基于EEMD的单通道盲源分离在轴承故障诊断中的应用

针对一维观测矩阵的极度欠定盲分离模型,结合盲源分离和总体经验模式分解的优点,利用总体经验模式分解将单通道信号转化为固有模态矩阵,重组观测矩阵,再通过近似联合对角化实现信号的盲分离。数据仿真说明该方法能提取低信噪比下的轴承故障信息。实验中,对2种不同故障的轴承进行故障诊断,从而进一步证明了该方法的有效性。     

基于小波阈值滤波的轴承故障诊断

针对软阈值滤波和硬阈值滤波的缺陷,设计出了-个线性和非线性相结合的新的阈值函数.在试验仿真后,将其用于实际的振动信号处理.实践证明,此方法不仅滤除了大量的噪声,而且很好地保留了信号的细节,为提取到清晰的故障特征以及分析故障特征创造了条件.     

滚动轴承故障诊断研究

本文利用共振解调技术对不同工况下的：故障轴承产生的信号进行特征提取，结果表明共振解调技术能够有效的提取故障轴承的故障特征。     

基于Linux嵌入式系统与PC机资源共享性研究

本文介绍了以嵌入式为背景，通过对Samba的交叉编译以及移植，实现不同平台之间的资源共享。总结了不同的操作系统，不同的体系结构之间资源共享的研究。此种设计方案高效可靠，使用户能方便直观地使用和处理资源。     

基于小波包和概率神经网络的滚动轴承故障诊断

为更好实现滚动轴承的状态监测和故障诊断,提出了基于小波包分析的特征向量提取算法。通过小波包分析对信号的高频和低频进行同样精度的分解,再将有效特征向量作为概率神经网络的输入,实现滚动轴承状态监测和智能化模式识别。结果表明,小波包变换可提高信号的频率分辨率,概率神经网络可充分利用故障先验知识,两者相结合能更有效地突出故障特征。     

Sobel算子边缘检测在A柱盲区消除系统中的应用

基于TMS320DM642的A柱盲区消除系统,实现了对汽车车内带红外CCD摄像头实时捕获的司机信息进行Sobel算子边缘检测,提取司机人脸轮廓,便于对司机脸部识别与定位,达到＂影随人动＂和＂电子透明＂的效果,从而完全地消除A柱盲区,提高汽车驾驶的安全性与舒适性。实验表明,该方法具有简单、快速、准确、稳定和抗噪性能好特点,满足系统需求。     

机械密封的健康评估研究

机械密封端面膜厚状态是表征机械密封健康状况的重要参数,通过评估密封膜厚状态可以有效的延长机械密封的使用寿命,降低机械工作过程中的故障率。为了评估流体动压型机械密封开启过程的健康状态,该研究通过在实验平台上利用声发射和电涡流传感器对其信号进行实时监测并采集信号。将实验采集的信号进行处理,利用KPCA方法降维优化抽取的特征参数,采用DHMM算法建立模型进行训练并测试。结果表明,DHMM模型能够对机械密封的健康状态进行有效的评估。     

一种欠定混合情形下的信源数目盲估计方法

准确估计信源数目是盲源分离实现有效分离的重要前提之一。针对源信号数目未知且少于观测信号数目的欠定问题,提出了一种有效的信源数目盲估计方法。该方法基于经验模态分解,并结合协方差矩阵的奇异值分解,采用拉氏逼近的贝叶斯选择原理来估计源信号数目。在对观测信号进行经验模态分解前,为了消除本征模态函数的模态混合现象,引入卡尔曼滤波算法对观测信号进行了消噪处理。分别采用仿真信号和实测信号对该方法进行验证,研究表明,方法能够准确估计出源信号数目,为盲源分离提供准确的先验信息。     

基于粒子群优化LS-SVM的车刀磨损量识别技术研究

刀具的磨损状态直接影响产品加工质量、成本和效率,对刀具磨损量的实时监测识别具有重要意义。针对刀具磨损状态先验样本少和常规神经网络识别模型收敛速度慢、易陷入局部极小值等问题,提出了基于最小二乘支持向量机（LS-SVM）的刀具磨损识别方法,并针对支持向量机的惩罚因子和核参数对模型识别精度影响较大的问题,提出一种根据个体适应度来调整惯性权重的自适应粒子群算法进行自动参数寻优。以车削加工为研究对象,采集加工过程中的切削力信号,应用小波包分析技术提取反映刀具磨损状态的特征信息作为识别模型的输入,然后利用训练好的自适应粒子群算法优化后的LS-SVM识别模型进行刀具磨损量识别。实验结果表明,该自适应粒子群优化算法比标准粒子群优化算法参数寻优能力更强;粒子群优化LS-SVM模型能高效地实现刀具磨损量识别,与BP神经网络相比具有更高的精度,且所需样本数较少,训练速度更快。     

微机控制滚珠丝杆检测仪

本文介绍一种微机控制滚珠丝杆检测仪,该仪器测量精度和效率高,适于生产现场使用。