大型回转机械运行状态的智能化在线监测

研究了人工神经网络用于大型回转机械状态监测的原理,提出了基于网络输出误差的机械状态智能化监测方法．通过对实际数据的分析表明,人工神经网络智能化监测方法具有运算量小、稳定性好、对机械状态异常反应灵敏等优点,完全可用于回转机械的在线监测．     

一种虚拟仪器软件的加密方法

为了保护虚拟仪器的软件不被侵权，针对基于便携式PC(Personal Computer)的虚拟仪器软件易于被复制的问题，分析了几种硬件加密方法的特点和效果，提出了采用以复杂可编程逻辑器件芯片为核心来设计加密卡，把硬件和软件结合起来进行加密的方法，并付诸实施。因此，减少了硬件故障率，节省了印制电路板的面积，降低了加密成本，通过灵活选择加密算法，并配置到加密卡芯片的办法，造成各加密卡在内部算法上不完全相同，因此增加了破解的难度，提高了对虚拟仪器软件的保护性。     

基于递归神经网络的多步预报方法

为了解决由多层前馈神经网络递推运算获得的多步预报存在的预报误差迭代累积问题 ,提出了基于局部递归神经网络的多步递归神经网络 (MSRN)模型 ,对时间序列进行了多步预报 .用模拟振动数据把MSRN模型用作单步和多步的预报能力 ,同经典的多层前馈神经网络进行了比较 ,并预报了天津石化总公司炼油厂大机组某测点振动的变化趋势 实践表明 ,用该方法进行多步预报误差小 ,并具有良好的预报能力 .     

网络课程中实现教学设计思想的思考

网络课程的教学设计是网络课程质量优劣的关键,本文分析了网络课程教学设计与传统课程教学设计的不同特点,对在网络课程中如何实现教学设计的思想提出了一些看法和建议。     

农远工程促进农村教师自主发展的研究

依托农村中小学远程教育工程．探讨基于远程教育资源的农村教师自主发展途径。     

堆叠自编码网络性能优化及其在滚动轴承故障诊断中的应用

为了解决堆叠自编码网络在参数较多时的梯度弥散问题,对网络每层的编码值进行了统计分析,发现大部分分布于激活函数的饱和区,这直接导致了神经元权值梯度的消失。为此,引入了一种标准化策略,将神经元按照样本进行归一化,然后引入两个待学习参数进行缩放和平移,最后通过激活函数输出到下一级神经元。运用带标准化的堆叠自编码网络进行滚动轴承故障诊断,将振动信号的频谱输入到网络中。与普通堆叠自编码网络相比,该标准化策略可有效地使网络编码值均匀分布,如将第一层编码值的熵从0.88bit提高到了16.29bit。带标准化的堆叠自编码网络可有效提高网络的抗噪能力和训练速度:在凯斯西储大学滚动轴承数据集上,当人为添加噪声信号的信噪比为0dB时,识别正确率从16.18%提高到了100%;在实验室实测数据集上,不仅训练时间下降了37.22%,而且识别正确率从97.93%提高到了99.95%。对网络的编码值进行分析以及引入的标准化策略,可为科研技术人员构建堆叠自编码网络时提供参考,也为滚动轴承故障诊断提供了一种策略。     

区分自编码网络及其在滚动轴承故障特征提取中的应用

针对传统自编码网络在特征自动提取过程中仅以重构误差最小为目的而导致的分类信息模糊问题,提出了一种区分自编码网络。该网络在自编码网络的隐层连接一个全连接层,加上Softmax分类器,将分类器的输出与标签信息的交叉熵添加到原始的损失函数中,以该复合损失函数最小为目标对网络进行训练。将上一层区分自编码网络的隐层作为下一层区分自编码网络的输入,依次堆叠形成堆叠区分自编码网络。运用改进前后的堆叠自编码网络进行滚动轴承故障特征自动提取,分别在实验室定转速和变转速多载荷数据集上进行了测试。定量计算改进前后网络提取特征的类内距和类间距,区分自编码网络将类内距减少8.26%,类间距增加23.02%。运用3种常用分类器对两种网络提取的特征和42个人工提取的特征分别进行故障分类,结果显示,在定转速数据集上,区分型网络提取的特征和人工提取特征的分类效果相当,均高于传统型网络提取的特征;但是在变转速多载荷数据上,区分型网络提取的特征明显优于另外两类特征。定量计算和故障诊断的结果表明,区分型网络具有良好的不随工况变化的特征自动提取能力。提出的区分型自编码网络可广泛应用在机械故障诊断的特征提取阶段,为工程技术人员实现特征自动提取提供了一种解决方案。     

压电磁耦合振动能量俘获系统的非线性模型研究

为了建立压电磁耦合振动能量俘获系统的动力学模型,提出了一种非线性多项式拟合系统的非线性回复力的建模方法。使用微型测力仪直接测得悬臂梁处于不同位置时的非线性回复力,并用多项式进行参数拟合以获得非线性回复力的表达式。根据哈密顿原理、欧拉-伯努利梁理论和压电理论等,建立了考虑非线性回复力的系统模型,由龙格-库塔数值算法仿真后得到系统的非线性输出特性。研究结果表明,该模型具有参数求解简单、计算量小、无需直接求解磁场力等优点,能够描述非线性宽频能量系统的跳跃频率、最大电压和有效频带等关键设计参数,为压电磁耦合振动能量俘获系统的机理研究奠定了理论基础。     

奇异值分解技术在声音信息分离中的应用

针对工程实际中循环非稳信号信噪比低，因此造成分析和特征提取难的问题，采用奇异值分解技术，对用声传感器采集的声音信号进行分解和重构，提取有用信息，消除噪声，从而提高了声音信号的信噪比，保证了故障的确诊，利用短时傅里叶变换，从时频域提取特征，进一步说明了该方法的有效性。     

一种自适应形态滤波算法及其在轴承故障诊断中的应用

针对工程实际中的故障诊断受限于零部件故障先验知识缺乏、振动信号调制及噪声成分复杂等问题,提出了一种滚动轴承故障诊断的自适应形态学滤波方法。在对基本形态算子和组合形态算子原理分析的基础上,利用非线性滤波器幅频响应分析法,获得了不同形态算子的滤波特性,定量分析了结构元素尺度参数对滤波效果的影响。对典型的滚动轴承故障模型及振动信号进行分析,获得了故障轴承运行的主要特征,确定了结构元素尺度参数选定策略,数值仿真实验验证了该方法的可行性。进行滚动轴承实验振动信号分析,结果表明,与参数优化的组合形态滤波差值算子(CMFH)相比,所提方法至少将信号的特征幅值能量比提高了29.8%、算法效率提高了50.0%,可清晰、准确、快速地将滚动轴承外圈和内圈的故障特征呈现出来,进一步证明了该方法在机械故障诊断应用上的可靠性和实用性。