基于核函数PCA的齿轮箱状态监测研究

讨论核函数PCA(principal analysis component,主元分析)的算法原理,提出基于核函数PCA的齿轮箱状念监测方法。该方法借助于核函数计算得到原始特征的非线性主元,并根据非线性主元构建特征子空间,实现对齿轮箱运行状态的分类识别,并监测其状态变化。实例研究表明,核函数PCA分类效果比PCA好,能有效识别出齿轮箱的不同状念,并及时监测到齿轮箱工作状态的变化。     

基于核函数PCA的柔性薄板装配偏差源诊断

讨论柔性薄板装配过程中装配偏差的非线性传递规律.针对柔性薄板装配的特点,引入核函数PCA (principal component analysis)方法诊断装配偏差源.同时,根据实际问题的不同,核函数PCA方法所选择的核函数是不同的,选择合适的核函数是采用核函数PCA方法取得良好效果的关键.成功的工程应用表明,在柔性薄板装配偏差源诊断中核函数PCA比PCA效果更好,能够准确、快速地找到装配偏差模式.文中提出的基于核函数PCA的柔性薄板装配偏差源诊断方法是正确、有效的.     

核函数主元分析及其在齿轮故障诊断中的应用

提出了基于核函数主元分析的齿轮故障诊断方法。该方法通过计算齿轮振动信号原始特征空间的内积核函数来实现原始特征空间到高维特征空间的非线性映射。通过对高维特征数据作主元分析,得到原始特征的非线性主元,以所选的非线性主元作为特征子空间对齿轮工作状态进行分类识别。用齿轮在正常状态、裂纹状态和断齿状态下的试验数据对该方法进行了检验,比较了主元分析与核函数主元分析的分类效果。结果表明,核函数主元分析能有效的检测裂纹故障的出现,正确区分不同的故障模式,更适于提取故障信号的非线性特征。     

基于Grouplet-KPCA金属断口图像识别方法研究

Grouplet变换是一种崭新的方向性小波,可以在任意时间和空间上进行变换,拥有根据图像纹理结构自适应的改变基的能力,从而具有好的稀疏表示能力。基于此,将Grouplet变换引入到金属断口图像处理中,并结合核主成分分析(KPCA),提出了一种基于Grouplet-KPCA的金属断口图像识别方法,同时,提出的方法与基于小波-KPCA方法进行对比。实验结果表明,提出的方法克服了小波-KPCA识别方法只能获取图像有限的方向信息,取得了更高的识别率。Grouplet峭度相比于Grouplet熵,Grouplet峭度对断口图像的纹理变化更敏感,特别适于金属断口的特征提取,因而,基于Grouplet峭度-KPCA的金属断口特征提取取得了比基于Grouplet熵-KPCA的金属断口特征提取更高的识别效果。     

基于主流形识别的非线性时间序列降噪方法及其在故障诊断中的应用

提出了一种新的基于主流形识别的非线性时间序列降噪方法。新的降噪方法将一维时间序列重构到高维相空间,利用非线性降维方法找出动力学系统在相空间中具有全域正交坐标系的低维主流形,然后根据主流形反求一维时间序列,进而达到降噪的目的。对洛伦兹信号进行的数值试验证明,与奇异谱分解等现有非线性分析方法相比,基于主流形识别的降噪方法能更加有效地消除混沌时间序列中的高斯白噪声。将该方法应用于带有断齿故障的齿轮箱振动信号的故障分析中,成功地提取出了淹没在带噪信号中的冲击特征。     

基于稀化核函数主元分析的机械故障诊断方法研究

提出一种基于稀化核函数主元分析的机械故障诊断新方法.该方法通过核函数映射将非线性问题转换成高维的线性特征空间,引入可变权值对高维空间中的映射数据的协方差矩阵进行稀化,应用似然估计得到优化权值,再作主元分析,提取其非线性特征,对机械故障模式进行识别.提出的方法继承核函数主元分析的优良性质,同时又能保证在识别效率不降低下的情况下有效提高故障识别速度.仿真和实验结果表明,稀化核函数主元分析和核函数主元分析方法都能得到很好的识别效果.然而,稀化核函数主元分析由于减少了核矩阵的计算量,因而模式识别速度大大加快.     

独立分量分析基网络应用于旋转机械故障特征抽取与分类

提出了一种新颖的、基于独立分量分析(ICA)的多层神经网络,用于旋转机械不同模式(如正常及轴承故障等)的特征抽取,随后利用多层感知器(MLP)实施最终的模式分类。借助独立分量分析方法,隐藏于多通道振动观测中的不变特征得到有效提取,从而建立起稳定的MLP分类器。试验所获得的成功分类结果表明,所建议的新的旋转机械健康状况监测方法具有较大的应用潜力。     

基于核函数估计的转子故障诊断方法

研究核函数估计方法(KFA)在机械故障诊断中的应用问题,提出一种基于特征样本选择的转子故障模式分类方法。通过计算转子振动信号原始特征空间的内积核函数,将所有原始特征样本映射到高维特征空间,在高维空间中选择特征样本对转子裂纹、转子不平衡及转子碰摩三种故障模式进行分类识别,选择的特征样本远小于样本集中全体样本的数目,提高了运算速度。比较了KFA分类方法与支持矢量机(SVM)分类方法的效果,结果表明,在保证分类精度的条件下,KFA方法可以明显减少运算量,性能更优越。     

PRINCIPAL COMPONENT DECOMPOSITION BASED FINITE ELEMENT MODEL UPDATING FOR STRAIN-RATE-DEPENDENCE NONLINEAR DYNAMIC PROBLEMS

Thin wail component is utilized to absorb impact energy of a structure. However, the dynamic behavior of such thin-walled structure is highly non-linear with material, geometry and boundary non-linearity. A model updating and validation procedure is proposed to build accurate finite element model of a frame structure with a non-linear thin-walled component for dynamic analysis. Design of experiments （DOE） and principal component decomposition （PCD） approach are applied to extract dynamic feature from nonlinear impact response for correlation of impact test result and FE model of the non-linear structure. A strain-rate-dependent non-linear model updating method is then developed to build accurate FE model of the structure. Computer simulation and a real frame structure with a highly non-linear thin-walled component are employed to demonstrate the feasibility and effectiveness of the proposed approach.     

一种新的BOM构造方法及组件实现

提出一种新的BOM构造方法,采用简单的线性运算即可方便地实现BOM数据的反查、分解和组合等操作,解决了常规遍历算法复杂、效率低等问题。给出了BOM信息系统的组件框架,并成功封装了BOM算法组件,最终实现了一个基于新的构造方法的组件化BOM信息系统,提高了BOM系统的重用性和易维护性,交付用户使用,效果良好。     

主分量分析和因子隐Markov模型在机械故障诊断中的应用

主分量分析(principal component analysis,PCA)是统计学中分析数据的一种有效方法,可以将高维数据空间变换到低维特征空间,因而可用于多通道冗余消除和特征提取.因子隐Markov模型是隐Markov模型的扩展,它比隐Markov模型更有优势,适用于动态过程时间序列的建模,并具有强大的时序模型分类能力,特别适合非平稳、信号特征重复再现性不佳的信号分析.文中结合主分量分析与因子隐Markov模型,提出一种新的故障识别方法,即以主分量分析方法进行冗余消除和故障特征提取,因子隐Markov模型作为分类器.并应用到机械故障诊断中,同时与基于主分量分析的隐Markov模型的识别方法相比较,实验结果表明基于PCA的因子隐Markov模型识别法和基于PCA的隐Markov模型识别法在故障识别上都是有效的,但对于相同的状态空间,前者的训练速度快于后者,尤其是状态空间越大,这种优势越明显.     

ANALYSIS OF METHOD FOR DETERMINING AZIMUTH OF PRINCIPAL AXIS OF INERTIA BASED ON DYNAMIC BALANCE MEASUREMENT

The dynamic balance quality of a rotating object is an important factor to maintain the stability and accuracy for motion. The azimuth of the principal axis of inertia is a major sign of dynamic balance. A usual method is measuring moment of inertia matrix relative to some base coordinates on a rotary inertia machine so as to calculate the azimuth of principal axis of inertia. By using the measured unbalance results on the two trimmed planes on a vertical hard bearing double-plane dynamic balancing machine, the dimension and direction of couple unbalance can be found. An azimuth angle formula for the principal axis of inertia is derived and is solved by using unbalance quantities. The experiments indicate that method based on dynamic balancing measurement is proved rational and effective and has a fine precision.     

QUALITY CONTROL OF SEMICONDUCTOR PACKAGING BASED ON PRINCIPAL COMPONENTS ANALYSIS

5 critical quality characteristics must be controlled in the surface mount and wire-bond process in semiconductor packaging. And these characteristics are correlated with each other. So the principal components analysis(PCA) is used in the analysis of the sample data firstly. And then the process is controlled with hotelling T2 control chart for the first several principal components which contain sufficient information. Furthermore, a software tool is developed for this kind of problems. And with sample data from a surface mounting device(SMD) process, it is demonstrated that the T2 control chart with PCA gets the same conclusion as without PCA, but the problem is transformed from high-dimensional one to a lower dimensional one, i.e., from 5 to 2 in this demonstration.     

回归分析的数据融合方法

提出一种回归分析的数据融合方法,该方法能对各种不同仪器、不同量纲的回归曲线和测量数据进行融合,并给出被测量的点估计和置信区间估计。在压力容器无损检测和建筑质量无损评定中的应用表明,该方法能成功消除工程测量中无法通过仪器校准的系统误差,减小偶然误差,具有信息量大、精度高的特点。     

EMD方法基于径向基神经网络预测的数据延拓与应用

把基于径向基神经网络(radbas function,RBF)预测的数据延拓技术引入经验模态分解(empirical mode decomposition,EMD)时频分析领域,论述基于RBF神经网络预测的数据延拓技术原理,通过对非线性仿真信号基于RBF神经网络预测延拓研究表明,该延拓技术是有效的,并且把该延拓技术应用于转子横向裂纹的时频分析,获得良好的效果.该研究成果能广泛用于信号时频分析领域.     

基于Ansys的非线性动力稳定性分析方法研究

结构动力稳定性研究是工程力学领域的热门课题,其基本理论和分析方法尚不完善。因此,改进现有的动力稳定性分析方法——动态特征值法,提出基于Ansys平台的非线性动力稳定性分析方法。以一简谐载荷作用下的箱型截面长柱为研究对象,研究激励频率、动载荷幅值、阻尼比及初始弯曲对动态特征值的影响。研究表明,激励频率增大或动载荷幅值增大都会引起动态特征值的最大值增大、最小值减小,即越不利于结构的动力稳定;结构阻尼比增大,则引起动态特征值的最大值减小、最小值增大,即动态特征值变化更平稳,较高的阻尼有利于结构的动力稳定;柱初始弯曲增大,动态特征值的最小值略有增大,在一定范围内初始弯曲对动力稳定性的影响不一定是不利的。     

基于模糊优化下离散误差非线性参数识别方法研究

根据结构系统动态特性分析的模糊性,试验测试数据和离散误差选择的模糊性,提出了一种基于模糊优化下解决离散误差信号非线性参数识别的思想和方法。根据模糊数学权函数理论,建立模糊优化函数,推导出一种适用于动态结构系统响应信号高精度参数识别方法——离散误差信号模糊优化非线性参数识别算法。作为实例,对MG1432B整机的动态特性进行模糊分析,并将其响应信号测试数据进行模糊优化非线性参数识别,从而精确地识别出九阶模态参数,并绘出相应点的幅、相频拟合曲线。验证结果说明,此方法具有较高的识别精度和工程应用价值。     

基于数据挖掘的产品质量控制建模方法

在产品质量控制过程中,按统计学观点产品已发生的故障与元器件检测筛选之间存在某种内在的关系。为了有效地发现这些关联规则,建立了质量信息挖掘模型,它包括质量灰色预测挖掘算法和质量灰色关联—关联规则挖掘算法,目标是在质量信息数据库中发现所有置信度大于预定阈值的规则及预测产品质量将来发展趋势。按此模型,建立了面向产品质量信息生成的数据仓库和数据集市,设计了质量灰色预测挖掘模型和质量灰色关联—关联规则数据挖掘流程,并用电子元器件老炼筛选和故障模式归类规律两个算例,验证了算法的合理性。     

STUDY ON THE COAL-ROCK INTERFACE RECOGNITION METHOD BASED ON MULTI-SENSOR DATA FUSION TECHNIQUE

The coal-rock interface recognition method based on multi-sensor data fusion technique is put forward because of the localization of single type sensor recognition method. The measuring theory based on multi-sensor data fusion technique is analyzed, and hereby the test platform of recognition system is manufactured. The advantage of data fusion with the fuzzy neural network (FNN) technique has been probed. The two-level FNN is constructed and data fusion is carried out. The experiments show that in various conditions the method can always acquire a much higher recognition rate than normal ones.     

SIGNAL FEATURE EXTRACTION BASED UPON INDEPENDENT COMPONENT ANALYSIS AND WAVELET TRANSFORM

It is an important precondition for machine fault diagnosis that vibration signal can be extracted effectively. Based on the characteristic of noise interfused during the course of sampling vibration signal, independent component analysis (ICA) method is combined with wavelet to de-noise. Firstly, The sampled signal can be separated with ICA, then the function of frequency band chosen with multi-resolution wavelet transform can be used to judge whether the stochastic disturbance singular signal is interfused. By these ways, the vibration signals can be extracted effectively, which provides favorable condition for subsequent feature detection of vibration signal and fault diagnosis.