基于KPCA LVQ和内置传感器信息采集的滚珠丝杠故障诊断研究

研究了全闭环数控机床伺服进给系统的编码器、光栅尺等内置传感器信息采集并从中获取滚珠丝杠故障状态信息的方法;在分析了滚珠丝杠信号的非线性、非平稳性特征的基础上,提出了基于小波包分解提取滚珠丝杠故障状态信号能量特征值的方法,并用该能量特征值与峰度、频率、方差等时-频特征量组成滚珠丝杠故障诊断的原始特征集,采用KPCA法剔除了对故障诊断贡献率不明显的冗余特征;建立了基于KPCA-LVQ神经网络的滚珠丝杠故障模型;并通过试验,对KPCA-LVQ与KPCA-BP两种神经网络的诊断结果进行了对比分析。证明了文中所研究方法对滚珠丝杠故障诊断的可行性和有效性。     

满拉土心墙堆石坝坡稳定分析

为保证土石坝在自重、各种情况的孔隙压力和外荷载的作用下，具有足够的稳定性，采用了瑞典圆弧法和简化毕肖普法，并运用水科院土石坝稳定计算程序《ＳＴＡＢＩ》进行了粘土心墙堆石坝坝体稳定计算，在地震工况下采用了拟静力法进行坝坡稳定计算，计算结果，在正常蓄水位遇８度地震情况下，除上游坝坡为１：１．８５时坝局部不稳定外，其他工况下坝体稳定。     

综采设备故障诊断的框架知识表示

专家系统主要产品包括三个组成部分：知识库、推理机和用户接口，其核心是知识库，有效合理的知识表示是专家系统中知识处理的基本前提。采煤机、液压支架和乳化液泵站是组成综采设备的三种主要设备。作者以这三种设备为基础，对综采设备故障诊断专家系统中的知识表示问题，提出了用框架结构对其知识进行表示，讨论了框架结构知识表示的推理和搜索技术，并可以用C 语言实现，得出正确的诊断结论。     

基于深度学习和多传感器的数控机床铣刀磨损状态信号监测方法研究

由于单一传感器存在获取信息量有限、抗干扰能力较弱等问题及传统网络模型诊断时间长、诊断率低等现象,采用振动、噪声等多个传感器监测铣刀的磨损状态。提出将深度学习和多传感器相结合的铣刀磨损状态信号监测方法;将经核主元筛选和未筛选的数据分别输入到BP神经网络、RBF神经网络和深度卷积神经网络中进行模式识别,并对识别结果进行对比和分析。结果表明:深度学习和多传感器相结合的铣刀磨损状态监测方法在特征量比较大、数据量比较多的情况下诊断速度、准确率均比较高,在铣刀磨损状态监测中具有明显的优势。     

基于电磁法的切应变检测系统的设计

在机械构件的应变检测中，传统的应变片法由于需接触检测而难以满足检测要求。基于电磁检测原理提出了受扭构件切应变的非接触实时在线定量检测方法，设计了以AT89C52为核心的旋转构件切应变检测系统。介绍该系统的功能、硬件构成、软件设计及其实现。仿真试验表明，该系统运行可靠，检测准确，具有推广应用价值。     

钢丝绳断丝损伤定量识别虚拟仪器系统开发

基于LabVIEW软件平台,开发了钢丝绳断丝损伤定量识别虚拟系统.该系统包括原始断丝损伤信号的数据采集和储存、波形回放、信号处理、数据库管理几个子系统,以模块化的方式构建了整个系统,各个功能模块既可以单独作用完成特定的模块功能又可以相互关联共同实现断丝的识别.通过实验室试验表明,以软件函数编程的方式实现的钢丝绳损伤定量...     

基于迁移学习的钢丝绳断丝定量检测方法EI北大核心CSCD

针对目前钢丝绳断丝定量检测的问题,利用深度卷积神经网络强大的特征提取能力,提出一种基于迁移学习的钢丝绳断丝定量识别方法。通过连续小波变换将原始断丝漏磁信号转换成时频图。将预训练网络GoogLeNet的低层参数直接迁移,使用标记好的时频图对网络高层进行参数调整,得到最终的目标模型。通过内外部断丝试验验证了所提出的定量识别模型的效果,将传统的BP(back propagation)神经网络与所提出的方法进行对比。结果表明:基于迁移学习的断丝定量识别方法能准确区分钢丝绳的内外部断丝故障,分类准确率达到了97.2%;与传统BP神经网络相比,所提出的方法对各种断丝具有更好的识别性能。     

液压支架活塞杆伸缩距离的电磁检测法

基于电磁检测原理，探讨了一种适合于检测工作在煤矿井下的液压支架的活塞杆伸缩距离的电磁检测新方法。此方法也同样适合于地面机械设备运动构件移动距离的在线定量检测。     

在LabVIEW中第三方数据采集卡的应用

虚拟仪器是一种新型的仪器概念,是和计算机相结合的产物,是未来仪器的发展趋势.用PCI2003采集卡代替NI公司的数据采集卡,开发了一套钢丝绳损伤检测虚拟仪器.该系统是一种精度较高,费用较低的测量技术.     

钢丝绳芯胶带定量探伤系统的研究

本文介绍了利用电磁探伤原理和计算机定量处理技术，研究钢绳芯胶带芯绳断裂的定量探伤系统，为确定钢绳芯胶带的剩余强度提供了新的方法和途径。