基于BP神经网络配药机器人识别配药用具的研究

BP人工神经网络算法是现今应用较为广泛的多层前向神经网络算法。为了提高配药机器人的配药准确率和安全性,提出了将BP人工神经网络应用于配药机器人对配药用具的识别的方法,并用Matlab模拟神经网络进行图像识别,为配药机器人识别图像提供依据和理论意义。     

基于非高斯性强度的风电齿轮箱故障特征提取

研究了风电机组齿轮箱的复杂振动信号并提取故障特征.由Gabor变换进行滤波和重构,抑制振动信号中的啮合频率及其谐波成分,对以边带成分、随机成分、固有频率成分为主的重构信号进行双谱分析,揭示齿轮正常状态与点蚀故障时振动信号的非高斯性差异,并提取到非高斯性强度特征值.结果表明：齿轮故障会引起振动信号中非高斯分布成分发生变化,由滤波信号提取到的非高斯性强度特征值对齿轮点蚀故障十分敏感,该计算方法较为便捷,具有一定的工程实用价值.     

工作面液压支架的合理选型

分析了支架的合理支护强度应包括支架合理工作阻力、合理初撑力以及两者的比值。列举了4种计算支架合理工作阻力的方法,叙述了支撑掩护式支架特点以及支架的选型及其在刘庄矿的应用。     

基于双谱分析的大型汽轮机振动故障特性提取

汽轮机轴系振动通常以与转速同步的频率(基频)及其谐波成分为主,具有典型的亚高斯信号特征,多数轴系故障均表现为某些谐波成分的变化,并且谐波间存在一定程度的非线性耦合作用,使得基于二阶统计量的功率谱分析技术在故障原因分析和特征提取方面受到限制。该文针对大型汽轮机组在实际运行中出现的某种具有半频特征的不稳定振动现象,将高阶谱应用于实测轴系振动信号分析,通过对比分析稳定状态和不稳定状态下振动信号的双谱和1(1/2)分数维谱,确定引起不稳定振动的半频成分的非线性谐波耦合特性。在此基础上,提出采用双谱的边际谱以及1(1/2)分数维谱中对应成分作为特征值,对不稳定振动现象的变化趋势进行监测。分析结果表明,这种特征提取方法可以更加明显地表现异常振动的变化,具有故障反映灵敏度高的特点,并可以有效抑制测量振动信号中的高斯噪声,可以为自动故障诊断提供更有效的特征参数。     

滚动轴承故障的谱相关特征分析

滚动轴承的振动响应信号包含确定性成分和随机成分,两者都能反映轴承发生故障的信息。利用随机成分进行故障定性诊断,可以只使用较少的振动信号数据,计算效率高,有利于工程实际应用。针对轴承振动信号中随机成分能量较低、分布频率范围较宽的特点,采用对数谱相关函数灰值图反映信号中随机成分对循环平稳特性的影响,定性判断故障引起的谱相关函数中随机成分的变化,然后通过共振区切片进行故障解调分析,提取特征信息。通过实测正常轴承和内圈点蚀故障轴承振动信号的对比分析,表明即使在较低频率分辨率条件下,谱相关密度也能实现故障信息的解调,并可以提高计算效率。     

工作面液压支架的合理选型

分析了支架的合理支护强度应包括支架合理工作阻力、合理初撑力以及两者的比值.列举了4种计算支架合理工作阻力的方法,叙述了支撑掩护式支架特点以及支架的选型及其在刘庄矿的应用.     

齿轮故障振动信号非高斯性特征趋势分析

以齿轮箱实测振动信号为对象,对齿轮点蚀故障发展过程深入研究。通过Gabor滤波仅保留振动信号的边带成分与随机成分;据双谱分析结果研究信号非线性、非高斯性变化,并提取非高斯性强度特征值;在故障趋势分析中利用“3σ准则”设定故障阈值。结果表明,非高斯性强度特征值对齿轮点蚀故障较敏感,可揭示故障发展变化趋势,有利于齿轮故障报警及寿命预测,对齿轮传动系统状态监测与故障诊断具有实际意义。     

基于双谱熵的齿轮裂纹故障特征提取

针对裂纹故障导致齿轮振动信号非高斯性变化这一特点,提出采用双谱熵对信号非高斯成分在双频域内的分布形态进行定量描述,并据此提取故障信息,得到裂纹产生期、扩展期的特征趋势。结果表明,双谱熵不基于信号能量信息,受非故障因素影响小,而且能有效抑制高斯噪声,同时又对微弱故障十分敏感。研究结果为后续故障诊断与趋势预测提供了新的有效方法。     

带有调浆装置的双液注浆泵的设计研究

双液注浆泵已广泛应用,但注浆的两种浆液在配比上不能实现很好的控制;通过对工业液压系统及液压泵的研究,提出了一种新的双液注浆泵调浆装置。带有该装置的双液注浆泵能够方便地控制两种浆液的比例,在一定范围内实现了无级调节,很好满足两种浆液配比上的要求,拓展了注浆泵的应用空间。     

深井大断面煤巷快速综掘的研究与实践

介绍新集刘庄煤矿首采面胶带机巷,在高地应力、大埋深条件下,采用锚-网-梁支护技术的成功经验,为类似条件大断面煤巷实现快速掘进提供了很好的依据和借鉴。