基于可拓学和SVDD的轴箱轴承故障监测

为监测轴箱轴承的故障状态,提出了一种基于可拓学和支持向量数据描述(SVDD)的轴承故障监测方法。该方法充分利用了可拓学的定性定量描述特性和SVDD的单值分类特性:通过特征提取构建轴箱轴承的运行状态物元;训练SVDD的单值分类器,通过求取最小超球体的支持向量来获取物元模型的特征参数经典域;利用关联函数对轴箱轴承的故障状态进行定性定量评估。通过分析轴箱轴承的实际振动信号,证明了该方法的可行性及有效性。     

基于支持向量机的故障诊断方法研究

针对故障诊断中存在的故障样本不完备问题,提出一种基于支持向量数据描述(SVDD)与支持向量机(SVM)相结合的故障诊断方法。该方法首先以正常状态下的数据样本与已知故障数据样本为整体建立数据描述模型、依据已知故障数据样本建立支持向量分类机模型,然后对输入的测试数据样本采用SVDD进行拒绝与接受处理,被接受的样本再利用支持向量分类机进行具体类别诊断;被拒绝的样本则为未知故障类型。数值试验表明,该方法可以有效处理故障样本不完备的故障诊断问题,能够对已知故障类型进行准确判断,并对未知故障类型给出提示,具有一定的实践意义。     

基于拉普拉斯特征映射的旋转机械故障识别

针对旋转机械故障特征信号复杂且难以提取有效特征量的问题,提出一种基于拉普拉斯特征映射算法(Laplacian Eigenmap,LE)的旋转机械故障识别方法。对旋转机械三类典型故障的监测信号进行提取和转换得到26个时域和频域特征量,在由此构建的高维特征空间中,利用LE算法进行特征融合,提取隐藏在高维特征空间中的故障本质和规律进行故障样本分类识别。利用二维或三维图像表示提取出的低维结果,以样本识别率及聚类分析中的类间距Sb和类内距Sw作为衡量指标,从模式识别的角度进行分析。结果表明:较之主元分析法(principal component analysis,PCA)和核主元分析法(kernel principal component analysis,KPCA),LE方法能够更好地从高维特征空间中提取出有效特征量表征设备运行状态,实现旋转机械典型故障的分类识别。     

基于在线半监督学习的故障诊断方法研究

针对机械故障诊断中准确、完备的故障训练样本获取困难,而现有分类方法难以有效地发掘大量未标记故障样本中蕴含的有用信息,提出了一种基于在线半监督学习的故障诊断方法.该方法基于Tri-training算法将在线贯序极限学习机从监督学习模式扩展到半监督学习模式,利用少量不精确的标记样本构建初始分类器,并从大量未标记样本中在线扩充标记样本,对分类器进行增量式更新以提高其泛化性能.半监督基准数据试验结果表明,训练样本总数相同但标记样本数与未标记样本数比例不同时,所提算法得到的分类准确率相当且训练时间相差小于1.2倍.以柴油机8种工况的故障模式为对象进行试验验证,结果表明标记故障样本较少时,未标记故障样本的加入可使故障分类准确率提高5％～8％.     

基于HOS奇异值谱的SVDD轴承故障检测方法

针对轴承故障检测中异常样本不易收集、数据分布不均以及阈值设定等问题,提出了基于支持向量数据描述(SVDD)的轴承故障检测方法.该方法只需对正常样本进行训练.以高阶统计矩阵奇异值谱为故障诊断特征,解决了高阶统计特征(HOS)数据冗余且受噪声影响的不足.实验分析了不同参数对检测性能的影响,并将本方法与多层感知机(MLP)方法及K均值聚类方法进行了比较,验证了方法的有效性和正确性.     

基于SVM-DS证据理论融合决策的故障诊断方法

针对复杂工况下单传感器对于装备故障诊断识别率低、证据缺乏、数据冗余等问题，提出一种基于支持向量机(Support Vector Machine,SVM)结合D-S证据理论的多维度特征数据融合决策故障诊断方法。首先，通过多种方法提取特征构建SVM分类器，对故障类型进行初步分类；然后，将Sigmoid函数作为传递函数，利用SVM分类器对测试数据进行分类，获取测试样本的后验概率并得到测试样本的混淆矩阵；最后，根据混淆矩阵求出局部可信度与全局可信度，并与后验概率相结合实现基本概率分配函数赋值，通过融合计算得到最终诊断结果。实验结果表明，融合后的分类器模型对内圈故障类型分类准确率达100%，对正常和滚珠类型分类准确率为95%，对外圈故障分类准确率为90%。采取多特征融合诊断相较于单一方法有较高准确率和鲁棒性，可有效降低单一特征提取所带来的不稳定性。     

基于概率神经网络和KS检验的机械状态监测

机械状态监测中经常需要用非线性分类器对机械状态进行分类.概率神经网络是一种典型的非线性分类器.它与传统BP神经网络分类器相比,具有训练速度快,分类准确性高、稳定性好等优点.但是,概率神经网络分类器和其它神经网络分类器一样,存在分类准确性完全依赖现有训练样本的缺陷.当现有训练样本数量不足或机械设备出现了新的状态时,神经网络分类器就不能进行正确分类了,从而造成误报.因此,需要对神经网络分类器的分类结果进行检验.KS检验是一种非参数统计方法,它通过描述两个统计样本的相似性,可以有效的对分类结果进行检验,及时发现概率神经网络的错误,减少误报.     

基于超球优化支持向量数据描述的滚动轴承故障检测

在仅有轴承正常运行数据的小样本情况下,支持向量数据描述(SVDD)能通过对多维特征的融合实现滚动轴承的故障检测与状态评估,但特征向量空间分布的复杂程度会直接影响SVDD的效果。为此,提出了一种基于超球优化支持向量数据描述的滚动轴承故障检测方法,通过超球优化改善特征向量的空间分布以降低数据描述任务的难度,进而使得超球优化SVDD能更有效地识别出滚动轴承故障。多组试验表明:在不同转速、不同测点、不同类型的滚动轴承故障下,超球优化SVDD比传统的SVDD方法效果更优。     

基于SVDD的机械设备状态监测方法研究

提出基于支持向量数据描述(SVDD)的机械设备状态监测方法。该方法首先依据正常运行状态下的数据样本建立数据描述模板,然后通过本文提出的距离变化率参数完成机械设备故障的识别和分类,通过实验验证该方法的可行性。而且实验结果表明,该方法可以根据设备使用状态的变化自动调整故障判断模型并减少模型重新学习次数。     

基于带野值的SVDD的高光谱图像异常检测

基于支持向量数据描述(SVDD)的高光谱图像异常检测算法常常会因为背景样本中混入异常像元(野值)而导致检测概率下降.针对此问题,提出一种基于带野值的支持向量描述的检测算法,引入原点和少量已检测出来的异常像元作为异常样本,以改善算法对异常和背景数据的描述能力;同时为抑制错误样本的影响,将异常和背景样本偏离背景样本均值的距离映射作为各样本的加权系数.结果表明,新算法在低虚警概率下较之SVDD模型有更高的检测概率.利用真实数据进行实验证明了算法的有效性.     

模具表面离子氮化工艺研究

研究了一种利用空气／甲烷混合气体对模具表面进行离子氮化的新工艺,分析了渗层的硬度、组织及物相。结果表明,通过加入甲烷气体,可以实现用空气直接进行离子氮化处理,通过调整甲烷流量,可以获得不同的渗氮硬度和物相。     

基于VRML的电梯仿真研究与开发

电梯是大型机电一体化产品,由于技术复杂,专业性强,结构封闭,在教学和培训过程中,学员不易全面了解电梯的结构.提出了一种交互式电梯虚拟场景模型,以VRML为平台开发了七层七站虚拟电梯,可直观地观察电梯的基本结构和使用过程,还可以通过与场景的交互细致了解电梯运行中各环节的工作情况.     

基于文献反思参与式设计

目的 分析和反思有关参与式设计(PD)理论形成与实践的文献,并解决三个问题,强调“参与”设计的项目中为什么使用已经淡化了“参与”概念的PD;在商业环境中进行PD实践的前提;PD的核心理念是否应当按照某些指标排序。方法 筛选Web of Science数据库中收录的PD相关研究文献,用自然断裂点分级法划分出PD研究的四个阶段,通过CiteSpace 工具筛选各发展阶段中的重要文献,定性分析各阶段的文献。结果 梳理了PD的发展过程和核心理念,得出了PD的本质,分析了PD实践与PD理论间的隔阂,并探讨了PD未来的研究方向。结论 PD本质是文化、政治思想在设计活动中的表达;设计项目中使用PD可能是为了程序正义;“有用”是商业环境中进行PD实践的前提;对PD核心理念的排序是合理且有用的。     

基于下一代网络的SLEE APIs的研究

对下一代网络业务逻辑执行环境(SLEE)的研究现状作了简要分析，在此基础上给出了业务逻辑执行环境(SLEE)的体系结构。为满足不同层次业务开发者编写业务(或应用)的需要，提出不同抽象粒度的SLEE应用业务编程接口(APIs)的体系框架。最后列举了两个用这些APIs实现的业务的例子。     

复合微孔玻璃膜的研制（Ⅱ）

利用由原硅酸四乙酯的水解缩聚反应制得的溶胶作为涂膜液，在多孔陶瓷基体上通过多次涂膜－干燥－加热过程，最后在盐酸中浸沥，可制成多孔的无机复合玻璃膜．探索了复合玻璃膜的成膜工艺因素涂膜方式和次数，加热和酸浸沥条件对膜性能的影响     

碳纤维复合材料T型接头的脱粘损伤监测实验

将压电传感与主动Lamb波监测技术相结合, 研究在静拉伸加载状态下碳纤维复合材料T型接头(T700/BA9916)界面脱粘及扩展过程中的信号特征, 并采用改进后的BP神经网络系统对接头损伤状态进行识别。实验结果表明: T型接头脱粘首先发生在三角填充区, 后向突缘扩展; 接头失效前, 信号能量和最小二乘峰值因子随时间呈线性递减, 能够表征脱粘程度, 利用自适应微粒群算法改进后的网络训练值与实验观测值之间的误差为3.8%~4.7%。     

Report on ONR Workshop on Fracture Scaling

The paper reports on the discussions at the ONR Workshop on Fracture Scaling, held at University of Maryland in June 1999, under the chairmanship of Z.P. Baant and Y.D.S. Rajapakse. The workshop dealt with size effects in structural failure and scale bridging in mechanics of materials. The lectures at the Workshop were published in Volume 95 of this Journal. The objective of this paper is to present records and interpretations of the extensive discussions prepared by invited specialists. The records show which are the areas of disagreement among leading researchers and which are those where consensus has been reached.     

制造过程的质量管理探讨（续）

生产过程控制是对“５ＭＩＥ”质量因素的探讨,其控制活动体现在每一个生产工序中。根据ＩＳＯ９００４标准,从生产过程控制的角度,探讨了制造过程的质量管理问题,并重点讨论了关健和特殊工序的控制。     

制造过程的质量管理探讨

生产过程控制是对“５ＭＥ”质量因素的控制,其控制活动体现在每一个生产工序中。