基于FPGA的VGA多幅图片动态显示系统

本文使用FPGA芯片,在QuartusⅡ 工作平台下,利用Verilog硬件描述语言,实现了VGA多幅图片动态彩色显示系统的设计.设计中将VGA显示的同步控制、图像显示地址、像素存储单元、动图延迟器、颜色产生等模块集成在一块可编程FPGA芯片上,提高了显示系统的集成度和电路的可靠性.由于FPGA的在系统可编程特性,所设计的参数可通过现场编程调整,增强了显示系统设计电路适配的灵活性.在显示的效果上,提高了显示图片的趣味性,该显示系统能够应用到视频特技效果的切换技术中.     

基于TWSVM的煤矿井下钻机轴承故障诊断

在轴承的监测数据中,故障数据所占比例很小。在这种不平衡样本集中,如何准确地诊断轴承故障成为了一大难题。为此,提出运用孪生支持向量机(TWSVM)解决该难题。TWSVM可以构造2个不平行的超平面,每个超平面都要尽可能靠近与其对应的一类而远离另一类。TWSVM的超平面只关注其对应类别的样本分布,而不受整个数据集中各类样本数量比例、其他样本分布的影响。运用轴承故障试验对TWSVM进行检验,结果表明:与支持向量机(SVM)相比,TWSVM拥有更高的识别精度和更快的计算速度,能较好地诊断轴承故障。     

煤矿全液压钻机状态监测系统的设计与实验

为了掌握煤矿井下钻机的运行状态、及时发现问题,设计了一种基于CAN总线技术的煤矿全液压钻机状态监测系统,实现了对钻机状态信息的实时传输和在线显示,并满足井下防爆的要求。介绍了整个系统的硬件组成与构建,阐述了CAN总线的工作原理以及监测软件的结构层次和设计流程,并结合实验对系统的软硬件进行了检验。室内实验表明系统的测量精度和通讯速率均满足工作要求,工作性能稳定,可应用于煤矿井下钻机监测。     

基于机械诊断信息的设备运行可靠性研究

针对传统可靠性分析方法必须依赖大样本统计数据、利用概率统计求解设备可靠性的不足,提出两种利用运行状态信息实现小样本条件下设备运行可靠性评估的方法:基于归一化小波信息熵的可靠性评估和基于损伤定量识别的可靠性评估。基于归一化小波信息熵的可靠性评估对设备运行过程中的振动信号采用第二代小波包进行分解与重构,获得多个分解频带信号,计算分解频带信号的相对能量和归一化信息熵,根据归一化信息熵获取反映设备运行状态可靠性的重要指标——可靠度;基于损伤定量识别的可靠性评估定义了新的运行可靠性评价指标——隶属可靠度,在故障定量诊断的基础上,建立了损伤程度与运行可靠性评价指标之间的联系。在制氧压缩机运行可靠性评估和机车轮对轴承运行可靠性评估的成功应用,表明所提出的方法合理、有效,为机械设备实现缺乏大样本、非概率统计模型的可靠性评估提供了新理论与新技术。     

一种产生变频多模信号的新方法

直接数字频率合成（DDS)技术是一种新型的频率合成技术,它具有较高的频率分辨率,能快速实现频率切换,又能在频率改变时保证相位的连续性。但是,专用的DDS集成芯片输出波形及频率范围通常是固定的。在研究专用DDS电路构成的基础上,对专用DDS的电路结构进行了扩展,增加了数据分配器和存储不同波形数据的ROM及外围控制电路模块,在大规模可编程FPGA芯片上实现了波形可编程、频率可编程的多模信号变频系统。该变频系统能够实现正弦波、三角波、锯齿波、方波等波形的选择及每种波形频率的变换。系统将PLL倍频、分频电路、数据选择器、数据分配器、频率字输入模块、DDS信号发生器、键控等模块集成在一块可编程FPGA芯片上,这在很大程度上提高了多模变频信号电路的集成度和可靠性。由于FPGA的系统可编程特性,系统实现的参数可通过现场编程调整,增加了电路适配的灵活性。     

利用对支持向量机识别石油钻机轴承故障

轴承是石油钻机中易发生故障的旋转支撑零部件。在石油钻机轴承运行状态的监测数据中,发生故障的样本所占的比例很小。如何从监测数据中准确地识别出少量的故障样本成为一个难题。对支持向量机(Twin Support Vectorm achine,TWSVM)能很好地解决这一难题,它通过构造两个非平行的超平面来完成,其中每个超平面都要尽可能地接近自身对应的样本而远离别的样本。文中运用石油钻机轴承故障诊断实验检验TW SV M的效果,结果表明TWSVM的识别精度高,运行速度快,为以后做类似的石油钻机轴承故障检测提供了一种新的分析方法。     

基于相对特征和多变量支持向量机的滚动轴承剩余寿命预测

为解决有限状态数据下滚动轴承剩余寿命难以估算的问题,提出一种基于相对特征和多变量支持向量机(Multivariablesupport vector machine,MSVM)的剩余寿命预测的新方法。该方法利用不受轴承个体差异影响的相对方均根值(Relative rootmean square,RRMS)评估轴承性能衰退规律,运用相关分析选取敏感特征作为输入,构造兼顾多变量回归和小样本预测双重优势的MSVM模型预测轴承剩余寿命。与单变量支持向量机相比,MSVM克服了结构简单、信息匮乏等缺点,实现小样本数据潜在信息的最大挖掘。运用仿真数据和轴承全寿命试验数据对预测模型进行检验,结果表明MSVM可在小样本条件下利用尽可能多的有效信息获得准确的预测结果,具有较强的工程使用价值和通用性。