基于极值符号序列分析的EMD端点效应处理方法

针对经验模式分解(empirical mode decomposition,简称EMD)的端点效应提出一种新的抑制方法。考虑到极值序列在EMD分解的包络线形成中占有主导地位,将信号局部极值序列进行符号化,根据符号特征进行特征匹配,在信号两端依据符号序列特征匹配结果进行符号序列拓延与对应信号还原,对拓延还原后的信号进行EMD分解以实现端点效应抑制。所提方法对于随机信号与周期信号都有着明显的抑制效果,通过对仿真信号和轴承故障信号端点效应的分析验证了方法的正确性。研究与ARMA模型、BP神经网络、镜像拓延等常见方法进行了对比,所提方法的各分量有效值指标均值为19.64%,低于其他方法,说明对低频分量有着更好的抑制效果。     

基于顶帽变换的印刷网点覆盖率计算方法

为了提高印刷机自动检测网点覆盖率的能力并降低人工测量强度和成本,提出一种基于顶帽变换的印刷网点覆盖率计算方法,主要研究内容包括：网点图像的采集及前处理技术;基于顶帽变换的阈值分割研究;网点去光照计算等内容。通过对比实验分析验证了提出方法的正确性和可行性,相对于一般图像计算网点覆盖率方法而言,该方法对于光照不均匀、网点的亮调及暗调等情况有着很好的计算能力,具备良好的工程应用前景。     

基于GLCM与SVM的印刷机收纸故障诊断方法

提出了印刷画面纹理分析与支持向量机相结合的故障诊断技术,应用于印刷机收纸单元,主要内容包括：采集收纸堆的实时工作图像并进行前处理,通过灰度共生矩阵提取图像纹理特征,针对实际工况利用SVM对纹理特征进行了分析,监测收纸单元的工作状态并判断故障种类,实现了收纸故障的特征提取和故障模式识别。     

基于纹理识别的胶印机墨杠故障检测方法

墨杠是一种常见的印刷故障,其产生的原因、诊断和解决方法一直是印刷领域的研究热点.本研究提出了一种基于纹理分析的墨杠检测方法:提取在印刷过程中形成的墨杠所包含的纹理特征,建立纹理图像数据库.通过高速CCD采集待检测印刷图像,求解印刷图像与标准图像的差影图像,从而得到缺陷图像,并求其纹理特征,通过纹理特征比对判断出现墨杠的原因.实验证明了该方法在印刷机墨杠故障诊断中的可行性.     

基于多元图像特征分析的印刷单元故障诊断方法

目的提出一种基于画面分析的机械故障诊断方法,用于印刷机械中印刷单元的故障模式分类。方法通过印刷特定图像,获取印刷单元在正常与故障状态下的印刷画面,从网点覆盖率、灰度特征和画面纹理特征等3个方面构建表征印刷单元状态的多元图像特征集,并通过SVM构建故障识别网络。结果利用多元统计方法分析了印刷单元6类故障与特征集的映射关系,依靠画面特征实现了故障类别判断;经过实际故障诊断试验验证,所提出方法的准确率可达90%以上。结论图像特征集对于印刷机故障有着很好的分类表征能力,为印刷机维护提供了新的理论和方法。     

基于声场图像分析的印刷机轴承故障诊断方法

目的针对印刷机墨辊轴承的故障信息获取及诊断难等问题,提出一种基于声场图像分析的故障诊断与定位方法。方法首先,构建声音测试系统并划分检测对象的空间区域,逐一采集信号并依据对应空间位置关系进行重构与组合;其次,将一段时间内的信号能量进行叠加,同时依据空间位置关系形成叠加状态的声场图像信息;然后,引入二维经验模式分解(BEMD)分析空间域图像信息,消除环境噪声干扰并得到声场图像的高频信息。结果对不同位置、不同种类的墨路系统故障轴承进行特征分析与比对,利用IBIMF分量及统计特征实现了轴承内、外圈故障的诊断,利用无量纲特征实现了不同故障位置的有效定位,并通过实验验证了方法的有效性。结论所提出故障诊断方法发挥了非接触测量优势,同时具有较强故障表征能力,适用于同类复杂机械系统。     

基于田口分析的烟包偏好评价方法

目的通过包装设计实现科学禁烟控烟需要掌握香烟包装设计与吸烟者对香烟偏好程度之间的联系,提出一种基于田口分析的烟包评价方法。方法对烟包的关键要素进行分割,确定主要控制参数,对烟包主要控制参数进行实验评价,建立偏好程度与参数间的田口模型。结果针对市场上主流香烟包装的形态、色彩、图案进行综合分析,确定吸烟者偏好的包装方案。结论在烟包要素分割明确的前提下,田口方法能够有效地评价吸烟者对各类烟包的反应,相关研究可以为香烟销售调控、禁烟控烟执行提供有效的技术手段与分析方法。     

基于深度残差网络的滚动轴承故障诊断方法

在实现滚动轴承故障诊断的过程中,需要通过时频分析方法对原始信号进行特征集构建,期间包含大量计算且对于人工经验有着很强依赖性.针对滚动轴承故障诊断中依赖特征集选取这一问题,提出了基于深度残差网络的故障诊断方法,凭借深度学习的自主学习及强泛化能力以实现故障特征的自我获取和训练,消除故障诊断中人为特征集选取环节,从而简化故障诊断的流程.主要内容包括:首先,构建残差网络模型,通过建立多组卷积层、池化层及残差块,共同组成深层次网络模型;其次,通过滚动轴承故障实验台获取不同类型的故障样本,对信号进行分组并构建训练样本和测试样本;进而,对网络进行初始化设定后,将训练集输入深度残差网络模型,利用多层卷积和池化运算实现对原始信号抽象化表征;最后,在网络模型末端集成Softmax分类器,实现对两类轴承故障样本的分类诊断.所提出方法在两组诊断实验中均达到了 100％的准确率,对于不同类型、转速和损伤程度的滚动轴承故障都具有很好效果.研究说明所建立模型能够自主地挖掘故障信号的特征集,可在一定程度上简化故障诊断研究中的预处理和特征计算环节,避免人工提取特征的主观盲目性和经验依赖性,具有广泛的工程应用前景.     

蜂窝纸板力学特性研究进展

蜂窝纸板力学性能的研究主要集中在结构因素、静态力学模型的构建、温湿度和压缩应变率效应、有限元分析等方面。通过对以上各方面的研究现状进行分析发现,目前还没有能表征蜂窝纸板在实际物流环境中随温湿度变化和应变率变化的力学性能方法,缺乏合适的蜂窝纸板动态力学性能测试的方法和标准。因此,构建基于温湿度效应和应变率效应的蜂窝纸板能量吸收模型,研究适用于研究蜂窝纸板和其他多孔包装材料的动态压缩试验方法,并将其应用于蜂窝纸板包装优化设计之中是下一步研究的关键。     

印刷机故障诊断技术研究综述

在简单介绍印刷机故障诊断技术的基础上,将目前印刷机故障诊断技术主要分为基于信号分析、基于知识处理、基于解析模型、基于印刷图像等4类,对每类印刷机故障诊断技术中的研究方法、应用现状及优缺点进行了详细分析,最后从组合型智能诊断技术、在-离线复合诊断技术、基于印刷画面多元特征分析诊断技术、全面多功能诊断技术4个方面,对印刷机状态监测和故障诊断技术有待解决的问题进行了分析与探讨,提出了印刷机故障诊断技术的发展趋势与研究方向。