神经网络在汽车四轮转向控制中的应用

为适应车辆运动的非线性特性，采用神经网络理论，设计了神经网络汽车四轮转向控制系统，并对该系统进行了仿真分析。仿真结果表明：神经网络控制系统比线性控制系统能明显地改善控制效果。     

基于声卡虚拟音频信号分析仪设计

用普通的计算机声卡代替商用数据采集卡,利用声卡的DSP技术和LabVIEW的多线程技术实现音频信号的数据采集,开发基于PC机声卡的虚拟音频信号分析仪.该系统能够正确采集声卡设计频率范围内的信号,实现音频信号时域分析和频谱分析功能.     

基于虚拟仪器技术的振动测试系统研究

为解决机械工程领域内振动测试所需仪器繁杂、成本高的难题,把虚拟仪器技术引入解决机械工程领域中的振动测试问题。通过把计算机技术及数字信号处理技术有机结合,构建了以笔记本电脑和应用软件为核心的振动测试系统。     

MATALB统计工具箱在机械加工误差统计中的应用

首先介绍了MATLAB6.1软件的特点以及统计工具箱的基本功能，然后简述了过程控制的有关内容。以机械加工误差为例，研究了统计工具箱的应用。该工具箱不仅使用简单，而且便于教学与其它方面的应用。     

基于ITD分形模糊熵的轴承早期故障诊断

针对滚动轴承早期故障振动信号信噪比低、单一故障特征难以实现在整个复杂非线性状态空间上准确分类的局限,提出了基于本征时间尺度分解(intrinsic time-scale decomposition,简称ITD)和分形模糊熵的轴承早期故障智能诊断方法.首先,利用改进的ITD方法将包含大量背景噪声的非线性非平稳振动信号自适应地分解为不同频段的合理旋转(proper rotation,简称PR)分量;然后,提取蕴含故障信息的PR分量的分形维数和模糊熵,组成联合特征向量;最后,采用适合小样本模式识别的最小二乘支持矢量机(least squares support vectors machine,简称LSSVM)方法对故障类型进行分类.通过4种运行状态的滚动轴承实验表明,该方法能有效性地应用于滚动轴承早期故障智能诊断.     

虚拟多功能数字存储示波器的研究与设计

本文利用虚拟仪器开发平台LabVIEW和数据采集卡PCI-6024E设计了一种虚拟多功能数字示波器。它不但具有传统示波器波形显示控制的功能,而且还对传统示波器的功能进行了扩展,实现了参数自动测量显示、波形读写和波形打印等传统示波器无法实现的新功能,并将波形显示、相关分析、数字滤波、频率响应分析等功能融入仪器设计中,构成了全新的多功能示波器。     

虚拟多功能数字存储示波器的研究与设计

本文利用虚拟仪器开发平台LabVIEW和数据采集卡PCI-6024E设计了一种虚拟多功能数字示波器。它不但具有传统示波器波形显示控制的功能，而且还对传统示波器的功能进行了扩展，实现了参数自动测量显示、波形读写和波形打印等传统示波器无法实现的新功能，并将波形显示、相关分析、数字滤波、频率响应分析等功能融入仪器设计中，构成了全新的多功能示波器。     

多尺度高阶奇异谱熵和GA-VPMCD方法在转子故障智能诊断中的应用

首先,针对转子故障振动信号的非高斯、非线性特征,提出了多尺度高阶奇异谱熵的概念,并将其用于转子故障特征提取;然后,针对新的小样本多分类识别方法——基于变量预测模型分类识别的模型选择问题,结合融合诊断思想和遗传算法,提出了GA-VPMCD分类识别方法。最后提出了基于多尺度高阶奇异谱熵和GA-VPMCD的转子故障诊断方法。试验结果验证了该方法的有效性和优越性。     

设计方案的灰元优选法及其在机械设计中的应用

本文将灰色系统理论与物元分析有机地结合 ,提出了一种新的设计方案优选法灰元优选法 ,并以选材为例 ,说明在机械设计中的应用。实例表明 ,该方法计算简单 ,使用方便 ,在机械设计与制造中有着广泛的应用前景     

GA-VPMCD方法及其在机械故障智能诊断中的应用

基于变量预测模型的分类识别(Variable predictive model-based class discriminate,VPMCD)方法是一种新的分类识别方法,但模型类型的选择存在主观性。为了解决VPMCD方法应用于机械故障诊断过程中的模型选择问题,结合遗传算法的全局优化能力,提出了基于GA-VPMCD(Genetic algorithm and variable predictive model based class discriminate)智能诊断方法。首先通过样本训练建立多个弱VPM(Variable predictive model),然后采用遗传算法优化各个弱VPM的权值,得到最优权值矩阵,最后用最优权值矩阵加权融合测试样本的弱VPM特征变量预测值,得到最佳特征变量预测值,并以误差平方和最小为辨别函数分类识别故障类型。通过GA-VPMCD方法在滚动轴承故障智能诊断中的应用实验验证了基于GA-VPMCD的故障智能诊断方法能有效地提高诊断精度和诊断系统的鲁棒性。