镁铝合金铸件压铸过程的模流分析

铸件的模流分析技术是利用计算机对铸件动态填充过程进行模拟.在对镁铝合金笔记本电脑内构件进行压铸模具设计的基础上,对其压铸进行模流分析,并通过模流分析寻找最优压铸条件.压铸过程模拟表明模流分析能够很好地模拟填充过程,且能验证模具工艺的合理性,为模具的设计提供科学的依据.     

运动条码畸变测量与校正

帧暴光CCD固体器件检测的图像无畸变,但是价格较高;行暴光CCD器件虽然价格较低,但是存在畸变。针对行暴光的图像的畸变,提出一种运动条码畸变的最小二乘法估计以及基于这个估计的畸变校正方法。对畸变图像校正的效果表明该方法的有效性,为低成本的检测器件代替高成本检测器件提供方法。     

基于图像显著轮廓的目标检测

为了应对由复杂场景和目标形变所造成的目标难以检测的问题,提出一种基于图像显著性轮廓的目标检测方法.该方法首先利用全局概率边界算法（Globalized probability of boundary,gPb）提取图像轮廓,然后利用改进的最大类间方差法（Otsu）自适应地阈值处理获得图像的显著性轮廓;再通过检测并移除目标不稳定轮廓部分构造目标的鲁棒扇形模型;最后联合轮廓的多种局部及全局特征提出三种相似且基于特征概率密度分布的匹配策略,分别检测目标、目标镜面翻转以及发生旋转的目标.通过对多个数据库的实验分析,该方法能够有效地检测出目标及目标镜面翻转,同时在小偏转角范围有效检测旋转后的目标.     

瞬态成分参数的最小二乘法辨识及其轴承故障特征提取应用

机械系统中轴承出现剥落、裂纹等局部故障,运行时振动信号中出现瞬态冲击响应成分,可通过瞬态成分的检测与提取实现故障特征提取。在瞬态成分建模的基础上,提出基于最小二乘法的瞬态成分参数辨识方法,并将其应用于轴承局部故障时振动信号中瞬态成分特征迭代提取。基于Morlet小波参数化表达式建立双边不对称的瞬态成分模型,应用Levenbery-Marquardt方法辨识模型参数,迭代提取信号中的瞬态成分,并通过Wigner-Ville分布获得瞬态成分高聚集性且瞬态成分之间无交叉项的故障特征时频表示。将基于最小二乘法的瞬态成分参数辨识方法应用于轴承局部故障特征提取,结果表明:该方法能通过参数辨识提取各瞬态成分,瞬态成分时频分布将故障的时频特征以高聚集性且瞬态成分之间无交叉项的形式表示出来,从而有效提取轴承故障特征。     

时频特征融合的交叉项消除及其故障诊断应用

提出一种基于线性时频分布和双线性时频分布的时频特征融合策略,既消除双线性时频分析的交叉项,又保持双线性时频分析的时频聚集性.仿真信号的分析说明了该融合策略的有效性.通过融合策略在轴承外圈故障以及齿轮箱故障情况下的特征信号的时频分析,表明该策略能有效表示信号中的故障特征对时间和频率的分布情况,是一种有效的故障诊断时频特征表示方法.     

广义稀疏解卷算法研究及其轴承故障诊断应用

机械系统中轴承局部故障会导致振动信号中出现瞬态冲击成分,而瞬态成分的有效提取是实现轴承故障诊断的关键。最小熵解卷积是一种基于峭度准则的微弱特征提取方法,然而其在强背景噪声下的稳定性较差。因此,提出一种基于广义P算子稀疏准则的解卷积方法。首先理论推导出广义P算子稀疏准则下的优化解卷积表达式,然后建立以归一化频率能量比为指标的广义稀疏准则下的轴承故障特征识别方法,最后利用仿真信号与实验数据对提出方法进行验证。仿真信号分析结果表明了提出方法能够识别出强背景噪声下轴承微弱故障特征;同时实验信号分析结果也证明了提出方法能可靠地检测出轴承微弱故障,并优于现有最小熵解卷积等故障诊断方法。     

基于轮廓分层描述的目标识别算法研究

有效的目标轮廓分段是描述目标局部特征的关键环节.针对现有轮廓描述算法存在轮廓分段不合理的问题,本文基于认知心理学,提出了分层描述的轮廓描述算法.算法思想是首先根据角点特征将整个轮廓划分成一些轮廓分段,接着对轮廓分段的分布特点提出价值尺度,然后将多级轮廓分段按照价值尺度原则合并得到有限个能够完整描述目标轮廓的特征分段,最后将特征分段综合考虑长度尺度应用到Shape Context相似度检测模型中进行目标识别.通过对MPEG-7图像数据库中的图像进行实验分析表明该算法能够完整描述目标图像的形状特征,提高了目标识别率和形状检索率,并对部分遮挡的目标也具有良好的鲁棒性.基本满足目标识别识别和形状检索对准确率、稳定性、抗遮挡能力等方面的要求.     

基于非局部理论的压杆稳定性及轴向振动研究

根据非局部弹性理论,研究压杆稳定性和弹性杆件轴向振动问题。结合三种典型边界条件,推导临界压力及固有频率非局部理论解。该显式解表明,无量纲小尺度参数的增大会使临界压力及固有频率减小。由压杆稳定性算例结果显示,非局部临界压力随着压杆长度的增加而减小,当压杆长度接近宏观尺寸时,临界压力趋于稳定。与经典连续介质力学相比,非局部临界压力及固有频率降低,说明经典力学高估小尺度下压杆受压承载能力及结构振动频率,随着压杆长度的增加,经典解与非局部解趋于一致。     

独立自适应学习率优化深度信念网络在轴承故障诊断中的应用研究

对机械装备轴承等关键对象的健康状态监测正在步入大数据、智能化时代。传统的轴承故障诊断方法大多数依靠人工提取特征,这需要依赖于复杂的信号处理方法以及丰富的专业经验积累。深度学习方法作为一种可以学习数据深层次特征的新的机器学习方法,将其引入机械故障诊断领域,并对其运行效率、故障识别精度进行提升,将进一步提高基于深度学习方法在故障诊断领域的实用性。提出一种基于Nesterov动量法的独立自适应学习率优化的深度信念网络,引入Nesterov动量法代替传统动量法预测参数下降的位置,控制参数达到最优点的速度,避免了传统动量法引起的错过最优点问题;利用独立自适应学习率在梯度更新时自适应选择下降步长,加快模型训练,提高模型的泛化能力。试验结果表明,在诊断精度上,相比支持向量机和标准深度信念网络,提出的方法对不同载荷工况下轴承故障识别均获得了最高的精度;在运行效率上,相比现有一些优化算法,该优化模型能够稳定有效的加快模型训练速度,提升深度信念网络的泛化能力,有效地实现轴承故障诊断。     

大学本科生互动式教学探索与实践

本文主要探讨高校互动式教学方法及其教学效果,着重分析了"自动控制原理"课程中如何有效地进行互动式教学,在实际教学效果的基础上,归纳总结了本科生互动式教学需要注意的问题和相应的解决方法,对其它课程的互动式教学具有一定的参考作用。