AR模型的盲辨识及其在机械故障中的应用研究

提出了一种AR模型的盲辨识的算法，该算法与传统AR模型的辨识算法的区别在于：它可同时确定AR模型的阶次和参数，而不需事先确定AR模型的阶次或者假定AR模型的阶次已知，其特点是计算最小，具有很好的收敛性，并在此基础上，将AR模型的盲辨识方法应用到机械故障诊断中，进行了实验研究，取得了很好的效果。     

基于Web的多机组远程监诊系统的设计与开发

基于Internet的远程监测与诊断是设备诊断技术和计算机网络技术的有机融合，是设备故障诊断技术发展的崭新阶段。本系统是在本地多机组分布式网络化状态监测与诊断系统基础上而开发的基于Internet的远程诊断系统。提出了系统的总体方案，论述了系统开发过程中所涉及的关键技术，对系统接入Internet所带来的安全问题进行了讨论。     

基于支持向量机的故障模式识别研究

支持向量机为因缺乏大量故障样本受到制约的智能诊断提供了一个全新的途径.从振动信号中提取特征向量作为支持向量机的输入,对滚动轴承故障模式进行识别.实验表明,在含噪声条件下支持向量机对滚动轴承故障模式仍然具有优秀的分类性能.     

小波和FHMM在旋转机械升降速过程中的应用

小波变换具有时频局部化的特点，可有效地用于非平稳信号的分析和处理。因子隐Markov模型(FHMM)是隐Markov模型(HMM)的扩展形式，适用于动态过程的时间序列的建模并具有强大的时序模式分类能力，特别适合非平稳、重复再现性不佳的信号分析。结合小波变换和FHMM．提出了基于小波变换的FHMM状态识别法，即从小波分解结构中提取一维信号的低频系数作为特征向量，以FHMM作为分类器．并进行实验研究。实验结果表明，该方法是有效的。     

考虑温升梯度影响的表贴式高速永磁电机转子强度分析

针对非导磁金属护套表贴式高速永磁电机的转子强度分析问题,基于弹性力学的平面应力模型,采用极坐标下的位移法,推导了考虑静态过盈量、转速以及转子温升梯度影响的转子强度解析解,并通过有限元仿真和试验验证了解析解的有效性。在转子强度解析解的基础上,进一步研究了护套厚度、静态过盈量、转速及转子温度等参数对转子应力的影响。仿真及试验结果表明:解析解能够准确计算考虑温升梯度影响的表贴式高速永磁电机转子的径向应力、环向应力及等效Mises应力。高速离心力和转子发热使永磁体内的拉应力大幅增加,同时也增加了护套所承受的Mises等效应力。适当增加静态过盈量和护套厚度可增强永磁体内的预压力,使永磁体免受高速离心力及转子发热产生的拉应力所破坏。     

经验小波变换-同步提取及其在滚动轴承故障诊断中的应用

为了准确诊断轴承故障并探究故障信号的时变特性,提出了一种基于同步提取变换（Synchroextracting Transform,SET）和经验小波变换（Empirical Wavelet Transform,EWT）的轴承故障诊断方法。对故障信号进行经验小波变换分解,把分解得到的若干个经验模态进行同步提取变换,将所有模态的SET 结果叠加即可得到EWT?SET的时频结果。仿真表明,提出的方法比传统的SET 方法有优势,能够有效解决传统SET 方法在处理瞬时频率较近的模态信号时易出现瞬时频率特征模糊的问题。把所提出的方法应用到不同损伤程度的轴承故障诊断中,实验验证了提出的方法能有效地诊断出轴承故障与损伤程度,能清晰地表示故障信号的时变特征。     

基于自相关的AR模型的盲辨识算法

研究了一种AR模型的盲辨识算法，该算法可同时辨识AR模型的阶次及相应的模型参数，而不需事先确定AR模型的阶次或者假定AR模型的阶次已知，其特点是计算量小，具有很好的收剑性，适合在线建模，并与常用的奇异值-最小二乘法相比较，无论是运行速度、还是辨识精度方面，都具有优势，尤其随着阶次的增加，优势越明显，仿真结果表明该算法是很有效的。     

基于聚类分析和骨架提取的含裂纹超声红外热像增强方法研究北大核心CSCD

超声红外热图像因噪声干扰及缺陷位置的热扩散,导致其存在对比度差、清晰度低、边缘模糊等问题。为了增强红外图像视觉效果,提高缺陷检测能力,提出了一种基于聚类分析和缺陷骨架的超声红外图像增强方法。采用基于kmeans的DBSCAN聚类算法对裂纹发热区域进行识别聚类,将图像分解为缺陷生热区域与非缺陷区域;然后,对缺陷区域进行骨架描述,并沿裂纹骨架走向采用改进的部分子块重叠直方图均衡算法对缺陷图像进行增强。提出的超声红外图像增强方法与常用的直方均衡化、限制对比度自适应直方图均衡化、自适应同态滤波三种方法进行对比,结果表明所提的增强方法可以得到对比度更显著的图像,具有明显的优势。提出的方法为增强超声红外图像视觉效果、提升裂纹诊断能力提供了一种有效方法。     

一种改进的量子旋转门量子遗传算法

量子遗传算法易陷入局部极值.为此,提出一种改进量子旋转门的量子遗传算法.将量子比特的概率幅值应用于染色体编码,使用量子旋转门实现染色体的更新操作,从而实现目标的优化求解.理论分析及实验结果表明,该算法以概率1收敛,强收敛于1-ε,与双链遗传算法相比,能增加算法复杂度,延长平均时间,对验证函数1收敛次数由3次增加到7次,对验证函数2收敛次数由8次增加到9次.     

基于量子遗传的机械故障非线性盲源分离方法研究

针对传统的机械故障非线性盲分离方法的不足,即将非线性盲源分离中分离矩阵和非线性去混合函数的参数分开来优化,这样容易顾此失彼,学习效率低。将量子遗传引入到机械故障非线性盲分离中,提出一种基于量子遗传的机械故障非线性盲源分离方法(简称QGA-NBSS方法),该方法能同时对分离矩阵和非线性去混合函数的参数进行优化,获得全局最优解并加快了算法的全局收敛性,克服了传统的机械故障源的非线性盲源分离方法的不足。仿真和实验结果验证了提出的方法的有效性。