粒子滤波在轴承故障振动信号降噪中的应用

针对轴承故障信号的降噪处理,研究了粒子滤波方法和它在信号降噪中的应用.首先建立轴承故障振动信号的数学模型,将其作为粒子滤波的状态方程;然后提取背景噪声,将其和状态信号一起作为观测信号,得到观测方程,据此对原始真实信号进行估计,得到降噪后的信号,并通过仿真分析可知降噪前后的信噪比有明显的提高;最后将粒子滤波降噪思想用于所...     

粒子滤波在轴承故障振动信号降噪中的应用

针对滚动轴承振动信号容易受到较为复杂的随机噪声的污染,提出了基于Rao-blackwellised粒子滤波的振动信号降噪方法。建立了不含噪的振动信号的时变自回归模型,进而转化成对应的状态空间模型,把降噪问题转化成在状态空间模型下的滤波问题,并用仿真信号进行了试验研究,结果表明,该方法具有较好的降噪效果。     

IIR数字滤波器在砌块成型机振动信号滤波中的应用

振动信号采集系统采集到的砌块成型机振动信号中包含大量的噪声污染,不加处理的振动信号可读性低,很难对其进行深入的分析。经讨论分析选用由MATLAB程序直接设计的IIR数字滤波器系统对砌块成型机振动信号进行处理。实例表明,这种方法对砌块成型机振台振动信号具有很好的滤波效果。     

学习向量量化(LVQ)网络在周期信号识别方面的扩展应用

学习向量量化网络是一种十分有用的神经网络,它在模式分类方面有广泛应用。但在其它方面应用很少。通过对LVQ网络的一些改进,实现了LVQ对周期信号的识别,并且可以通过调整相似的程度来限制结果,对于低于规定相似程度的输入,网络可以把它作为样本储存下来。     

粒子滤波在机械密封声发射信号降噪中的应用

机械密封声发射信号容易受到环境噪声的干扰,信噪比很低。提出一种基于互补集合经验模态分解(CEEMD)和粒子滤波(PF)相结合的降噪新方法(CEEPF)。该方法首先对采集的声发射信号进行CEEMD分解,利用相关系数原理识别出高频IMF分量后对其进行重构;然后对重构后的信号建立ARIMA模型,将其作为信号的状态方程,再利用小波分解重构思想提取测量噪声,并建立测量方程;最后对重构信号进行粒子滤波,将滤波结果与各低频IMF分量一起重构得到降噪后的声发射信号。结果表明:基于CEEMD与PF的机械密封声发射信号降噪方法能够很好地滤除背景噪声,并且能最大程度保留有效信息。对仿真信号和实验信号分别进行CEEMD小波阈值、标准粒子滤波、CEEPF降噪,发现CEEPF降噪在降噪效果上明显优于其他2种方法。     

信号重构中的时域反滤波及其应用

监测设备的振动通过谱分析来判别其运行状态往往是行之有效的方法。本文根据循环圆卷积矩阵的逆阵仍然是循环圆卷积矩阵的原理，提出了利用快速付里叶变换（ＦＦＴ）快速解线性卷积和反卷积的时域反滤波计算方法，并应用此算法对气缸压力波形进行了时域恢复。该算法与传统的卷积和反卷积计算方法相比，乘法次数少，计算速度快，便于对信号实时处理。采用时域反滤波方法恢复时域波形比基于频域变换重建气缸压力波形方法，计算环节少，易于硬件实现，对源信号的实时远距离监测和故障诊断具有十分重要的意义。     

人工神经网络在机器人视觉中的应用

由于很多复杂的非线性问题常设有算法可循,人工神经网络（ＡＮＮ）以其优越的非经性模式分类性能和很强的自组织、自学习能力日益受到重视。它在智能化机器人领域的应用主要涉及的两个方面：机器人视科象处理和模式识别,机械手控制算法。本文主要探讨人工神经网络在机器人视觉领域的应用。     

自动跟踪相关滤波在电主轴动平衡中的应用

根据动不平衡信号的信息特征和信号的相关性,给出了自动跟踪相关滤波原理和算法;基于Labview开发系统,依据自动跟踪相关滤波原理开发了动不平衡信号提取图形化程序,应用此程序对含有不同倍频谐波和噪声的振动信号进行仿真处理,并在电主轴动平衡中进行现场试验.结果表明,通过自动跟踪相关滤波,能够准确提取不同转速的动不平衡信号;能够满足电主轴高精度动平衡测试的要求.     

递推平滑滤波在矿用通风机性能测试中的应用

本文对递推平滑滤波的原理及性能进行了分析，得到了滤波器截止频率与采样频率、滤波器队列长度的关系。将递推平滑滤波应用在通风机压力测试中，取得了较好的效果。     

最近邻模式识别法在车载FSK信号检测中的应用

最近邻模式识别法在采用较高采样频率而导致频谱分辨率不高的情况下仍可准确检测FSK信号,有效避免了以往欠采样带来的采样时间较长的弊端.文中介绍了最近邻模式识别检测原理,并通过其在车载FSK信号检测中的应用证明其优越性.     

模糊神经网络法及其在缺陷模式识别中的应用

针对冷轧带钢表面缺陷图像模式识别中出现的问题,引入模糊模式识别和反向传播神经网络识别方法.在研究比较两种识别方法的基础上,利用模糊模式识别在剔除噪音数据和反向传播神经网络在模型拟合和非线性识别上的优势,提出一种新的模糊神经网络方法,并详细讨论了算法的结构特点及其实现方法.对五种出现频率较高的典型缺陷图像进行计算机实验研究,结果表明,该方法能对缺陷图像进行有效的识别,具有良好的性能.     

BP和RBF神经网络在人脸识别中的比较

BP和RBF是模式识别中应用最为广泛的2种神经网络，本文将这2种网络应用于人脸识别，分别建立了人脸识别模型。利用ORL人脸图像数据库进行了仿真实验，通过对比分析它们各自的识别率和泛化能力等性能指标，提出了在应用这2种神经网络进行模式识别时应注意的方面。     

基于引导滤波与神经网络算法的螺纹孔检测方法

为解决测量曲轴端面螺纹孔操作繁琐、精度差及效率低等问题,以型号YC4W75曲轴为例,提出1种基于引导滤波与神经网络算法的螺纹孔检测方法.首先,将实时采集到的图像,利用引导滤波和形态学对图像进行预处理,消除表面噪声、花纹等影响,提取曲轴端面内螺纹小径的边缘特征,然后,结合RANSAC算法,利用Pytorch创建神经网络模...     

基于电压信号深度特征学习的谐波减速器健康状态识别

目前工业机器人谐波减速器健康状态识别多以振动信号为载体,需要外加测试系统,增加了数据获取难度及成本,且其准确性和有效性受传感器安装位置影响。基于此,提出基于电压信号深度特征学习的谐波减速器健康状态识别方法。利用工业机器人电机电压信号对谐波减速器健康状态进行表征,使用连续小波变换将电压信号转换成时频图以获得谐波减速器不同健康状态下电压信号的时频信息,构建出数据样本集。利用卷积神经网络对电压信号时频信息进行自学习,并有监督调整网络参数,在获得谐波减速器不同健康状态下电压信号深度特征的同时实现对其健康状态的识别。实验结果显示,所提方法识别准确率达到了90%以上,证明了该方法能够有效识别谐波减速器健康状态,并具有较好的泛化能力和稳健性。     

形态学在机械工具识别中的应用

从理论和试验两方面对归一化形态谱（形状谱）进行了分析和描述，同时证明了在采用圆盘状结构元素的情况下，归一化形态谱具有对图像的平移、旋转、缩放不敏感的特性，可以用作识别不同形状物体的特征参数。并且将归一化形态谱与人工神经网络相结合，实现了对机械工具产品的分类与识别，取得了很好的效果。     

内燃机缸盖系统模式识别方法研究

根据往复式内燃机结构和工作特点 ,对内燃机缸盖系统模式的识别方法进行了研究。根据激励与内燃机相位的对应关系 ,提出了基于相位相关的模式分解方法 ,用子模式集合描述缸盖系统模式。对人工神经网络技术用于缸盖系统模式识别进行的研究表明 ,人工神经网络技术对内燃机缸盖系统模式识别具有较强的分类表达和诊断能力     

基于同态滤波和深度卷积模型的低照度工件表面粗糙度等级识别

为解决低照度下工件表面粗糙度等级识别正确率低的问题,提出一种基于同态滤波和深度卷积模型的低照度工件表面粗糙度等级识别的方法。该方法通过对不同照度下工件表面粗糙度图像进行等级识别,确定了同态滤波器的最优参数值,再将图像从RGB空间转换到HSV空间,在对V（亮度）分量进行同态滤波处理后,再将图像转回RGB空间并通过设计好的...     

基于轻量级网络的光纤传感振动信号识别

虽然传统卷积神经网络的识别率很高,但是其庞大的参数量会导致工业部署困难,且识别响应速度慢。引入轻量级卷积神经网络MobileNet,使用深度可分离卷积替代传统卷积,大大减少了模型参数量。以MobileNet为基准网络,实现了基于一维轻量级网络MobileNet-18的Φ-OTDR周界入侵事件识别。通过实验对比了不同结构下的网络识别率和识别速度,在保证模型的准确率不会大幅度降低的情况下,选取MobileNet-18作为最佳模型。采集了攀爬、切割、风吹、举起、拉动和走动这 6种周界光纤入侵信号。在 6种光纤入侵信号识别中,MobileNet-18达到了识别率为 98.33%,响应时间为 9.27 ms的最佳效果     

基于BP网络的需求决策支持系统的研究与开发

市场需求决策是企业经营决策的重要内容之一。本文介绍了一个面向摩托车销售的市场需求决策支持系统的功能结构，以及数据仓库模型的设计和基于神经网络的销售预测方法，最后给出了系统的运行实例。     

记忆克隆分类及其在齿轮箱故障识别中的应用

为了高效地挖掘分类模型,提出了一种基于抗体克隆选择学说和免疫记忆理论的有监督分类算法MCIC。采用模糊C均值聚类产生的初始抗体和样本特征维的信息熵权重为算法提供了先验知识;在抗体种群进行全局搜索的基础上,设计了动态记忆单元局部搜索算子,用以加快抗体亲和力成熟速度;最终,根据最近邻原则实现了未知样本的类属划分,并采用美国加州大学标准数据集中的4个数据集分类和齿轮箱故障识别问题进行了仿真实验。研究结果表明,与CLOALG算法相比,该算法不仅具有更快的收敛速度,而且获得了更高分类准确率。