基于EMD和AR模型的滚动轴承故障SVM识别

将经验模态分解和自回归(AR)模型应用到滚动轴承的故障诊断中,该方法先把轴承振动信号分解成不同特征时间尺度的固有模态函数,从而把非平稳信号处理转化为平稳信号处理问题,然后选取表征轴承故障的IMF分量,并建立其AR模型,提取模型的参数输入到支持向量机中进行识别。实验结果表明,该方法是有效的。     

旋转机械升降速过程的双谱-FHMM识别方法

结合双谱和因子Markov模型，提出了一种基于双谱的特征提取建立机组各状态相应的因子隐Markov模型状态识别法，并成功地应用到旋转机械升降速过程的故障诊断中，同时还与基于双谱的特征提取的HMM状态识别法进行了比较，实验结果表明该方法是有效的。     

掌上巡检仪的设计与实现

针对传统的设备巡检仪的不足，即体积大，比较笨重，功能也比较单一的缺陷，设计并开发了一种便携式掌上巡检仪。该仪器集数据采集、存储、分析、追忆、通信功能于一体。且具有体积小，重量轻，便于携带，操作方便等特点。另外，还可以将采集数据上传到服务器，作进一步的分析处理。     

网络化设备巡检系统的设计与实现

针对目前的设备巡检系统,其前台巡检仪笨重且只具有数据采集功能,无法及时地对现场采集数据进行分析,其后台管理系统不支持远程访问等问题,设计并实现了网络化设备巡检系统.该系统由前台掌上巡检仪和后台设备巡检管理系统两大部分组成.在该系统中,其前台掌上巡检仪轻便、灵活且可以对现场信号进行基本的时域和频域分析;其后台巡检管理系统不仅可以实现对巡检数据进行更加深入的信号分析、诊断及报表,而且可以通过Internet实现远程访问和共享.     

自适应径向抛物线核时频分布及其在故障诊断中的应用

针对二次型时频分布中固定核函数性能依赖于信号的局限性,提出一种新的自适应核函数--径向抛物线型核(radial parabola kernel, RPK).该核函数可根据被分析信号的不同特性,采用优化方法自适应对模糊函数进行低通滤波,最大程度地滤除交叉干扰项,提高时频分辨率,具有对信号的广泛自适应性.与常用的Wigner-Ville分布、Choi-Willams分布、锥形核分布相比,显示了其明显的优势.最后,将该核函数应用于轴承故障诊断中,取得很好的效果.     

基于局域均值分解的机械故障欠定盲源分离方法研究

结合局域均值分解(Local mean decomposition,LMD)和盲源分离各自的特点,提出一种基于局域均值分解的欠定盲源分离方法.该方法利用LMD对观测信号进行分解,得到一系列的生产函数分量,将所得到的生产函数(Production functions,PF)分量和原观测信号组成新的观测信号.对构成的新观测信号进行白化处理和联合近似对角化,得到源信号的估计.该方法能有效解决传统的盲源分离方法要求源信号满足非高斯、平稳和相互独立的假设,且要求观测信号数多于源数的不足等问题.仿真结果表明,所提出的方法是有效的,在处理非平稳信号混合的欠定盲分离方面,比传统时频域的盲源分离方法得到了更好的分离效果.将提出的方法应用到滚动轴承的混合故障分离中,试验结果进一步验证该方法的有效性.     

龙滩水电站征地移民工作中几大问题的探讨

龙滩水电站水库淹没涉及贵州、广西两省(区)，移民人数多，征地移民工作的难度很大，关系复杂。为此，结合龙滩征地移民工作的实际，对水库征地移民工作的管理模式、移民安置实施规划、淹没处理补偿标准、征地移民投资的使用管理、移民综合监理、电站利益分配等几大问题进行了初步探讨，并提出了建议。     

基于因子隐Markov模型的旋转机械故障诊断方法的研究

针对旋转机械升降速过程非平稳、重复再现性不佳的特点，隐Markov模型具有很强的针对性。因子隐Markov模型是一种多链隐Markov模型，它是隐Markov模型的一种扩展形式。作者将因子隐Markov模型引入到旋转机械升降速过程的故障诊断中，提出了基于因子隐Markov模型的旋转机械故障诊断方法，并且利用它成功地对旋转机械的故障进行了分类。实验结果表明：该方法是有效的。图4表2参8     

转子裂纹的高阶谱分析

本文研究了具有不同的裂纹深度、裂纹位置的转子裂纹的高阶谱（主要是三阶谱）特性，利用高阶谱对转子裂纹的诊断具有良好的应用前景。     

转子启动过程HMM故障诊断方法研究

如果转子机械系统存在潜在的缺陷，那么在转子启动过程的振动信号中就会出现异常现象。因此研究转子启动过程的故障诊断方法对于选择合理的应变措施是至关重要的。该过程的故障可以看作是若干主变量依赖于时间的动态模式。隐Markov模型（HMM）已经证明是学习动态时间序列的概率模型的最广泛应用的工具之一，它可以使用一个隐变量来模拟系统的动态行为的变化。实验证明，HMM可以对转子启动过程的故障进行有效的模拟诊断。