小波分析在信号包络提取中的应用

包络分析是机械测试和故障诊断领域的常用方法 ,本文利用小波的频带分离特性和噪声的小波变换特性 ,将希尔伯特变换和小波分析结合起来 ,提高了提取信号包络信息的精度 ,并通过实例说明了这种方法的有效性     

基于最大熵准则的加工过程神经网络建模

传统BP算法收敛速度慢、产生局部极小点的原因之一是该算法采用的是均方误差准则。为了改进BP算法的不足,提出基于最大熵准则的BP算法,并应用于加工过程的神经网络建模。仿真表明：基于最大熵准则的BP神经网络建模,其辨识精度优于一般BP算法神经网络建模。     

FMS递阶智能控制系统研究

本文提出建立以组织级、过程控制级和执行组组成的ＦＭＳ递阶智能控制系统来保证ＦＭＳ运行的优化。建立了一个基于知识的调度专家系统和用于动态调度的人工智能启发式算法和ＢＰ神经网络为主要结构的ＦＭＳ智能控制系统。控制系统采用状态实现多智能模块之间的协调和驱动。。     

正弦信号非零奇异值的变化规律研究

在信号的奇异值分解中,非零奇异值是信号的重要特征参数,其变化对特征提取结果有重要影响。研究了非零奇异值的变化特性,发现随着矩阵维数的增大,正弦信号的非零奇异值并不是单调上升的,而是在上升过程中存在周期性波动。进一步研究发现,这种波动和原信号的频率密切相关,原信号的频率越大,非零奇异值的波动速度就越快。从理论上对非零奇异值的这种变化规律进行了分析,证明了非零奇异值波动的快慢是由正弦信号的频率决定的,而其波动基频是原始信号频率的两倍,并通过数值模拟实例进行了验证。     

奇异值差分谱理论及其在车床主轴箱故障诊断中的应用

证明采用Hankel矩阵时奇异值分解(Singular value decomposition,SVD)可以将信号分解为一系列分量信号的简单线性叠加,为了确定其中的有用分量个数,提出奇异值差分谱的概念。差分谱可以有效地描述有用分量和噪声分量的奇异值性质差异,根据差分谱峰值位置可实现对有用分量个数的确定。研究结果表明,当差分谱最大峰值位于第一个坐标时,则表明原始信号存在较大的直流分量,此时根据第二最大峰值位置可以确定有用分量的个数,否则就根据最大峰值位置来确定分量个数。利用差分谱进一步研究Hankel矩阵的结构对SVD降噪效果的影响,指出矩阵列数和噪声去除量存在抛物线状的对称关系。利用基于差分谱的SVD方法对车削力信号进行处理,结果有效地分离出由于主轴箱故障齿轮的振动而引起的调制信号,并根据此信号可靠地定位了故障齿轮。     

多分辨奇异值分解理论及其在信号处理和故障诊断中的应用

提出多分辨奇异值分解(Multi-resolution singular value decomposition, MRSVD)的概念,基于矩阵二分递推构造原理,利用奇异值分解(Singular value decomposition, SVD)获得具有不同分辨率的近似和细节信号,以多分辨率来展现信号不同层次的概貌和细部特征.给出MRSVD的分解和重构算法,并从理论上证明这种分解方式的多分辨分析特性.研究结果表明,MRSVD可以精确地检测出信号中的奇异点位置,克服小波检测时的奇异点偏移缺陷,并具有优良的消噪能力,可实现零相移消噪,此外还具有微弱故障特征提取能力,在对一个轴承振动信号的处理中,提取到其中隐藏的周期性冲击特征,实现对轴承损伤的准确诊断.相应地与小波变换结果进行比较,证明MRSVD在信号处理和故障诊断领域是一种很有应用前景的方法.     

铣削加工过程的智能多目标优化方法

采用神经网络和专家系统的方法,实现带宽容分层约束的铣削加工过程多目标优化,利用Ｂｏｌｔｚ－ｍａｎｎ机神经网络求妥各层次的多目标优化问题,利用专家系统控制进程。通过实例证明了系统优化求解的有效性。     

制造过程的智能多目标优化方法

采用神经网络和专家系统相结合的方法实现带宽容分层约束的制造过程的多目标优化。该方法利用Ｂｏｌｔｚｍａｎｎ机神经网络求解各层次的多目标优化问题,同时利用专家系统控制优化进程。通过实例证明了该方法优化求解的有效性。     

刀具磨损的小波检测

通过建立刀具磨损时的切削力信号奇异性指数与刀具磨损状态的对应关系 ,利用小波变换对切削力信号进行分析 ,实现了对刀具磨损的间接测量     

模糊神经网络问题解决方法分析——制造系统控制的智能化发展综述之二

本文针对模糊神经网络的缺陷,综述了提高模糊神经网络综合性能的方法;分析了模糊神经网络和信息熵理论、粗集理论结合的基础,指出信息熵理论、粗集理论在神经网络中的应用有助于解决模糊神经网络存在的问题,完善智能化控制并进一步促进其发展。