多重分形去趋势波动分析在滚动轴承损伤程度识别中的应用

为了评估多重分形去趋势波动分析(MFDFA)在滚动轴承损伤程度识别中的性能,采用MFDFA计算了轴承故障信号的多重分形谱,多重分形谱的左右端点和极值点可以近似描述多重分形谱的形状和位置,提取这三个特征点的坐标作为刻画轴承动力学行为的特征参数。将MFDFA、4个常用的时域统计参数、小波变换(WT)方法和经验模态分解(EMD)方法分别用于识别轴承滚动体和外圈损伤的严重程度,然后分别采用马氏距离判别法、BP神经网络和支持向量机对WT、EMD和MFDFA所提取的特征参数进行分类,并比较了这些方法在故障分类中的效果。结果表明,马氏距离判别法与MFDFA的组合以及支持向量机与WT或EMD的组合可以获得较好的轴承损伤程度识别结果。研究结果进一步验证了早期工作的结论。     

基于构成模式的煤气表读数字符识别技术研究

对煤气表检定装置中的表值读数字符识别进行了研究,应用图像处理和模式识别技术来完成煤气表读数识别,设计编制了相应软件.针对煤气表读数滚动变化特点而形成的不同区域字符构成模式,采用不同识别策略与算法.对完整型字符采用结构特征判别法识别,对不完整型字符采用模板匹配法进行识别.     

声发射技术在金属板材拉深成形润滑剂配方优化中的应用

以聚四氟乙烯(PTFE)、石墨(C)、锡青铜(CuO)、环氧树脂(E44)、聚酰胺、无水乙醇、液体石蜡为原料,合成一种摩擦性能优异的固液润滑剂;利用声发射技术及马氏距离判别法对该固液润滑剂的润滑性能进行考察。结果表明:声发射技术及马氏距离判别法能准确实现对裂纹状态的识别,反映固液润滑剂在对板料拉深时的润滑性能,进而可对润滑剂配比进行优化。当聚四氟乙烯与石墨含量之比为2.5∶1时,润滑效果良好,拉深件畚斗无初试裂纹产生。     

散乱点云的孔洞识别和边界提取算法研究

针对逆向工程中已有孔洞识别算法执行效率低、孔洞边界点提取不完整等问题,提出一种新的基于KD树和K邻域搜索的点云孔洞识别及边界提取算法。该算法首先利用KD树建立散乱点云的拓扑关系。其次,计算点云密度、定义距离阈值作为判别参数,利用K邻域搜索计算每个点与其K个邻域点的距离,距离大于阈值的点即为边界点。再次,采用单坐标搜索法去除外边界,保留孔洞边界。最后,利用边界追踪算法获取完整的孔洞边界点。以涡轮叶片和挖掘机斗齿为研究对象,对点云上的自然孔洞利用该算法进行识别。结果表明,该算法能够快速地识别出散乱点云中孔洞,并能完整地提取出孔洞边界点,实用性强。     

非线性时序模型在机械系统故障诊断中的应用

提出一种基于非线性自回归时间序列模型(gereral expression for linear and nonlinear auto-regressive model,简称GNAR模型)的机械系统状态识别与故障诊断方法.利用采集系统工作过程中的特征信号建立GNAR模型；用主成分分析策略生成模型特征量,对训练样本的特征量进行识别和分类,得到各种参考模式；将几何距离判别函数作为状态分类的原则,根据待判系统特征量与各类参考模式的Euclide距离进行状态识别和故障判别.对车床颤振试验数据及高速离心空气压缩机故障数据的分析表明,该方法快捷、高效,诊断成功率较好,具有良好的工程应用前景.     

声发射和小波包分析在损伤状态监测中的应用

为应用声发射技术对结构的损伤状态进行监测与识别,基于小波包分析提出了一种在线损伤监测方法。采用D-S证据理论对声发射信号的小波包能量谱进行多源信息融合得到改进的小波包能量谱,计算Mahalanobis距离构建结构损伤状态判别指标,采用t检验的概率方法考察不同损伤状态下判别指标的变化情况。旋转轴承结构的声发射信号分析结果表明,D-S证据理论能够对声发射信号的小波包能量谱识别样本抽取有效信息,结构损伤状态判别指标具有良好的结构损伤识别能力,能够准确地实现对结构不同损伤状态的识别。     

基于触觉传感器的工件形状识别

介绍了一种利用阵列触觉传感器实现工件形状识别的新方法.该方法针对传感器采集的触觉图像的特殊性,在信号的预处理中采用Hopfield神经网络解决断线、畸变等问题.并以矩描绘子作为特征判别的主要依据,采用模板匹配法实现了工件形状的正确识别.     

增强现实数控加工中虚拟注册技术研究

探讨了一种基于角点的虚拟注册方法,详细叙述了从2D图像特征提取与3D模型匹配,到显示配准结果的全过程.提出了直线判别法来去除伪角点,并在此基础上建立了角点的高级特征,大大提高了匹配效果.匹配阶段分别采用归一化距离和马氏距离作为视类判定和仿射矩阵建立的依据.实验结果证明该方法简单有效.     

运用属性识别的发动机磨损形式识别研究

结合摩擦学原理与铁谱分析技术,建立了发动机磨损形式的属性识别数学模型。实验结果表明,属性识别模型的判别结果与专家判断法的识别结果具有较好的一致性,可为发动机磨损形式的识别及故障诊断提供科学依据。     

基于信息融合技术的气固流化床流型辨识

基于多传感器信息融合技术,提出了一种新的气固流化床流型判别的方法.利用差压传感器和电容层析成像传感器分别采集压力和空隙率信号,提取特征值并进行各自的判别.对两个传感器的判别结果采用D-S证据理论进行决策级目标识别数据融合,得到最终的流态判别的结果.实验结果表明所提出的新方法是有效的,提高了流型判别的准确性.