基于PCA和径向基函数神经网络的滚动轴承故障模式的识别

根据径向基函数神经网络的优点，在对滚动轴承振动信号故障特征分析的基础上，提出一种应用主矢量分析(PCA)将高维相关变量转化为低维独立变量，利用其特征值建立径向基函数神经网络的方法，并用该网络对滚动轴承的故障模式进行了识别。理论和试验证明了该方法的有效性，且具有较高的识别精度。     

基于CCD的轴径检测方法

给出了一种CCD相机标定与亚像素边缘检测相结合的轴径测量方法。该方法在修改了张正友标定方法中的畸变模型的基础上,利用专门设计的夹具夹持标定板进行CCD相机的外部参数标定,有效地保证了被测轴的夹持状态与标定的外部参数一致。使用拟合形式的亚像素边缘检测算法确定轴的两条边缘的位置,同时给出了利用伪直径确定真实轴径的函数关系式。通过与精密量具的测量结果对比,当轴径的基准尺寸在35～75mm时,该方法测量的平均误差为0.02mm。     

基于双谱估计的滚动轴承故障特征的研究

提出了基于双谱估计的滚动轴承诊断的方法。利用双谱函数做出滚动轴承故障信号的特征图谱，并加以分析。实验表明，双谱可以敏感地监测滚动轴承故障的出现，并且可以有效地识别滚动轴承不同的故障特征。     

一种适用于图像测量的角点检测算法

根据角点一定是边缘点且是2条边缘或多条边缘交点的几何特征,提出了一种基于亚像素边缘拟合的角点提取算法.首先,获得形成角点的边缘所处的图像区域,在该区域中利用亚像素边缘检测算法求得边缘的方程,然后利用相邻2条直线方程分别求交点,最终取均值求出角点的亚像素坐标.通过与Bouguet算法比较,发现在视觉比较、投影误差相近的情况下,本文角点检测算法获得的尺寸测量值的平均绝对误差要小于Bouguet算法,证明本算法更适用于高精度的图像测量。     

斜井人车缓冲装置的研究

阐述了目前斜井人车缓冲装置的缓冲原理和存在的问题，提出了一种缓冲可靠、造价低廉、调力方便的摩擦片式缓冲装置，并利用优化设计的方法进行了机构的设计。     

双目视觉技术在结构件尺寸测量中的应用

对结构件视觉测量的工程应用、检测模型进行讨论,提出一种双目视觉检测结构件空间尺寸的方法。应用改进的求解摄像机内外参数的方法对单摄像机有效焦距进行标定,应用以像素坐标到对应的极线距离为目标函数的优化方法对基本矩阵进行了估算,通过对本质矩阵的奇异值分解得到两个摄像机之间的旋转矩阵和平移向量。实验室条件下对轻型车凸轮轴凸轮间距空间尺寸进行了实际测量,结果表明,测量方法能够达到监测组合式凸轮轴凸轮间距的要求。     

基于AR模型和径向基神经网络的滚动轴承故障诊断

径向基函数(RBF)神经网络是一种三层前馈型非线性神经网络，它具有较强的函数逼近能力和分类能力。根据径向基函数神经网络的优点，在对滚动轴承正常和故障振动信号特征分析的基础上，提出了采用时间序列方法对其建立AR模型，利用AR模型特征参数建立径向基函数神经网络，并用该网络对滚动轴承的故障信号进行了诊断。理论和试验证明了该方法的有效性，且具有较高的诊断精度。     

机械视觉技术在机械制造自动化中的应用

目前,机器视觉技术可以完全取代人眼来实现视觉观察的功能,并且可以更准确地判断和测量视觉。其目的是借助计算机有效识别3D世界中的各种目标。对于现有的机器视觉技术,它具有高灵敏度和测量精度,噪声低,判断和测量速度低,抗电磁干扰能力强干扰,可用于联合和计算机数据处理。计算机信息为企业生产减轻了工作量,提高了生产效率。目前,机器视觉技术已被广泛应用于各个行业,特别是机械领域制造自动化。     

基于小波减噪的滚动轴承故障频率的识别

研究了振动信号局部奇异性在小波变换下的特性,定量分析了小波变换方法的减噪特性。根据滚动轴承故障振动信号和噪声的局部奇异性在小波变换下模极大值在不同尺度上的传播特性不同的特点,利用小波分解和重构算法,对轴承振动信号进行了分解、减噪、重构和谱分析。实验表明,小波减噪方法非常适于低信噪比情况下滚动轴承微弱振动信号的故障频率检测。     

基于低分辨率图像的自适应超分辨率重构算法

提出一种适用于内部独立运动、静态等多种模型的、基于多幅低分辨率图像的超分辨率重构算法。该算法赋予各低分辨率图像不同的权重和正则化参数,在每次迭代时对权重系数和正则化参数进行更新,采用松弛迭代法得到最优解,从而获得重构图像。实验结果表明,该算法获得的重构图像效果优于双三次B样条插值法和传统的最大后验概率估计方法。