基于参数优化VMD的齿轮箱故障特征提取方法

为解决齿轮箱故障振动信号信噪比低、故障特征提取难的问题,提出了基于参数优化变分模态分解(VMD)的齿轮箱故障特征提取方法。首先,以分解结果的局部极小包络熵最小为目标,利用果蝇算法搜寻VMD分解参数K和α的最优组合;将原始信号分解成若干IMF分量,从中选择包络熵较小的分量进行信号重构,并对重构信号进行包络解调运算,从重构信号的包络谱中提取故障频率特征。结果表明,利用此方法对实测信号进行处理,成功降噪、提取齿轮箱故障特征,并且比利用经验模态分解方法降噪效果更好,提取的故障特征更加明显。     

新型陶瓷3D打印机结构多目标参数优化设计

以一种新型陶瓷3D打印机为研究对象,提出以可操作度数、各向同性和工作空间三个性能同时最优为目标。首先介绍了机构的整体构型和喷头内部零部件的装配情况,其次在机构进行位置正逆解分析的基础上,推导出雅克比矩阵并求出关于三个优化目标的目标函数,依据空间几何关系确定约束条件,结合NSGA-Ⅱ算法进行优化得到了Pareto最优解,从中选取10组数据进行分析后最终确定了机构的尺寸参数。对优化前后的三个目标值进行对比分析可知,可操作度数和工作空间有所增大,各向同性的条件数适当减小,证明了算法优化的正确性。     

基于空间权重与模糊感知的节点部署策略

为提高环境监测应用中节点部署的准确性,提出一种基于空间权重与模糊感知的粒子群优化算法。引入空间权重量化区域重要性,建立模糊感知模型描述节点感知性能,设计加权覆盖率作为算法评价函数。在此基础上,挖掘感知模型中的粒子飞行特性,并利用权重引力优化粒子进化方程,提高算法的寻优能力。仿真结果表明,与粒子群优化算法、虚拟力算法和外推人工蜂群算法相比,该算法最高可使目标覆盖率提升13%,节点数减少15%。     

液力变矩器性能测试软件系统开发

液力变矩器的性能直接影响工程机械产品的性能和安全性,液力变矩器试验台能够描绘出液力变矩器的性能曲线。基于LabVIEW软件平台,开发出液力变矩器性能测试软件系统,可提高变矩器性能检测的自动化和智能化程度。经过长时间试验,证明该测试系统程序运行稳定可靠,测试结果精确,符合GB/T 7680—2005的要求。     

基于鱼眼镜头的全方位视觉系统的设计及实现

在对基于全方位视觉的移动机器人机动目标识别跟踪进行研究的基础上,建立了基于鱼眼镜头的全方位视觉图像的畸变矫正系统.该系统采用基于立方体投影模型来矫正畸变的鱼眼图像,并用基于立方体投影的鱼眼镜头图像畸变校正系统对鱼眼图像进行了畸变校正.实验结果表明采用以上方法能够有效的克服原始的鱼眼图像存在的几何变形,校正后的鱼眼图像符合人的直观感觉,真实感较强.     

快速成型中保留模型特征的分层算法研究

在快速成型领域,一般分层算法不考虑模型特征,这可能会导致一些重要特征的丢失或偏移。针对此问题,在充分研究现有分层算法的基础上,提出一种保留模型特征的分层算法。该分层算法首先对STL模型三角面片进行预处理排序,然后以自适应分层算法确定分层厚度,最后对特征进行识别,针对不同特征进行不同处理来调整分层厚度,使分层厚度考虑到加工层厚引起的误差,从而可以保证成型件特征位置的准确。通过实验验证,该分层算法可以精确地识别特征,合理地确定分层厚度,具有一定的参考价值。     

基于GSM和嵌入式系统的无线通讯模块

文利用当前嵌入式技术和全球移动通讯技术,把GSM手机模块和嵌入式系统平台相结合,即ARM与GSM兼容,实现汽车多媒体系统的无线通讯模块的软件设计部分。同时给出实现方法和应用程序开发流程。本系统的硬件平台是基于ARM9的SBC-2410X开发板,嵌入式操作系统为现在应用最为广泛的WindowsCE平台。     

基于显微双目立体视觉系统的研究

对显微双目立体视觉系统中的图像预处理、特征提取、立体匹配三个方面进行了深入的研究.在图像预处理方面,采用了高斯平滑和图像增强处理,有效的抑制了随机噪声对图像处理的影响,为后续工作提供了良好的图像信息.在特征提取方面,采用Canny算子进行边缘特征提取与采用census变换提取邻域特征相结合的原则.在立体匹配方面,应用三个匹配约束条件,采用Hamming距离检测的方法作为灰度相关测度.本论文采用Visual C++6.0高级语言,进行试验,以深度图形式给出了最终的立体匹配结果图像.     

时空上下文与CamShift相结合的目标跟踪算法

针对传统的时空上下文(STC)目标跟踪算法在完全遮挡或者遮挡面积过大时易导致跟踪失败的问题,提出了一种将STC与CamShift相结合的目标跟踪算法.通过设定一个阈值,来判断时空上下文算法何时进入目标遮挡.当进入遮挡时,利用CamShift算法得到的跟踪中心修正时空上下文模型计算出的跟踪中心,并用修正后的中心更新局部上下文区域.实验结果表明:提出的算法较原有的算法更加适合复杂的场景变化,具有更好的鲁棒性和稳定性.     

基于滑动平均与分段线性回归的时间序列相似性

针对时间序列相似性度量中欧氏距离对异常数据敏感以及DTW距离算法效率低的问题,提出基于滑动平均与分段线性回归的时间序列相似性方法。首先,使用初始可变滑动平均算法以及分段线性回归对原始时间序列进行数据变换,并将分段线性回归的参数(截距与距离)集作为时间序列的特征,以实现时间序列的特征提取和数据降维;然后,利用动态时间弯曲距离进行距离计算。该方法在时间序列相似性上与DTW算法的性能相近,但是在算法效率上几乎提高了96%。实验结果验证了该方法的有效性与准确性。