的可靠性和容错能力，本文从应用角度论述了如何提高PLC监控系统的可靠性，并以此为依据设计了某大型机电设备的热备监控系统，实际运行结果证明，该系统容错性能好、可靠性高。     

基于Internet/Intranet连铸机旋转塔实时监测与故障诊断系统

结合实例阐述了基于Internet/Intranet连铸机旋转塔实时监测与故障诊断系统的设计思想和软、硬件构成，使实时监测与故障诊断系统更具完善性和新颖性。     

机床相对动柔度劣化趋势预测研究

在机床的连续使用过程中,其相对动柔度第一阶固有频率、最大相对动柔度、平均相对动柔度和品质系数COM均会发生不同程度的改变,因此,对机床相对动柔度劣化趋势进行预测研究就具有非常重要的意义。然而,由于机床相对激振实验会影响机床的正常使用,很难获取大量的机床相对动柔度数据。为解决实验数据的小样本问题,采用广义隐马尔科夫模型(Generalized Hidden Markov Model,GHMM)以及重心法进行机床相对动柔度劣化趋势研究。结果表明:和隐马尔科夫模型(Hidden Markov Model,HMM)相比,GHMM具有更高的预测精度,可以很好地解决小样本问题;各个评价指标的准确预测,可以大大减少复杂的相对激振实验次数,快速地得到机床相对动柔度劣化趋势。     

网络化监测与诊断技术研究

在分析了传统监测与诊断系统特点的基础上，提出了一种网络化的监测与诊断模型，该模型充分运用分布式人工智能和网络的优点，完成监测与诊断任务，具有层次清晰、实现方便、维护简单和工作可靠等特点。章最后给出了该模型的一个应用实例。     

煤矿钢带机人员监测装置设计与应用研究

根据煤矿具体情况,分析钢丝绳牵引带式输送机(以下简称钢带机)运行过程中对输送人员的分布要求,设计了钢带机人员监测装置。该装置通过热释电传感器、光电编码器和对射型光电开关等光电传感器的组合应用,实现对人员间距的监测。将其应用到煤矿钢带机,使用结果表明该装置能有效监测钢带机上人员间距并实时报警。     

液压系统运行状态监测

状态监测技术是提高液压设备运行可靠性与安全性的一种有效手段和方法，文章在分析了液压系统状态监测的目的与监测内容的基础上，提出了一种基于网络与PLC的液压监控系统模型。简要分析了该模型的结构与功能并给出了该模型的应用范例。     

基于概率神经网络和KS检验的机械状态监测

机械状态监测中经常需要用非线性分类器对机械状态进行分类.概率神经网络是一种典型的非线性分类器.它与传统BP神经网络分类器相比,具有训练速度快,分类准确性高、稳定性好等优点.但是,概率神经网络分类器和其它神经网络分类器一样,存在分类准确性完全依赖现有训练样本的缺陷.当现有训练样本数量不足或机械设备出现了新的状态时,神经网络分类器就不能进行正确分类了,从而造成误报.因此,需要对神经网络分类器的分类结果进行检验.KS检验是一种非参数统计方法,它通过描述两个统计样本的相似性,可以有效的对分类结果进行检验,及时发现概率神经网络的错误,减少误报.