基于LabVIEW的转子偏转修正电磁控制系统

结合虚拟仪器技术和电磁控制技术,以转子为研究对象,对转子的轴心轨迹进行采集、分析完成后,通过对转子进行电磁控制并加上相应的PID算法,调整主轴的偏心,并在此基础上开发了基于LabVIEW的转子偏转修正的电磁控制系统,实现了实时转子轴心轨迹的数据采集、信号分析处理、PID控制和电磁控制等功能,为大型旋转机械的在线监测控制系统的开发提供技术参考.     

基于非线性判别分析的故障分类方法研究

针对复杂机械故障的模式分类问题,提出一种基于非线性判别的多故障分类方法。与线性判别分析相比,基于核的判别分析更适于处理线性不可分的分类问题。分析了基于核的判别分析方法与核函数主元分析方法之间的联系与差异,指出了两者不同的应用背景,核函数主元分析适于检测机械设备异常状态的出现,而基于核的判别分析则适于在积累历史故障征兆基础上对多种机械故障进行分类识别。将上述方法应用于风机工作状态的分类识别与齿轮故障模式分类,结果表明该方法对于多种复杂的故障模式分类具有出色表现。     

VC与Matlab混合编程方法在轧机扭矩监测中的应用

论文分析了混合编程的三种不同实现方法及其优缺点,介绍了VC和Matlab混合编程方法在轧机扭矩监测中的应用。实际应用中推荐采用MATCOM作为接口的方法。     

基于非线性判别分析的齿轮故障分类方法研究

针对复杂机械故障的模式分类问题,提出一种基于非线性判别的多故障分类方法.与线性判别分析相比,基于核的判别分析更适于处理线性不可分的分类问题.将此方法用于齿轮齿面点蚀、剥落以及磨损等故障的分类识别,取得了很好的分类效果.研究表明,基于核的判别分析适于在积累历史故障征兆基础上对多种机械故障进行分类识别.     

用自回归最小二乘消噪法提纯轴承故障信号

为了消除噪声信息、提取反映机械部件故障的有用信息，对自适应消噪方法进行研究。利用自回归最小二乘消噪方法提纯反映轴承故障的机械信号，该方法应用于6215轴承故障的检测，提取出反映轴承故障的冲击信号，检测出其轴承外圈和滚珠故障，并与理论计算的轴承故障特征频率相吻合，效果很好。     

准分子激光电化学刻蚀硅的刻蚀质量研究

为了解决现有硅刻蚀工艺中存在的刻蚀质量等问题,采用激光加工技术和电化学加工技术相结合的工艺对硅进行了刻蚀,研究了该复合工艺的工艺特性。实验中采用248nm-KrF准分子激光作光源聚焦照射浸在KOH溶液中的阳极n-Si上,实现激光诱导电化学刻蚀。在实验的基础上,研究了激光电化学刻蚀Si的刻蚀孔的基本形貌,并对横向刻蚀和背面冲击等质量问题进行了分析。结果表明,该工艺刻蚀的孔表面质量好、垂直度高;解决了碱液中Si各向异性刻蚀的自停止问题,具有加工大深宽比微结构的能力;也具有不需光刻显影就能进行图形加工的优越性。     

立式捏合机搅拌桨曲面的NURBS表示与误差分析

依据搅拌桨水平截面轮廓线的理论坐标点,反求生成了NURBS曲线;按照搅拌桨的螺旋升角,生成了一组不同高度截面轮廓线的NURBS曲线;利用蒙皮方法,生成了搅拌桨的NURBS曲面。提出了一种新的控制顶点投影法求解点到NURBS曲面最小距离的算法,用于计算搅拌桨的NURBS曲面的重构误差。结果表明,立式捏合机搅拌桨的NURBS曲面重构精度高,研究结果可为搅拌桨曲面优化设计提供借鉴。     

热弹性效应分析与机床进给系统热动态特性建模

通过一维杆的一维传热的分组显式数值求解,分析热弹性效应的存在及规律,得出随着时间的增长,温升-热变形之间的关系会逐渐趋近稳态,但不可能获得绝对的稳态;在传热过程中,随着距离增加,温度衰减很快,离热源越远的点的热弹性效环应越窄.提出用非线性时序模型与前向神经网络相结合的模型(Nonlinear auto-regressive moving average neural network with exogenous inputs,NARMAX-NN)来辨识热弹性效应.用NARMAX-NN模型对高速进给系统试验台的热动态特性进行建模,获得良好的效果.此方法比多变量回归模型、反馈神经网络模型及广义最小二乘输出误差模型有更好的精度和鲁棒性,能精确地对复杂结构、多热源的时变非线性热误差特性进行建模和预测.     

基于线结构光的冰箱门装配间隙在线检测方法

提出了一种基于线结构光的双门冰箱装配间隙在线检测方法.工业数字相机拍摄投射在冰箱门上的激光条纹;通过连通区域搜索,捕捉图像中条纹位置;采用高斯曲线拟合法提取条纹中心线;通过三角法获得中心线的偏移量对应的装配间隙.对测量数据进行倒数变换,使得检测方法的输入输出具有线性关系,方便工业现场标定.实验与现场测量数据表明该方法能够满足工业现场应用.     

稀疏重构SAM芯片焊点检测方法研究

提出了基于稀疏表示的声扫描显微镜(Scanningacousticmicroscope,SAM)图像超分辨率重构方法,以解决其空间检测分辨率受超声波频率和穿透深度的限制,原始SAM图像分辨率较低,不利于封装缺陷辨识等问题。通过字典设计训练和稀疏系数α求解获得了重构的高分辨率SAM图像,利用Levenberg-Marquardt算法改进BP神经网络(LM-BP),并用于倒装芯片焊点缺陷识别。与原始图像及双三次插值图像相比,稀疏重构图像的峰值信噪比明显增大,提高了SAM图像质量,减小了芯片焊点的错误识别数目,错误率降至2.76%。试验结果表明稀疏表示的SAM重构算法和LM-BP神经网络训练速度快、识别精度高,可用于高密度半导体封装缺陷的检测及可靠性评估。