线性控制系统稳定性求法解析

稳定性是控制系统正常工作的先决条件，分析控制系统的稳定性是经典控制理论的重要组成部分。对判定一个线性定常控制系统是否稳定提供了多种方法，对其优劣进行了总结归纳，并提出了相应的解题建议。     

广义隐马尔科夫模型在轴承温升预测中的应用

将广义区间概率与隐马尔科夫模型结合,建立了广义隐马尔科夫模型,使之具有更好的鲁棒性和处理2类不确定性问题的能力,并成功用于滚珠丝杠进给系统的轴承温升预测。结果表明,广义隐马尔科夫模型能够根据历史信息对轴承的温升进行预测。     

CEEMDAN与参数优化多尺度排列熵结合的滚动轴承早期故障诊断

针对滚动轴承的早期故障特征微弱的特点,提出了自适应噪声完备集合经验模态分解（CEEMDAN）与多尺度排列熵（MPE）结合提取故障特征,采用支持向量机（SVM）进行故障状态判别的滚动轴承早期故障诊断方法。利用CEEMDAN将信号分解为若干分量,计算各分量与原信号的相关系数,将大于相关系数阈值的分量重构,对MPE的参数运用PSO算法寻优,计算重构后的信号的MPE值并作为故障特征向量,使用SVM对故障状态进行识别。将该方法运用于XJTU-SY滚动轴承加速寿命试验数据集,并与MPE参数未优化以及未CEEMDAN分解且MPE参数未优化得到的MPE值作为特征向量SVM进行识别的结果进行对比,结果表明本文所提方法的故障识别率分别提高了10.71%和14.28%。     

基于小波包系数与隐马尔科夫模型的刀具磨损监测

在机械自动化加工中,为了防止刀具损坏,刀具磨损过程的监测是非常重要的。然而,由于加工过程的复杂性,对刀具磨损状态的监测十分困难。提出了一个基于小波包系数与隐马尔科夫模型的刀具磨损监测方法。将加工信号在不同频带上小波包系数的均方根值作为特征观测向量,即为隐马尔科夫模型的输入,并用隐马尔科夫模型模式识别方法识别刀具磨损状态。实验结果显示,提出的方法对刀具磨损状态具有很高的识别率。     

LED光源在矿山照明中的应用探讨

针对老式矿灯照明光源的缺点,提出了把LED光源应用于矿山照明中的一种方法。从LED光源的发光机理及其优点分析,阐述了LED光源在矿山照明中的应用,     

数字化车间三维布局仿真关键技术研究

针对数字化车间布局规划的实际需求,从工厂层、车间层、产品层、设备层等各个环节对生产过程进行三维布局模拟;其次,通过构建仿真模型,直观、动态地分析生产线的规划与设计,验证空间布局、工艺规划、物流路线、生产节拍等的合理性;最后,通过设计仿真评价模型,迭代与优化生产线的布局规划.实践表明,该技术可有效提高规划的准确性和效率,...     

滚动轴承的VMD-LSSVM故障识别方法

滚动轴承是工程设备中的关键部件,对滚动轴承进行故障识别方法研究有重要的意义。为了解决滚动轴承振动信号分析能力薄弱的问题,提出了一种基于变分模态分解（Variational mode decomposition,VMD）与最小二乘支持向量机（Least square support vector machine,LSSVM）的滚动轴承故障识别方法。以凯斯西储大学滚动轴承实验数据为研究对象,获取4类故障7种滚动轴承状态实验振动数据。进行VMD分解,得出最佳分解本征模态函数（Intrinsic mode function,IMF）个数4,然后计算4个IMF样本熵（Sample entropy,SE）得到相应特征量,输入LSSVM模型进行状态识别。实验表明,基于VMD-LSSVM的方法比EMD(Empirical mode decomposition)-HMM(Hidden Markov model)和EMD-LSSVM方法有更高的识别率。     

拼接镜新型粗共相检测方法

为了实现拼接镜平移误差的大量程、快速检测,提出了一种利用白光(400～700nm)远场光斑相干性来检测拼接镜piston误差的方法。该方法以两半圆孔间的非相干衍射图案为模板,利用互相关算法求解实际衍射图案与模板图案间的互相关系数,通过设定0.85阈值,实现拼接镜piston误差的粗共相检测。搭建了一套室内拼接镜的主动共相检测实验光路系统,其中拼接镜是由4块对边长为100mm,曲率半径为2 000mm的正六边形球面反射镜组成,利用白光(400～700nm)远场光斑相干性测量拼接主镜各子镜间平移误差的方法进行了理论与仿真分析。利用波前探测器和主动光学技术实现了拼接镜精共焦误差的检测与调节,通过远场光斑相干性和主动光学技术实现了粗共相的检测和调节。实验表明:该方法耗时短、能量利用率高,可实现无限量程、±250nm精度的检测和调节,适合拼接镜的粗共相检测和调节。     

基于多域特征的螺栓松动检测方法研究

螺栓作为机械设备最常用的连接件,螺栓连接的稳定性对保障机械设备安全运行起着至关重要的作用,对螺栓松动程度进行检测有着重要意义.针对螺栓松动4种不同状态,提出了一种基于变分模态分解(VMD)及时频敏感特征与最小二乘支持向量机(LSSVM)相结合的螺栓松动检测方法.针对螺栓松动的4种不同状态,搭建了螺栓松动检测模拟实验平台...     

基于LSSVM的列车转向架拉杆螺栓状态识别

针对列车转向架拉杆螺栓的松动问题,采用基于LSSVM的状态识别方法对列车转向架拉杆螺栓进行状态识别研究。制作了列车转向架拉杆螺栓结构模拟模型,包括正常、过渡、松动3种状态,并结合激振器、功率放大器等仪器搭建实验平台。采用振动加速度传感器采集列车转向架拉杆螺栓的振动信号,对获取的数据进行时域、频域分析,结合小波包能量寻找螺栓不同松动状态下振动信号的差异性,提取了敏感特征参数,最后通过LSSVM模型对拉杆螺栓状态进行分类识别。识别结果表明,基于LSSVM的识别方法能够有效识别出转向架拉杆螺栓的松动状态。