基于时间序列的系统盲辨识与特征提取

分析了基于时间序列的盲系统辨识方法与特征提取方法,并且对A R M A模型系统盲辨识进行了仿真,仿真结果表明基于累积量的参数确定方法优于B urg法。建立了齿轮箱A R M A系统盲辨识模型,提取时间序列模型的系数作为故障诊断的特征向量,证明了结构发生故障时系统特性的变化与故障之间具有一定的对应关系。     

混合文件系统在嵌入式智能车辆控制器中的应用

文件系统是嵌入式智能车辆控制器软件层的重要组成部分。从控制器的存储设备特性和功能出发,提出了一种cramfs＋jffs2＋yaffs2＋tmpfs的混合文件系统设计方案。此方案以几种主流的嵌入式文件系统为基础,对选取的cramfs、jffs2、yaffs2和tmpfs几种文件系统的特点进行了较为详细地介绍,最终构建了一个以cramfs为根文件系统的混合文件系统。此文件系统能够在不同的存储介质上实现不同数据的存贮,使系统的存储资源得到了有效利用．使用户配置文件掉电保存的需要得以满足,提高了系统的性能。     

基于OMAP3530平台的车道线识别检测的实现

引言本文采用ARM＋DSP双核架构的OMAP3530系列的处理器,道路图像处理部分由支持浮点运算的DSP核来完成,图像采集工作和系统的控制工作由ARM核来完成,这样的作业分配提高了系统的实时性、集成性和可靠性。车道线识别算法研究本文提出的车道线识别算法的流程如下图1所示,首先通过OV7670摄像头捕获道路图像,然后按照流程图中的步骤处理图像,最后得到清晰的车道标志线,为以后智能车辆路径规划和避障提供支持。     

免疫算法在路径规划中的应用

本文中模拟生物免疫过程,建立了免疫算法的数学模型。并研究了它在静态和动态环境下移动机器人的路径规划中的应用。并验证其应用的有效性。     

Application of particle swarm optimization blind source separation technology in fault diagnosis of gearbox

Blind source separation (BBS) technology was applied to vibration signal processing of gearbox for separating different fault vibration sources and enhancing fault information. An improved BSS algorithm based on particle swarm optimization (PSO) was proposed. It can change the traditional fault-enhancing thought based on de-noising. And it can also solve the practical difficult problem of fault location and low fault diagnosis rate in early stage. It was applied to the vibration signal of gearbox under three working states. The result proves that the BSS greatly enhances fault information and supplies technological method for diagnosis of weak fault.     

免疫优化盲源分离算法在故障诊断中的应用

将人工免疫算法用于盲源分离算法,阐述了盲源分离过程,提出了免疫优化盲源分离算法(AIS-ICA算法),针对4组特定信号的混合与分离进行了仿真试验。仿真试验结果表明,该算法具有收敛速度快、分离精度高和稳定性好等优点。将该算法用于齿轮箱振动信号的盲源分离及其故障诊断,增强了振动信号所携带的故障信息,结果表明该算法用于齿轮箱振动信号分离可增强故障信息,降低齿轮箱故障诊断难度。     

基于TTUR的C-DCGAN机械故障诊断模型稳定训练方法

针对条件深度卷积生成式对抗网络（conditional deep convolutional generative adversarial network ,简称C-DCGAN）在训练过程中出现的不稳定性问题,提出具有随机梯度下降的双时间尺度更新规则（two time-scale update rule,简称TTUR）用于C-DCGAN机械故障诊断模型训练中,在判别器和生成器具有单独学习速率的情况下提高模型的稳定性。首先,给出了TTUR在C?DCGAN模型中收敛性证明;其次,在西储大学轴承数据集（Case Western Reserve University,简称CWUR）和实验室行星齿轮箱数据集上验证其有效性;最后,引入Jensen-Shannon 散度（Jensen-Shannon divergence,简称JSD）指标评估模型捕获到的真实数据和生成数据之间的相似度。实验结果表明,TTUR提高了C-DCGAN的学习能力,优于传统的C-DCGAN。     

大功率发动机机体与曲轴组合结构自由模态分析

应用有限元法分析软件，建立了某大功率发动机机体与曲轴组合结构的有限元模型，并进行了动态特性研究，得到了组合结构的自由模态参数；与实验结果基本吻合，证明了所建模型的正确性。在建立有限元模型时，利用模拟试验，定性分析了曲轴与机体结合部的连接特性，提出了用弹簧单元来模拟油膜接触刚度的方案。分析得到，对于机体与曲轴这类组合结构，其刚度主要取决于机体，曲轴相对于机体是柔性的。因此，在以避免共振为设计目的时，应主要考虑优化机体的刚度。     

基于卷积神经网络图像分类的轴承故障模式识别

针对传统的基于数据驱动的机械故障模式识别方法中需要人工构造算法提取特征以及人工构造特征提取算法繁琐的问题,结合卷积神经网络(CNN)在图像特征自动提取与图像分类识别中的广泛应用,提出了一种基于CNN图像分类的轴承故障模式识别方法。首先,利用集合经验模态分解(EEMD)方法对轴承振动信号进行自适应分解并用相关系数对得到的本征模函数分量进行筛选。其次,对筛选得到的本征模函数分量进行伪魏格纳-威利时频分析(PWVD)计算得到信号的时频分布图,并对时频图进行预处理。最后,将轴承15种不同工况预处理后的时频图利用CNN进行特征提取与分类识别。将该方法与同类方法进行了对比,分类正确率提高了4.26%。     

基于Poly IIR方法悬臂梁模态参数识别与研究

该文为研究某风机旋转叶片的断裂原因,利用振动试验台悬臂梁进行类似的振动分析,首先利用弹性体一维振动理论得到悬臂梁的振动数学模型。通过伯努利-欧拉梁理论计算得到悬臂梁振动微分方程,并且对悬臂梁设定与风机叶片相似的边界约束条件计算得到各阶模态参数,利用Workbench有限元仿真分析得到悬臂梁前5阶固有频率与振型,最后用基于Poly IIR算法进行悬臂梁EMA参数识别,得到悬臂梁弯曲与扭转模态频率与振型,验证仿真值、实验值的一致性,可为后续动力旋转机械叶片的设计选型以及结构优化分析提供一定的参考。