利用磨削火花信号识别砂轮磨损状态

本文提出了利用磨削火花温度信号在线识别砂轮磨损状态的新方法。在大量试验的基础上,根据磨削火花信号的特性及砂轮磨损过程的特点进行了机理探讨,获得了磨削火花信号特征量与砂轮磨损状态之间的对应关系。研究结果表明,所提方法是可行的,磨削火花信号的统计特征量能够反映砂轮磨削的不同状态。本文研究为进一步利用磨削火花信号实现砂轮磨损状态在线辨识提供了基础。     

非线性函数逼近的神经网络方法

针对工程实际中一类典型的非线性函数逼近问题，本文阐述了单层函数型网络及双层网络在应用时各自的特点，并提出了对网络输入节点进行优化选择，可提高网络的逼近精度，简化网络结构．文中给出了具体的选择方法，计算机模拟结果验证了该方法的有效性。     

用红外测温法对磨削火花温度的研究

本文讨论用磨削火花温度作为讯号,在“在线”条件下,对加工表面质量及工件尺寸精度进行监控或控制的问题。文章首先介绍我院与北京钢铁学院共同研制的HWX—Ⅱ小目标红外测温仪原理,然后阐述用时间序列分析建立数学模型的方法研究证明,磨削火花温度是平稳的随机过程,在不同磨削条件下,用红外测量的磨削火花温度的规律与磨削区温度的规律基本一致,在不同磨削条件下,其频谱特性相同。对磨削火花温度系统而言,采用AR(6)、AR(7)、AR(8)是可行的。     

线性/非线性时间序列模型一般表达式及其工程应用

提出一种线性/非线性时间序列模型的一般表达式(GNAR),论述其线性和非线性特性.对3种典型的非线性、非平稳时间序列进行试验及应用研究.将样本数据分成训练集和测试集,在训练集上建立GNAR模型,采用最小二乘方法以及结合预测误差的修正AIC准则实现其参数估计和模型定阶.在测试集上进行预测,进而验证模型.结果表明该模型对3组数据跟踪性能良好,预测预报精度优于传统时序模型,因此该模型有良好的适应性和有效性,能应用于工程实际.     

307滚珠轴承内圈外沟道磨削烧伤在线辨识研究

磨削表面层质量直接影响着机械零件的使用寿命和可靠性,磨削烧伤则是产生磨削表面有害变质层的主要因素。本文依据磨削中主要磨削段磨削火花温度信号是一个相关性较强的连续宽平稳随机过程,与磨削区温度具有良好的一致性,烧伤类与未烧伤类在时域和频域上都具有不同的表现特征。运用模式识别原理,在磨削火花温度样本特征统计特性分析基础上,提出了一种基于单类样本集的两类模式状态辨识方法,对磨削烧伤进行状态辨识。 1磨削火花温度状态聚类特征     

基于神经网络推理的故障诊断专家系统

本文利用神经网络(NN)的知识并行处理、自学习及联想记忆等功能，建立了基于神经网络推理的专家系统论述了NN的结构、算法参数的确定、系统知识获取和离线／在线自学习功能，提出了NN数值推理和ES深层逻辑概念相结合的输入／输出转换机制与NN推理的解释机制．研究表明系统具有良好的实用性。     

非线性自回归时序模型研究及其预测应用

从函数逼近和系统辨识两个方面推导了非线性自回归时序模型(GNAR模型)的物理结构,通过公式推导及仿真数据研究GNAR模型与确定性实函数、经典时序模型和混沌序列的关系,明确GNAR模型对系统逼近的机理.以Lorenz系统输出的混沌序列和现代经典时序-太阳黑子序列为算例进行数据实验,证明了GNAR模型在建模和预测方面的优越性.     

模糊基函数神经网络在线跟踪自学习算法研究

提出了一种用于分类的模糊基函数（FBF）神经网络在线跟踪自学习算法,通过带有遗忘因子的样本均值和样本协方差矩阵,保存了原始样本所包含的类可能性分布信息,并在此基础上产生新增样本的目标输出用于训练FBF网络,以实现分类边界的在线跟踪;给出了带有遗忘因子的样本均值和样本协方差矩阵的递推算法,以克服传统方法需要保存大量以往训练样本带来的困难。所提出的方法用于旋转机械的故障识别,结果表明是可行的和有效的。     

表面粗糙度视觉检测中环境光补偿新方法

利用机器视觉方法对表面粗糙度的检测进行了研究,提出一种新的环境光补偿法来提高在不同外界环境光情况下的检测精度.利用照度计测量外界环境光的强度变化,并选取工件采样区域特征均值及灰度共生矩阵能量值拟合得到工件表面粗糙度检测值的计算多项式.与算术平均偏差法及灰度共生矩阵法进行了实验对比,对φ38 mm磨削轴在不同环境光下检测结果表明,当测量误差选定为±0.05μm时,环境光补偿法检测结果的正确率比其他2种方法的正确率提高约20%.     

陀螺随机漂移ARMA模型的建立

本文讨论了陀螺仪漂移数据的预处理及统计特性分析,提出了用极大似然法建立陀螺漂移的ARMA模型.通过数字仿真表明,本方法的估计精度不低于其它方法,且可使用微型计算机来进行处理。