基于AprilTag图像识别的移动机器人定位研究

气流激振故障是燃汽轮机由于工作介质引发的常见故障,针对某型燃气轮机气流激振故障,建立峰值保持降采样算法和粒子群算法优化的深度置信网络故障诊断模型。使用峰值保持降采样法对振动数据进行缩减,并以之作为深度置信神经网络的输入,降低模型训练时间,同时采取粒子群算法对深度置信网络结构参数寻优,搜索诊断性能最好的深度置信模型所对应的网络结构参数。实例结果表明,优化后的模型不仅降低模型训练时间,实现网络结构参数智能寻优,还有效实现燃气轮机气流激振故障诊断,测试准确率约为99.8%。     

Fault diagnosis of internal combustion engines using visual dot patterns of acoustic and vibration signals

An investigation of the fault diagnosis technique in internal combustion engines based on the visual dot pattern of acoustic and vibration signals is presented in this paper. Acoustic emissions and vibration signals are well known as being able to be used for monitoring the conditions of rotating machineries. Most of the conventional methods for fault diagnosis using acoustic and vibration signals are primarily based on observing the amplitude differences in the time or frequency domain. Unfortunately, the signals caused by damaged elements, such as those buried in broadband background noise or from smearing problems arising in practical applications, particularly at low revolution, are not always available. In the present study, a visual dot pattern technique is proposed to identify the acoustic emission and vibration signals for fault diagnosis in an internal combustion engine and drive axle shaft. Experiments are carried out to evaluate the proposed system for fault diagnosis under various fault conditions. The experimental results indicate that the proposed technique is effective in the fault diagnosis of an internal combustion engine and drive axle shaft.     

Bearing failure detection using matching pursuit

In this paper, a new approach to the detection of localized defects of rolling element bearings is proposed. It employs matching pursuit with time–frequency atoms to analyze bearing vibration and extract vibration signatures. In particular, this approach utilizes not only the temporal and spectral but also the scale characteristics of the vibration generated due to the presence of a defect for the detection. This leads to a high signal-to-noise ratio and facilitates considerably the detection at the early stage of failure development. Experimental results show that the proposed approach is sensitive and reliable and works better than continuous wavelet transform and envelope detection.     

非平稳时序循环平稳趋势提取与机械故障诊断

在简单介绍非平稳时序模型周期趋势项提取方法的基础上，提出了机械故障诊断和分析方法，该方法利用旋转机械出现故障以后所呈现的循环平稳特性，使用循环平稳分析方法剔除非平稳时间序列模型中的趋势项，然后建立平稳时序模型，用该模型进行机械故障诊断分析。并运用仿真和实例对方法的正确性进行了验证。     

基于容积效率的液压齿轮泵状态监测与故障诊断

阐述了容积效率作为特征信息进行液压齿轮泵状态监测与故障诊断的原理,分析了液压齿轮泵中流量信号以及容积效率与齿轮泵工况之间的关系,指出了容积效率是状态信息的丰富载体,讨论了利用容积效率进行液压齿轮泵状态监测与故障诊断的可行性及方法.     

基于(RBF)神经网络的自动化电器设备故障诊断方法

为了对自动化电器设备的故障状态进行准确的识别,文章引入了(RBF)神经网络的故障诊断方法.并针对其不能学习新状态类型的缺陷,提出了一种改进的算法.并将该算法应用于电器设备的故障诊断,改进的算法除了能够对已知的状态进行准确的识别外,还能够发现并学习未纳入训练样本集的状态类型,从而具备了新状态类型的识别功能.     

数控机床远程故障诊断技术研究

本文介绍了数控机床远程故障诊断系统的结构与功能,论述了系统的构成、实现方法以及所涉及的主要技术。     

基于FastICA去噪和改进HHT的转子不平衡故障特征提取方法研究

针对转子不平衡振动信号非平稳性并伴随较强环境噪声的特点，提出一种基于快速独立分量分析（FastICA）和改进希尔伯特-黄变换相结合的故障特征提取方法。该方法采用FastICA法去除环境噪声等因素对于故障特征提取精度的影响，再利用自适应白噪声总体平均模态分解方法将故障信号分解为一系列固有模态函数（IMF），并采用基于相似性评估的虚假IMF选择算法将与故障信息无关的虚假IMF分量剔除，从而保证故障信息提取的准确性和有效性。通过仿真分析证明了所提方法的有效性，并且实际试验表明：该方法可有效提取转子不平衡信号的故障特征，为该类故障的诊断提供了一种切实可行的方法。     

滚珠丝杠的智能化研究进展

数控机床进给系统的智能化的状态检测、故障诊断以及自修复的能力可以提高数控机床工作的稳定性和可靠性,减少数控机床加工过程中出现的问题。滚珠丝杠是数控机床进给系统的重要组成部分,其精度与性能直接影响着数控机床的加工质量,滚珠丝杠的智能化发展也对数控机床的智能化发展有着非常重要的作用。综述了滚珠丝杠智能化的研究现状,分析了滚珠丝杠的动态测量和静态测量区别及优缺点;概述了基于数学模型和基于人工智能两个方面的故障诊断技术在滚珠丝杠中的应用;阐述了滚珠丝杠弹流润滑的机制以及通过润滑剂添加剂进行自修复的方法,阐明了滚珠丝杠的状态检测与故障诊断技术及自修复技术所存在的问题,展望了滚珠丝杠智能化的发展方向。     

三维起重机可靠性的灰色系统理论分析

将灰色系统理论中的灰关联分析方法引入到机械故障诊断模式识别中，对三维起重机各种故障模式发生的可能性大小做出了准确的判断。从中得出了三维起重机各部分机械可靠性大小的关系，从而为理论设计与实际检测提供了理论依据。