基于J2EE的网络教学评价系统的研究

教学评价是高校教学工作中的一项非常重要的组成部分,是引导教师改进教学方法,提高教学水平,促进学生学习积极性的重要方面。随着计算机网络和相关的软件技术的不断发展,高校教学内容和教学体制的不断更新,传统的教学评价体制已经发生了质的飞跃,高校教学评价体系的理论和方法日益丰富和完善。基于J2EE技术设计和实现的网络教学评价系统,不仅实现了学生的在线评价功能,也实现对学生和教师的信息管理功能,是教学评价在信息时代的创新发展。     

基于k值优化VMD的滚动轴承故障诊断方法

针对旋转机械中滚动轴承早期信噪比较低的故障特征提取困难问题,提出了一种基于能量的变分模式分解(variational mode decomposition,简称VMD)模态数k优化选取方法,用以提取滚动轴承早期故障特征,同时避免了信号分解过分或不足。首先,对振动信号进行VMD预分解,分别在不同k值条件下计算分量信号能量与原始信号总能量;其次,根据基于能量的模态数k选取准则,确定最佳模态数值对信号进行VMD分解;最后,通过峭度准则选择分量进行信号重构,对其进行包络分析,提取故障特征频率。将该方法运用到实际故障信号中,有效提取出滚动轴承内圈微弱故障特征,实现了早期故障特征判别,具有一定的应用价值和实际意义。     

基于参数优化MCKD的行星齿轮箱微弱故障诊断研究

针对行星齿轮箱在故障早期时振动信号比较微弱,受噪声污染严重、且传递路径复杂多变,实际情况下故障特征难以准确提取与分离的问题,提出了基于参数优化最大相关峭度解卷积(MCKD)的微弱故障特征提取方法。首先通过最大相关峭度解卷积对原始信号进行了降噪处理,设置了峭度和自相关峰态系数作为筛选准则,对算法参数组合进行了优化选取,检测周期性故障冲击特征;然后对降噪后的信号进行了希尔伯特包络谱分析,从而获得了准确故障特征频率。仿真信号和实验数据分析结果表明:该方法对于强背景噪声下的行星齿轮箱微弱故障诊断具有良好的效果,有效抑制了噪声干扰,成功提取了故障特征。     

基于最优窗函数Gabor变换的变工况行星齿轮箱故障诊断

强噪声背景下变工况行星齿轮箱振动信号具有非平稳、调制等特点,传统时频分析方法难以获得高时频分辨率的时频图像.本文提出一种分数域最优窗函数Gabor变换方法,利用分数阶傅里叶变换(Fractional Fourier Transform,FrFT)处理线性调频信号的优越性,在分数域优化时频窗函数,获得最小广义时间带宽积原...     

基于小波包—坐标变换的滚动轴承故障特征增强方法

滚动轴承早期故障特征信号微弱且易受正常成分干扰,因此不易准确识别滚动轴承的早期故障.对含有微弱故障的滚动轴承信号进行小波包分解,通过对小波包分解得到的各子带进行研究,提出一种基于小波包—坐标变换(Wavelet packet-coordinate transformation,WP-CT)的故障特征增强方法.考虑到各频...     

基于切削电流系数的铣刀磨损状态监测

基于切削力系数的铣刀磨损状态监测方法提出了与切削参数独立的刀具磨损指标。由于存在干扰机床正常加工、实时性不佳、传感器安装不便和成本过高等问题,限制了其在实际工业环境中的应用。针对上述问题,结合切削力与主轴电流的关系,提出一种基于主轴切削电流系数的铣刀磨损状态监测方法。首先,融合切削力系数和主轴电流的优点,建立铣削电流模型;其次,根据切削电流模型进行切削电流系数辨识,记录新刀状态下切削系数;然后,使用切削系数实时估计相同加工工况下新刀切削电流,监测实际切削电流偏离估计值的程度,判断铣刀磨损状态;最后,通过实验与力信号对比验证该方法的正确性。实验结果表明,该方法可以替代基于切削力系数的磨损状态监测方法,能有效、实时、无干扰、便利和低成本地识别新刀、正常和严重3种磨损状态。     

利用最优小波尺度循环谱的滚动轴承早期故障特征提取

滚动轴承微弱故障信号往往包含在二阶循环平稳信号中,但容易受到噪声干扰。对循环平稳信号进行基于短时傅里叶变换的循环周期谱分析可以提高周期故障的识别能力,但其结果受到窗函数大小的影响且对于微弱故障的诊断效果不佳,提出最优小波尺度循环谱进行滚动轴承的早期故障诊断。首先利用连续小波变换对信号进行处理获得小波系数;接着采用相关峭度方法选择最优的分析尺度;然后沿着时间轴对该尺度范围内的小波系数进行循环谱分析;最后对最优尺度下的循环谱平均进行特征提取。与循环周期谱的分析结果进行对比,验证了该方法在早期故障特征提取方面的有效性。     

基于Cmk分析的加工中心精度稳定性评估

在某柴油发动机缸体柔性生产线的验收和试生产过程中,针对生产线所用关键设备某卧式加工中心,运用Cmk(机器能力指数)分析方法分析其加工能力,量化评估其加工精度的稳定性水平。给出了加工数据的采样方案和注意事项,在此基础上开展案例研究。对一组工件进行了连续试切和精度数据采集试验,通过数据分析得出了加工精度的正态分布直方图和Cmk值。最后对比分析了两组差异较大的结果,为加工中心的精度稳定性评估提供方法参考。     

基于时频分析的欠定信号盲分离与微弱特征提取

盲源分离对于多振源信号的故障诊断与识别是一种有效的方法,但是传统的盲源分离算法都是针对观察信号大于或等于源信号的情况,但对于观察信号小于源信号的欠定盲分离问题,这在很大程度上制约了盲源分离的实际应用。通过应用经验模式分解和时频分析对非平稳信号分析的优势,提出基于时频分析的欠定盲源分离方法进行设备微弱特征提取。对振动信号进行经验模式分解,并根据分解得到的内蕴模式分量估计源信号个数并选择最优的观察信号,将振动信号与选择的最优观察信号组成新的观察信号进行基于时频分析的盲源分离,通过对仿真信号和齿轮箱实测信号进行验证分析。并与基于独立分量分析的盲源分离算法进行对比,研究表明基于时频分析的盲源分离对混合信号具有更好的分离效果,能够较好地对微弱特征进行提取。     

基于小波包分析的铣刀状态监测方法研究

应用小波分析方法,通过对声发射信号的处理及分析判别铣刀状态.以三齿牛鼻铣刀为实验对象,分别以铣刀3种状态为例,采用不同的切削参数进行铣削实验,将采集到的AE信号进行小波分解后再进行时频域对比,结果表明:该方法可以比较准确的判断铣刀状态,并且有较好的理论基础、直观性与易操作性.