基于紫外图像的小波域内维纳滤波降噪方法

为了检测电气产品的安全状态,采用紫外成像检测技术对电气产品的放电状态进行研究。紫外图像在采集的时候难免会受到各种各样的干扰和噪声,大的紫外光斑周围有很多微小的白色光斑,这些光斑会对紫外图像特征量的提取产生严重的影响,需要通过预处理来滤除这些干扰。一般来说,图像噪声的来源有以下三方面:一为光电、电磁转换过程中引入的噪声;二为电气产品本身存在的强电磁脉冲的干扰;三为自然起伏性噪声。这些噪声导致紫外图像不能符合后续的存储和处理要求。此时就需要对其进行预处理来消除干扰和噪声的影响,从而抑制与实际信号无关的杂波,提高对后续图像的处理能力和精确度。     

无先验知识下基于CHMM的刀具磨损监测技术

切削刀具的状态直接影响工件加工质量、生产率和产品成本,因此在切削加工过程中监测刀具的状态显得尤为重要。针对实际监测系统通常无法获取刀具各磨损退化状态先验知识的情况,以切削力与切削振动为监测信号,提出无先验知识下基于小波包分析与连续隐马尔可夫模型的刀具磨损监测技术。应用小波包分析技术提取信号特征信息,采用S函数实现特征值归一化处理。利用监测过程中的刀具正常状态下归一化特征信息建立基于连续隐马尔可夫模型的监测模型;根据刀具未知状态特性向量与监测模型间的对数似然度获取刀具性能指标PV,实现刀具磨损状态评价。采用铣刀磨损全寿命数据来验证该方法的有效性,实验结果表明:该方法能在无先验知识的情况下对刀具的健康状态进行较为准确的评估,且所需样本数较少,训练速度快。该技术对实现无先验知识下的刀具智能化在线状态监测具有重要意义。     

大型体育场馆光环境智能检测方法的研究

本文基于大型体育场馆光环境检测的需求,提出了一种全新的方法,可以实现对大型场馆光照环境的全自动测量与测量数据分析。该方法利用移动机器人技术、智能定位技术、无线通信技术等多种技术手段,构建一个完整的软硬件平台,可实现对篮球场、足球场等多种大型体育场馆光环境的自动检测。经过实验对比,该方案具有简单易用、低成本、高效率、高精度的特点,可以有效地提高检测效率,具有较大的检测应用价值。     

卡尔曼滤波修正LS-SVM的刀具磨损识别技术研究

针对刀具磨损状态先验样本少和常规神经网络识别模型收敛速度慢、易陷入局部极小值等问题,提出了基于最小二乘支持向量机(LS-SVM)的刀具磨损量识别技术,并针对模型输出存在系统误差而降低刀具磨损量识别精度的问题,引入卡尔曼滤波算法对时序监测结果进行修正,实现小样本下的刀具磨损量的精确识别。以车削加工为研究对象,采集加工过程中的切削力信号,应用小波包分析技术提取反映刀具磨损状态的特征信息,作为LS-SVM的输入样本,并对模型进行学习训练,完成对刀具磨损状态的识别,最后采用卡尔曼滤波修正其时序监测结果。实验结果表明:LS-SVM模型能高效地实现刀具磨损量识别,需样本数较少,训练速度快,通过卡尔曼滤波修正后的磨损量识别结果精度更高。     

基于概率神经网络的轴承状态监测与故障诊断

介绍了概率神经网络(PNN)的基本原理,并将其应用于轴承的状态监测与故障诊断,将在实验审搭建的简单的轴承故障实验装置获得的数据,结合信号处理、数据分析等方面的知识,对信号进行分析,分别在时域和频域提取不同特征值.再对提出的特征值进行归一化处理和有效性检验,根据特征值的差异性和重复性原则,应用平均值与平均误差值来检验特征值的有效性.把最终的有效特征值作为神经网络的输入,进行PNN网络训练.结果表明,PNN可以克服BP神经网络(BPNN)学习收敛速度慢、易陷入局部极小值等缺点,对传感器测量噪声具有较强的诊断鲁棒性,能够满足故障诊断快速和准确的要求,适用于在线检测,具有实际应用价值.     

可控脉动风场下矩形断面复气动导纳特性研究EI北大核心CSCD

为了研究不同脉动风参数及结构运动状态对钝体断面复气动导纳的影响,介绍了在CFD中产生竖风向及顺风向谐波脉动风场的方法,该方法幅值可控且能多频率组合;对宽高比为4∶1矩形断面,采用CFD识别其在不同风攻角及三种谐波幅值下的升力和阻力复气动导纳;对比了多频率组合谐波及竖向、扭转简谐运动下的气动导纳。结果表明:在0°风攻角下,升力气动导纳与实验值吻合较好,验证了数值模拟的正确性;较大的风攻角和谐波幅值均对复气动导纳有显著影响;在多频率谐波及断面不同运动状态下,升力复气动导纳基本保持不变,但扭转运动能增大高频处的阻力复气动导纳值。     

基于粒子群优化LS-SVM的车刀磨损量识别技术研究

刀具的磨损状态直接影响产品加工质量、成本和效率,对刀具磨损量的实时监测识别具有重要意义。针对刀具磨损状态先验样本少和常规神经网络识别模型收敛速度慢、易陷入局部极小值等问题,提出了基于最小二乘支持向量机（LS-SVM）的刀具磨损识别方法,并针对支持向量机的惩罚因子和核参数对模型识别精度影响较大的问题,提出一种根据个体适应度来调整惯性权重的自适应粒子群算法进行自动参数寻优。以车削加工为研究对象,采集加工过程中的切削力信号,应用小波包分析技术提取反映刀具磨损状态的特征信息作为识别模型的输入,然后利用训练好的自适应粒子群算法优化后的LS-SVM识别模型进行刀具磨损量识别。实验结果表明,该自适应粒子群优化算法比标准粒子群优化算法参数寻优能力更强;粒子群优化LS-SVM模型能高效地实现刀具磨损量识别,与BP神经网络相比具有更高的精度,且所需样本数较少,训练速度更快。     

基于虚拟仪器的机械压力机制动性能检测系统研究

针对机械压力机制动性能对其安全性能的影响,依据标准对机械压力机制动性能检测技术进行了研究,提出了一种基于虚拟仪器的机械压力机制动性能检测系统。该系统采用增量式光电编码器感应压力机曲柄轴转动状态,采用霍尔传感器感应紧急制动开关状态,以基于虚拟仪器技术的Lab VIEW软件作为编程工具,设计了一套机械压力机制动性能检测软件,实现了压力机制动响应时间及曲柄制动角的检测,并在实际压力机检测中进行了理论和实例验证。研究结果表明,系统实现了压力机制动响应时间及曲柄制动角的准确检测,该方案能有效地降低编程工作量,提高系统的可靠性和稳定性,为评价压力机的制动性能、安全保护性能提供了可靠的保证。     

不完备先验知识下的刀具磨损状态评估方法研究

在实际切削加工中刀具磨损的全状态先验知识获取困难,而刀具磨钝状态下的先验知识则较易获取。针对这种不完备先验知识情况,以切削力为监测信号,提出基于连续隐马尔可夫模型(CHMM)的刀具磨损状态评估技术。应用小波包分解技术提取信号特征信息,利用刀具磨钝状态下的先验归一化特征信息建立CHMM监测模型;根据刀具未知状态特性向量与监测模型间的对数似然度获取刀具性能指标,实现刀具磨损状态评价。铣刀全寿命磨损实验表明:该方法能在仅具备磨钝状态先验知识情况下,实现对刀具的磨损状态的初步评估,且所需样本数较少,训练速度快。     

渐开线齿轮齿廓总偏差检测方法研究

齿廓总偏差是评价齿轮精度的重要指标之一,齿廓总偏差直接反应齿轮轮廓的加工质量是否达到设计要求。根据GB/T 13924-2008《渐开线圆柱齿轮精度检验细则》和GB/T 10095.1-2008《圆柱齿轮精度制第1部分:轮齿同侧齿面偏差的定义和允许值》以及JJGl008-2006《标准齿轮检定规程》中齿廓偏差的定义和测量方法,推导出齿廓偏差有效长度起始点直径dE和齿廓计值范围终止点直径dα的计算公式,通过实例进一步说明计算方法,同时给出了与配对齿轮啮合和与齿条啮合的测量结果。