抽油机示功图曲线跟踪

提出了将机械式示功仪绘制的示功图准确，快速输入计算机的新方法，即将绘制的示功图通过扫描仪输入计算机，经过图像预处理后，再进行曲线跟踪，将示功图矢量化，为后续示功图的准确识别创造有利条件，文中给出了两种曲线跟踪算法，能有效去除示功图扫描时产生的噪声对示功图准确识别造成的影响。     

八节点四边形等参元非线性有限元分析

应用几何非线性有限元方法 ,研究了大变形问题中的纸张力学特性 ,采用修正的拉格朗日格式 ,推导了八节点四边形等参元用于非线性问题分析时的增量平衡方程 ,并编写了有关有限元计算程序 .应用该程序 ,对纸张在悬臂状态及自重作用下的静变形、无阻尼动态响应以及有阻尼动态响应分别进行计算 ,并与日本理光公司提供的试验数据以及MARC的计算结果进行比较 ,证实了该方法对于纸张的非线性力学特性的分析是有效的 ,可以为办公设备的合理设计提供科学依据     

Duabechies小波基梁单元的构造及应用研究

以Daubechies小波尺度函数作为单元插值函数，构造了一类小波基梁单元，由于采用节点挠度和转角作为单元自由度，单元连接和约束条件处理能够像传统单元一样方便地进行，从而使该小波基梁单元可有效地用于变截面、局部承载等复杂梁弯曲问题分析，数值算例表明，本文构造的小波基梁单元对不同约束条件、不同结构形式梁弯曲问题均有较高分析精度，为有限元方法提出了一种新的研究途径．     

核函数参数优化及其在故障分类器中的应用

针对基于支持向量机的故障分类器的参数优化问题,讨论了基于数据分布的支持向量机核函数参数优化的原理,提出了一种简化算法.依据简化算法实现了故障分类器的参数优化,并应用于汽轮发电机组的故障分类.测试结果表明,通过这种参数优化方法可以提高故障分类器的分类能力,并且具有算法简单、优化效率高等优点,但其通用性有待进一步提高.     

一种新的机械系统故障分类器

提出了一种利用支持矢量机对机械系统故障进行分类的新方法;以二值分类为基础,开发了基于支持矢量机的多值分类器。并以齿轮的多种故障分类为例,进行了实际应用验证。结果表明,该方法具有很好的分类能力和较高的计算效率,不需要对原始数据进行预处理就可达到满意的效果,适合于机械故障诊断中的多故障分类。该方法的应用,为故障诊断技术向智能化方向发展提供了新的途径。     

扩散遗传算法及其应用研究

针对遗传算法在局部搜索能力方面的缺陷,提出了一种基于扩散算子的遗产算法(简称扩散遗产算法)。该算法中包含的扩散算子是变异算子,其主要作用是在遗传搜索中进行局部搜索。用扩散遗传算法和实数编码遗传算法分别训练用于解XOR问题的神经网络,对比结果表明,论文提出的算法兼具强的全局搜索能力和局部搜索能力,因此,该算法可以不借助其它局部搜索算法而单独作为神经网络训练算法,从而简化训练算法,提高训练效率。该算法对提高遗传算法搜索效率和求解精度具有重要的意义。     

采用粒子群算法的冲击信号自适应单稳态随机共振检测方法

针对冲击信号阱内共振的特点、随机共振系统参数合理选取缺乏有效的理论依据以及传统自适应随机共振单参数优化的不足,提出一种基于粒子群算法(Particle swarm optimization,PSO)的多参数同步优化自适应单稳态随机共振方法.该方法采用单稳态随机共振模型,避免了经典双稳系统势阱间的共振跃迁,并选用单稳态系...     

基于数据分布的故障分类器核函数参数优化

针对基于支持向量机的故障分类器的参数优化问题，研究了基于数据分布的支持向量机核函数参数优化的基本原理．提出了一种简化算法。依据该简化算法，实现了故障分类器的参数优化，并应用于汽轮发电机组的故障分类。测试结果表明，该参数优化方法可以提高故障分类器的分类能力，具有算法简单、优化效率高等优点，但其通用性有待进一步提高。     

EMD方法在烟机摩擦故障诊断中的应用

提出了一种将经验模式分解（Empirical Mode Decomposition，简称EMD）方法与传统信号处理技术相结合的故障诊断方法。首先将原始信号分解为若干基本模式分量（Intrinsic Mode Functions，简称IMFs），通过希尔波特变换得到每个IMF相应的瞬时频率，再对此瞬时频率曲线做傅里叶变换得到其频谱图，该频谱图即表示了对应IMF的调频频率。利用对应IMF组合成基于EMD的滤波轴心轨迹，这种轴心轨迹可以准确反映轴心的实际运行状况。将该方法应用于某炼油厂烟机摩擦故障诊断中，发现摩擦故障信号具有有色噪声分量存在、工频IMF的调频现象和基于EMD轴心轨迹的反转现象等特征。结果表明提出的方法在旋转设备摩擦故障诊断中非常有效。     

基于提升小波包变换和集成支持矢量机的早期故障智能诊断

为了解决机电设备早期故障难以正确识别的问题,有效地提高分类的准确率,提出一种基于提升小波包变换和集成支持矢量机的早期故障智能诊断新方法。首先,该方法采用提升策略构造基于冲击故障信号特征的双正交小波,借助提升小波包变换提取信号的敏感频带特征,从而通过对敏感频带中的小波包系数进行包络解调分析检测出故障特征频率。其次,通过距离评估技术从原始信号和小波包系数的统计特征中选取最优特征集。最后,将最优特征输入到集成支持矢量机中,实现对不同故障类型的识别。将该方法应用于滚动轴承的早期故障诊断中,测试结果表明,该方法能够有效地提取故障特征,具有比单一支持矢量机更好的分类性能,故障诊断准确率更高。