基于FrFT-FD和KPCA模拟电路故障特征提取方法

为获得有效的故障特征信息,提出一种基于分数阶傅里叶变换分形维的模拟电路故障特征提取方法。首先,把原始数据空间中的特征数据映射到不同的分数阶空间,分别计算不同分数阶次下故障响应信号的分形维数;然后,采用核主元分析进一步对候选特征实施降维;最后,将优化后的特征向量作为故障特征,利用神经网络进行分类诊断。仿真结果表明,本方法能很好地获取不同故障响应信号的细微差异,增强不同故障模式的可分性,提高故障诊断准确率。     

基于机器视觉和反向传播神经网络的蓝莓表面缺陷检测

针对蓝莓表面缺陷检测快速、准确的需求,提出一种基于机器视觉和反向传播神经网络的蓝莓表面缺陷检测方法。构建蓝莓表面缺陷图片数据集,通过形态学相加等图像处理技术实现蓝莓图像的背景去除与图像增强,采用最大类间方差阈值方法提取蓝莓表面缺陷。对蓝莓表面缺陷提取外观特征,包括色调分量图像的色调累积频度、纹理特征、几何特征。利用主成分分析优化蓝莓表面缺陷外观特征,构建基于反向传播神经网络的蓝莓表面缺陷检测模型。测试集检测结果表明,采用基于机器视觉和反向传播神经网络的蓝莓表面缺陷检测方法,平均识别率达到92.3%,对腐烂、擦伤、机械损伤、褶皱的识别率均高于83%。     

汽车变速器新产品质量检测系统中关键技术研究

针对汽车变速器下线产品质量检测过程中人工检测存在的客观性差异,以及对故障定位不准确的问题,设计并开发了一种基于阶次分析理论的变速器在线质量检测系统。该系统运用阶次分析理论对振动信号进行有效的特征提取,并运用遗传搜索策略对高维特征向量进行特征选择,以提高故障判别的效率和准确率。为解决系统的通用性问题,还提出了一种通用的变速器结构建模方法。在某变速器生产企业的实际应用,验证了提出的检测方法的有效性和准确性,证明了该方法可实时按工况对变速器产品进行质量检测。对于有质量缺陷的产品,该方法可指出其故障类型和故障位置。     

稀疏自编码深度神经网络及其在滚动轴承故障诊断中的应用

针对目前滚动轴承故障诊断主要采用监督式学习提取故障特征的现状,提出了一种基于稀疏自编码的深度神经网络,实现非监督学习自动提取滚动轴承振动信号的内在特征用于滚动轴承故障诊断。首先,将轴承故障振动信号的频谱训练稀疏自编码获得参数;然后用稀疏自编码获得的参数和轴承振动信号频谱的频谱训练深度神经网络,并结合反向传播算法对深度神经网络进行整体微调提高分类准确度;最后用训练好的深度神经网络来识别滚动轴承故障。对正常轴承、外圈点蚀故障、内圈点蚀故障和滚动体裂纹故障振动信号的分析结果表明:相比反向传播神经网络,提出的深度神经网络更能准确的识别滚动轴承故障类型。     

基于IMF能量矩和神经网络的轴承故障诊断

针对滚动轴承故障振动信号的非平稳特征,提出了一种本征模函数(Intrinsic Mode Function,简称IMF)能量矩的特征向量提取法,并与BP神经网络相结合用于滚动轴承的故障诊断.该方法首先利用经验模态分解(Em-pirical Mode Decomposition,简称EMD)方法.把振动信号分解为若干个IMF,再将重要的IMF分量作基于时间轴的积分,得到IMF能量矩特征向量,最后借助BP神经网络的分类能力对特征向量进行分类.对滚动轴承的正常状态、外圈故障、滚动体故障和外圈故障信号的分析结果表明,该方法能够准确、有效地识别这些故障.     

基于特征选择与概率神经网络的轴承故障诊断研究

为提高航空发动机轴承故障诊断精度,应用距离评估准则和概率神经网络分类技术,提出了一种基于特征选择与概率神经网络的轴承故障诊断方法。首先,利用轴承故障试验数据,提取得到14个时域特征和13个频域特征,构成故障诊断多域特征集;其次,为提高分类效率,降低各特征量间的耦合特性对分类结果的影响,应用基于距离评估的特征选择方法,筛选得到分类性能更好的特征参数;在此基础上,应用概率神经网络方法进行了轴承故障诊断研究。应用轴承模拟故障实验数据进行验证,结果表明,与BP神经网络和支持向量机诊断方法相比,PNN方法诊断精度更高;同时由于采用了特征选择,诊断效率和精度又得到进一步提高。     

基于神经元网络的轴类零件实例分类模型

提出一种基于神经元网络的轴类零件分类模型，采用基于反向传播算法的多层前馈式神经网络(BP)和自适应共振理论网络(ART1)实现基于特征的轴类零件家族的动态聚类与从聚类模板到每一事例的索引，完成轴类零件的实例分类三层模型。这种并行、分布式的神经网络分类处理过程大大提高了推理效率，为实例推理提供了崭新的思路。     

基于优化CNN与信息融合的地铁牵引电机轴承故障诊断

针对在单一传感器下轴承故障识别率低的问题,提出一种基于优化CNN与信息融合的地铁牵引电机轴承故障智能检测方法。首先,选取NU216轴承为研究对象,预制故障缺陷;然后,采用正交试验法设计试验方案,采集NU216轴承的振动信号和声发射信号;其次,将原始数据通过连续小波变换,分别提取轴承的振动和声发射信号的时频域特征,并将2类单通道数据进行融合,得到双通道融合数据集;最后,将得到的3类数据集分别划分为训练集和测试集,输入优化后的卷积神经网络模型进行训练、测试。试验结果表明,基于振动信号的故障诊断准确率为95.76%,基于声发射信号的故障诊断准确率为92.33%,基于融合信号的故障诊断准确率为98.59%。     

基于GA_BP算法的化工设备设计人工时预测

针对目前人工估算人工时预测精度低的问题,提出基于遗传算法优化反向传播神经网络的算法建立人工时预测模型,对化工设备设计人工时进行定量预测.首先对化工设备设计项目的管理流程和设计特点进行分析;然后对用户数据库中的历史项目数据进行统计,并对统计数据进行参数的贡献度和相关性分析,同时结合参数在预测时获取的难易程度,选择出适当的人工时预测模型输入参数;再建立基于反向传播算法的预测模型,并针对反向传播算法的缺陷选择遗传算法优化反向传播神经网络和支持向量机算法进行建模,预测结果表明遗传算法优化反向传播神经网络算法更适合化工设备设计人工时预测.采用基于遗传算法优化反向传播神经网络算法的模型进行了实例预测.     

变分模态分解消噪与核模糊C均值聚类相结合的滚动轴承故障识别方法

提出了一种变分模态分解消噪与核模糊C均值聚类相结合的滚动轴承故障识别方法。首先,对实测振动信号进行处理,得到VMD的参数;然后,对信号进行VMD分解,得到一系列限带内禀模态函数(BIMF)分量,筛选并叠加组成重构信号;第三步,计算重构信号的样本熵和均方根值作为特征向量,从而得到训练样本和测试样本的特征向量集;第四步,通过KFCM聚类方法对训练样本特征向量集进行聚类分析,得到四种类型信号的聚类中心;最后根据测试样本特征向量与训练样本聚类中心欧式距离最小的原则识别故障类型。此外,将振动信号用经验模态分解(EMD)方法进行消噪,再用KFCM聚类进行分类识别,将两种方法的识别效果进行对比,结果表明所提方法的故障识别效果要优于EMD消噪和KFCM聚类相结合方法的识别效果。     

一种高效的过渡特征识别与抑制算法

过渡特征的识别与抑制是有效实现CAD／CAE、CAD／CAM集成的关键技术之一。提出了一种简单、高效的过渡特征识别与抑制算法。该算法首先识别出零件中的全部过渡面，并将它们划分为边过渡特征、点过渡特征以及混合过渡区域，将混合过渡区域分解为独立的边、点过渡特征，将每一边、点过渡特征所包含的全部过渡面作为一个整体，采用欧拉操作进行抑制。该算法简化了抑制过程，显著提高了抑制效率。此外，该算法不受过渡面生成方法的制约，能处理任意类型的过渡面。最后，给出了实验结果。     

CAPP系统中三维制造特征提取关键技术的研究

特征提取技术对继承已有的设计资源以及实现设计与制造的集成具有重要的意义。为了将CAD系统中的设计特征转化为CAPP系统中制造特征,提出了伪制造特征的概念,并对其进行了定义。在此基础上介绍了如何从CAD系统中提取伪制造特征以及如何将伪制造特征映射为工艺设计中的制造特征,为后续工艺自动规划做准备。     

基于多特征融合的汉英口语翻译自动评分方法研究

汉英口语翻译自动评分不仅仅可以提高评分的效率,同时也可以确保评分的公正客观性。本文提取了汉英口语翻译自动评分的相似度特征、句法特征和语音特征,得到了用于自动评分的11个特征。以某大学英语专业口语翻译课程考试所采集的语音信号为例,最终获得了包含8个特征的汉英口语翻译自动评分模型。结果表明,在去除特征之后,汉英口语翻译自动评分系统的性能得到了一定程度的改善。本论文的研究对汉英口语翻译自动评分研究具有一定的参考机制。     

基于属性邻接图的制造特征识别方法

制造特征的识别是实现CAD／CAPP／CAM集成的关键技术,既要将特征交互的区域合理分解,又要避免在识别过程中把单个特征不恰当地分解为两个或多个特征,本文使用辅助面、延伸面相结合的方法,对零件的属性邻接图表示进行扩展,同时引入了联合加工特征的概念及识别方法,使扩展后得到的图被分解后能够真实地表示零件的制造特征,从而使加工的推理胡切、更快捷。     

适应性特征及其模型维护

提出采用适应性特征和传统特征共同表示设计模型的方法，该方法改进现有特征造型技术，实现装配模型与零件模型在数据层面的统一；从适应性特征的定义、分类、性质等基本属性出发，论述了适应性特征的模型表示方法、模型维护策略以及算法，并在实践中进行了验证。     

车加工特征的自动识别与选择方法

提出一种车加工特征的自动识别和优化选择方法。首先，对于需要铣／车的零件，使用基于实体布尔运算的渐进式方法生成最大车加工体；然后，在毛坯和最大车加工体几何模型的基础上。生成需要切除材料的几何模型，并将该模型剖分为单元网格，形成属性化图的表示，根据属性化子图匹配算法统一地识别常规特征和用户自定义特征，形成零件车加工的原始特征集合；根据特征个数和方向数最小原则对原始特征集合进行优选和去冗余；最后，在相交特征之间选择特征前后顺序约束，使得按此顺序修剪后的特征重叠部分达到最少，以实现加工时间优化的目的。最后输出的是修剪后的非冗余特征集合及在其上的前后约束有向图。     

基于特征相关性和冗余性分析的机械故障特征选择研究

从特征相关性和冗余性的定义出发，利用特征与类别间的互信息对特征相关性和冗余性进行了度量，提出了一种基于特征相关性和冗余性分析的特征选择方法。数值仿真和柴油机故障特征选择实验结果表明，新方法可以快速、有效地求得优化特征集，是求解特征选择问题的一个较好方案。     

基于图的特征识别中体特征的生成方法

提出了一种把特征面表示转换成特征体表示的新方法，该方法首先利用特征面表示的几何信息与拓扑信息对相交特征的边界进行恢复，并对相关特征面进行适当的延拓构造特征的壳体；然后根据特征的加工顺序，用特征壳体逐次分割毛坯去除体，进而得到加工特征体表示。这种方法对任意类型的特征均可统一处理。     

基于样条链（环）的CAD模型过渡特征识别与抑制

提出了一种基于样条链（环）的过渡特征识别与抑制算法。该算法首先识别出模型中所有过渡特征,然后构造过渡特征面边图,依次取出其中的连通子图,建立起样条链（环）,对样条链（环）依次抑制,对非样条链（环）的过渡特征按最小等半径连通子图方法抑制。研究表明,该算法能抑制变半径、等半径过渡特征且能很好地处理含有诸多样条面（非二次曲面）过渡特征的模型。     

异构CAD系统间协同设计技术的研究

对各CAD系统间相似的特征建模操作进行总结,建立了一个中性特征对象库(NFO),利用NFO文件能在各CAD系统间有效地进行特征级的数据交换.并对协同设计平台中最关键的转换器进行设计.最后,在UG和Solidworks间实现特征级数据的转换,证明了该方法可行、可靠.