EEMD和优化的频带熵应用于轴承故障特征提取

针对滚动轴承早期故障特征提取困难的问题,提出了将集合经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)和优化的频带熵(OFBE)相结合的轴承故障特征提取方法.针对EEMD的多个本征模态分量(Intrinsic Mode Function,IMF),如何选出更能反映故障特...     

一种改进的盲解卷积算法在轴承声学诊断中的应用

针对时域盲解卷积算法滤波器长度估计困难的缺点,提出一种基于遗传算法优化的改进算法。该算法利用遗传算法搜索最佳时延,解决了盲解卷积结果不确定问题,并改进了信号分量的聚类指标,采用峭度作为独立分量间距离测度,提高了信号分量聚类的准确性,获得了可靠的估计信号。计算机仿真和实际环境中故障轴承声信号提取实验验证了该算法的有效性。     

一种连续条件属性值的决策表的归纳学习方法

对由连续条件属性值和离散决策属性值组成的决策表,提出了一种归纳学习方法。把决策表中的连续条件属性值看作一矩阵,进行矩阵的奇异值分解,以确定决策表条件属性的数目。用模糊C均值聚类的方法对连续条件属性值进行不同聚类数目的聚类,得到不同聚类数目下的离散决策表,对这些决策表进行条件属性简化,从而得到不同的条件属性数目。比较矩阵奇异值分解后决策表条件属性的数目和上述不同聚类数目下的离散决策表简化后的条件属性的数目,并考虑决策属性的数目,确定最终的聚类数目。在此基础上,给出了由连续条件属性值和离散决策属性值组成的决策表的归纳学习方法,并验证了其有效性。     

基于EMD和模糊C均值聚类的滚动轴承故障诊断

针对滚动轴承故障振动信号的非平稳特征,提出了一种基于经验模态分解和奇异值分解的特征提取与模糊C均值（FCM）聚类的滚动轴承故障诊断方法。该方法首先对滚动轴承振动信号进行EMD分解,组成初始特征向量矩阵;并对该矩阵进行奇异值分解,将矩阵的奇异值作为故障特征向量;最后以FCM聚类为故障分类器,实现滚动轴承不同故障类型的识别。实验结果分析表明,该方法能有效地进行滚动轴承故障诊断。     

"堆橡皮"的原因及对策

“堆橡皮”是胶印生产中常见的故障之一。当橡皮布上刚堆墨时，使印刷品印迹不清晰，网点并糊；当堆积到一定程度时，就会引起色偏及脏版现象，并加剧印版的磨损。引起“堆橡皮”的因素很多，处理的     

配电板产品标识一致性检查

在配电板产品的工厂检查中,标识检查是一致性检查的必查内容之一.本文根据配电板产品相关标准,对其产品铭牌、图纸、警示等标识内容进行分析,结合认证规则中产品标识一致性检查要求,给出配电板产品正确的标识示例.     

基于微粒群算法的盲解卷积及其在故障轴承声信号中的应用

针对复杂机械声场中,盲解卷积算法分离滤波器长度估计困难的问题,提出一种用微粒群算法优化盲解卷积分离滤波器长度的改进方法,解决了估计结果不确定的问题。该方法以分离信号峭度最大值的倒数为微粒群搜索的适应度,利用微粒群算法搜索到最优的分离滤波器长度,获得了可靠稳定的估计结果。计算机仿真和实际环境中故障轴承声信号分离实验证明了该方法的有效性。     

第二代小波降噪在盲源分离技术中的研究应用

为了在噪声环境下正确实施盲源分离,采用第二代小波降噪与盲源分离相结合的方法,使噪声环境下盲源分离算法的性能得到较大地改善。并通过轴承振动信号实验研究证明该方法的优越性。     

基于CPW和SCD的行星轴承内圈故障特征提取

行星齿轮箱振动信号传递路径具有时变性,各振动分量间相互耦合和调制,拾取的信号往往比较复杂。此外,行星轴承早期故障对应的振动信号微弱,常湮没于背景噪声和较强的齿轮啮合振动信号中,使得行星轴承故障特征提取较为困难。为此,笔者提出一种基于倒谱预白化（cepstral pre?whitening,简称CPW）和谱相关密度（spectral correlation density,简称SCD）的行星轴承内圈故障特征提取方法。首先,采用CPW削弱具有严格周期特性振动分量的能量幅值,增强轴承故障分量的冲击幅值;其次,基于谱峭度算法获取与轴承故障冲击相关的谱峭度最大值时对应的解调频带参数,并获得带通滤波后复包络信号,进而消除解调频带外成分的干扰;最后,基于轴承故障的随机滑动特性,结合SCD提取行星轴承故障振动分量,进而包络谱分析提取出行星轴承故障特征。利用行星轴承内圈故障实测数据验证了方法的有效性。     

单容水箱液位高度的计算机直接控制系统设计

以Visual C＋＋为开发工具,采用PID算法处理PCI-1711采集卡采集进来的液位数据,编程实现对水箱液位的实时控制。