基于知识增殖神经网络的滚动轴承故障诊断

对滚动轴承故障模式识别进行了研究,阐述了小波包神经网络诊断方法的工作原理和实现过程.针对在处理大规模或者较复杂问题时,人工神经网络存在网络学习失败或推广能力不好的问题,从网络推广能力的角度分析了具有知识增殖能力的小波包神经网络诊断系统的结构设计.试验结果表明,所提出的故障诊断方法能够较精确实现滚动轴承多部位的单一、复合故障的定位和模式识别,效果明显好于单一网络.     

EMD下轴承故障程度诊断技术的研究

对滚动轴承程度故障诊断进行了研究,重点研究了在经验模态分解(EMD)条件下的传统经典理论与现代智能理论,提出了EMD和频率散度指标相结合的诊断方法.阐述了基于EMD的轴承故障诊断原理以及故障程度诊断的现状,指出神经网络诊断的"黑箱操作"往往遗漏了信号内蕴藏的本质特性,并分别使用传统和现代方法对轴承滚动体3种不同剥落程度故障进行诊断.实验结果表明,所提出的传统诊断方法能够实现故障程度的正确诊断,更发现了滚动体频率散度指标存在着随剥落程度增大而减小的潜在本质规律,为轴承故障程度诊断提供了新思路和新方法.     

流线形流管无阀压电泵的仿真与实验

基于现有无阀压电泵输送活体细胞或者长链功能性高分子时依然存在输送破坏与缠绕失性等缺点,提出了一种流线形流管无阀压电泵,研究了4组不同角度的流线形流管无阀压电泵的输出性能。首先,阐述了泵的结构及工作原理,建立泵的流量表达式;其次,采用Fluent流体分析软件对β角度分别为10°,15°,20°和25°的流管组成的无阀压电泵进行内部流场动网格仿真,发现内部流场稳定性随着β角的增加而降低,而最佳输出流量伴随着角度的增加而增加,对比相同压差下流线形流管和锥形流管的仿真结果,发现流线形流管可有效提高流体流动的稳定性;最后,对4组不同角度的样泵进行流量测量实验,并将实验结果与仿真结果进行对比。结果表明:实验得到的最佳输出流量变化趋势以及泵送方向均与仿真结果一致。本研究促进了流线形流管无阀压电泵在微活性物输送领域以及医疗保健领域的应用。     

改进SVM模型在轴承故障诊断中的应用研究

针对轴承故障诊断中支持向量机(SVM)模型结构自适应性差,导致SVM检测效率不高的问题,提出了基于核主成分分析(KPCA)和蚁群优化支持向量机(PSO-SVM)的轴承故障检测方法.该方法不仅能够利用KPCA选择轴承故障数据重要的非线性特征,确定最佳特征变量数,同时还应用PSO优化SVM训练过程,从而获得结构参数合理且泛化能力良好的轴承故障诊断模型.通过轴承故障实验数据来检验模型,结果表明了所提方法检测性能高于目前常采用的PCA-SVM、KPCA-SVM以及SVM等方法,从而为SVM更好应用于轴承故障诊断提供技术支持.     

滚动轴承故障程度诊断方法研究

针对滚动轴承故障程度诊断,提出了基于有效值-转频比和连续小波能量熵的联合故障程度诊断方法.通过sigmoid函数将二者有机融合起来,构造出故障程度因子指标.研究结果表明,构造的故障程度因子在轴承正常状态下的值较小,并随着故障程度的加剧而不断增大.     

浅谈家庭无线局域网的协议

本文主要讲述一个终端比较全面的家庭局域网络的拓扑结构,实现本拓扑结构所需要的的协议。本文的目的是学习搭建本网时所用到的协议。本文涉及到的家庭局域网是目前使用最多的基于TCP/IP架构的网络,采用5层组织结构。家庭网络发展到现在已经非常普及了,有必要明确一个家庭无线网所支持的应用,如RDP、FTP、文件共享等技术、内部WEB在手机、平板、电视等主要家庭终端上的应用。     

LVQ神经网络在滚动轴承故障诊断中的应用研究

滚动轴承多部位多类别故障诊断属于大规模或者较复杂分类问题,利用智能方法诊断时需要设计结构合理的神经网络才能实现高精度诊断.因此,笔者对基于学习向量量化(LVQ)神经网络的滚动轴承多故障诊断进行了研究.首先通过模拟故障实验采集到滚动轴承不同部位和类型的10种故障振动信号.然后选择db16母小波对实验所采集的数据信号进行三...     

滚动轴承故障程度识别与诊断研究

通过滚动轴承模拟故障试验台,获取了滚动轴承外圈、内圈和滚动体不同剥落程度时的振动信号,并对故障程度的识别与诊断进行了探索.采用经验模态分解方法对轴承信号进行分解,得到其固有模态分量,然后将前8阶分量的有效值作为特征向量输入BP神经网络,进行故障程度识别与诊断,滚动轴承3种类型不同程度的故障被准确地区分出来.