基于经验模态分解的混沌噪声背景下弱信号检测与信号提取

基于经验模态分解方法,研究了在强混沌噪声背景下进行弱信号的检测与信号提取。对仿真信号的研究表明:用该方法可以直接提取出微弱的偶然性和周期性冲击时域信号,对弱谐波信号可能不能直接提取,但可以直接提取出其频率特征,这些弱冲击信号和弱谐波信号完全淹没在强的混沌噪声背景信号中,无论从时域上还是频域上基本上都看不出来。对齿轮箱的实际信号的研究也表明:尽管某些故障信号有时极其微弱,EMD方法也能有效地实现这些非线性非平稳信号的分离和提取,从而为机械设备故障诊断提供直观的有效的参考。     

基于复小波块阈值的降噪方法及其在机械故障诊断中的应用

提出一种基于对偶树复小波块阈值的信号降噪方法,并将其成功应用于机械故障诊断中.机械设备的振动信号都或多或少地含有噪声,导致弱故障信息的提取一直是故障诊断的难点和热点.提出的降噪方法充分利用对偶树复小波变换的平移不变性和块阈值法的更优估计特性,可以获得比常规的小波降噪方法以及基于常规离散正交小波变换的NeighBlock降噪法更高的信噪比,不仅能有效抑制高斯白噪声,还能够去除冲击信号中的脉冲噪声.对实际信号的研究表明:这种降噪方法可以提取齿轮箱早期故障信息和强噪声背景情况下的隐含故障信息,特别对提取弱冲击故障信号非常有效.     

冷轧带钢表面质量自动监测系统的模式识别方法研究

研究了冷轧带钢表面质量自动监测系统的模式识别过程，包括特征的提取和选择，样本的获取，分类器的设计等。提取了缺陷的83个特征量，并且采用基于信息熵的特征选择方法对这些特征量进行了优化选择，构建了基于BP神经网络的分类器模型，通过现场采集的样本对其进行训练作测试，结果表明该分类器能够很好地识别6种常见的冷轧带钢表面缺陷。     

基于数学形态学的超声信号盲区内缺陷特征提取方法

利用高频聚焦超声技术检测金属材料内部缺陷时,由于超声探头存在盲区,无法对近表面的缺陷进行准确定位,从而难以对材料的性能进行有效评估。因此,提出基于数学形态学的超声信号盲区内缺陷特征提取方法。采用扁平结构元素对盲区信号进行形态滤波,在提取出缺陷的特征信号后,通过计算特征信号的累积能量,由此可以定位出缺陷的深度位置。在实测中,利用100 MHz的高频超声探头对冷轧镀锌板进行检测分析。以长度为30的扁平结构元素对超声信号做形态滤波,对距离冷轧镀锌板上表面288.5μm的缺陷进行定位,得到缺陷位置为距离上表面275.6μm,相对误差为4.5%。为进一步验证方法的有效性,与小波包分解重构方法进行比较,结果表明:利用数学形态学方法对缺陷的定位误差更小,同时还改善了超声B扫成像的效果,使得缺陷特征更加凸显。     

基于FFT-FS频谱细化及共振解调法的电机轴承故障诊断

轴承是现代机械设备中应用最为广泛的机械零件之一，同时，轴承故障是造成机械设备产生故障的主要原因之一。滚动轴承由于损伤产生故障后，在工作过程中可能反映在温度升高、噪声较大、振动剧烈等各个方面，这些方面均可作为轴承故障的判别依据。但轴承的振动分析是最常用也是最有效的识别轴承故障的手段。     

基于图像技术的梳毛机故障诊断

针对传统的梳毛机粗纱质量靠电容式条干仪检测只能在离线状态下进行的问题，本文采用图像处理技术，测定梳毛机末道毛网灰度曲线图和波谱图，并通过曲线图和波谱图的在线全过程监控，大大地提高了生产质量。     

基于结构光的棒材自动计数技术

提出将线型激光垂直照射于处于冷床上的棒材，通过面阵CCD摄像机采集激光图像，并对激光线条进行细化处理后，用BP神经网络计算并恢复棒材截面上部分轮廓的空间坐标。另外，还提出局部轮廓形心的概念，根据棒材的部分轮廓得到棒材形心的分布，通过聚类方法确定棒材形心的数目，从而得到棒材的数目。分析讨论了棒材出现叠摞现象时的计数追加方法。     

考虑轧制界面粗糙形貌的轧机辊系非线性振动特性研究

轧制界面的粗糙形貌可导致界面行为的根本变化,极大地影响着轧机辊系的动力学响应行为。考虑轧制界面粗糙形貌的影响,建立了轧机辊系系统的非线性垂直振动动力学模型,计算了具有不同粗糙形貌轧制界面的轧机辊系系统非线性刚度特性和固有频率特性,并与采用Duffing振子描述界面刚度的传统轧机模型进行了对比。采用多尺度法求解了考虑界面粗糙形貌影响的轧机系统主共振幅频特性方程,并推导了系统受迫振动响应的跳跃频率和跳跃幅值表达式,分析了轧制界面粗糙形貌、激励载荷、非线性刚度率和阻尼对轧机辊系系统动力学响应特性的影响,为抑制轧机振动提供有效的理论参考。     

基于决策树算法规则抽取的COREX燃料配比模型

为了解决COREX现场燃料配比的困难,提出了基于决策树规则抽取的COREX燃料配比模型。以COREX-3000-2#炉中燃料配比的实际生产数据为研究对象,利用决策树C4.5规则抽取方法对样本数据进行学习,采用知识规则的形式给出模型中输入(各种燃料的配比)与输出(焦比)间的定量关系,用于指导燃料使用配比。选取163个训练样本和70个测试样本分别用决策树进行了训练和测试。结果表明,模型中的知识规则覆盖率分别达到93.1%和85.3%,为现场生产燃料配比决策提供了有效的方法。     

分布式诊断系统的请求调度模型

分析了分布式远程监测和诊断系统中存在的请求处理没有优先级别、大用户量并发访问时系统稳定性较差等问题,在CORBA的POA机制的基础上提出基于消息驱动的请求调度模型,讨论了实现请求调度模型的关键技术,如CORBA：：Any类型、自定义的消息模型等。重点介绍了基于消息驱动的请求调度模型的实现思路和实施细节。基于消息驱动的请求调度模型已在我国的石化企业实际应用,证实请求调度模型大大提高了分布式系统的效率和可靠性。