一种计算机数控的医用呼吸模拟平台设计

为了给呼吸补偿方法的验证提供数据,设计了一种计算机数字化控制的医用呼吸模拟平台.本文将拟合的呼吸运动曲线映射成三维运动坐标数据,以ATmega2560单片机为核心,采用42BYGH34两相步进电机设计了一种模拟人体呼吸运动的三维运动平台.该平台利用单片机解析来自上位机发送的三维运动曲线数据,然后转换成驱动信号并结合驱动芯片对两相步进电机进行驱动,进而带动与皮带相连夹具上体模的周期运动,从而模拟人体器官的运动.经测试,该运动平台性能稳定,可以为模拟呼吸运动数据的采集提供硬件平台.     

基于K均值和支持向量机的燃料电池在线自适应故障诊断

基于K均值(K-means)和支持向量机(support vector machine, SVM)算法,提出了一种车用燃料电池系统(fuel cell system, FCS)在线自适应故障诊断方法.该方法通过不断获取系统最新单体电压,采用K-means算法改进传统的静态SVM分类器模型,对实时获取的信息进行聚类,实现分类器的在线自适应调节.采用已发表文献中的实验数据进行了相关的验证分析,结果表明,提出的方法能有效地在线调节故障分类器,实现FCS系统特性发生改变后的故障检测.     

基于无线温度监测的内燃机连杆轴瓦故障诊断技术研究

针对内燃机连杆轴瓦故障频发且监测手段有限的技术难点,提出了基于无线温度监测的连杆轴瓦磨损类故障诊断方法。通过分析连杆轴瓦与轴径相对运动时的摩擦力学关系,在考虑润滑的前提下推导出轴瓦温升计算方程,作为基于温度监测的轴瓦故障诊断方法的理论依据;以TBD234V12型柴油机为对象,搭建连杆轴瓦故障模拟实验台模拟轴瓦磨损故障,并配置无线测温系统捕捉异常温度信号,对比正常情况下的温度信号可知,磨损的连杆轴瓦表面温度相比正常轴瓦温度有明显上升。理论和模拟实验结果表明,基于无线温度监测的内燃机连杆轴瓦故障诊断方法具有较高实用价值。     

基于自适应动态时间规整(DTW)的GA-FCM多阶段间歇过程故障诊断

多时段是间歇过程的固有特征,对间歇过程划分阶段可以提高故障诊断的精度。采用模糊C-均值聚类（FCM）算法划分阶段存在对初始聚类中心敏感、易于陷入局部极优值的问题。提出遗传算法与FCM算法相结合的方法（GA-FCM）,用于克服FCM易于陷入局部极优值的问题,以达到全局最优。同时,针对间歇过程数据不等长问题,提出自适应动态时间规整（DTW）算法。随后,用GA-FCM方法完成阶段划分,再建立多向核主元分析（MKPCA）模型完成故障检测。最后将此算法应用于青霉素发酵过程,仿真结果验证了所提方法的可行性和有效性。     

FANUC OiT数控车床进给轴安装与调试

数控车床进给轴是用来执行直线定位和切削运动的装置,其性能的好坏直接决定了数控车床的加工精度。通过对进给轴安装调试与检测全过程的试验研究,分析了进给轴伺服系统的常见故障,指出了各类故障的排除方法,为数控机床的维护提供了技术参考。     

无线传感器骨干网络路由算法

针对当前无线传感器骨干网络路由算法无法平衡能耗和数据传输之间的矛盾, 导致无线传感器骨干网络路由的数据传输时延较大, 无线传感器网络吞吐量较小的不足, 以提高无线传感器网络整体性能为目标, 设计一种新的无线传感器骨干网络路由算法. 首先分析无线传感器网络的工作原理, 并建立相应的路由模型; 然后引入机器学习算法对无线传感器骨干网络路由中的无线传感器节点能量进行实 时预测, 选择能量大的无线传感器节点进行数据传输, 构建能量消耗最小的无线传感器骨干网络路由; 最后与其他无线传感器骨干网络路由算法进行对比测试. 测试结果表明, 该算法的无线传感器骨干网络路由能耗较小, 无线传感器网络数据传输可靠性高, 加快了无线 传感器网络数据传输速度, 无线传感器骨干网络路由整体性能明显优于其他对比算法.     

物联网入侵的最优通信节点选取算法

针对目前传统通信节点选取算法无法进行最优节点精确选取, 无法有效保证物联网的有效通信等问题, 提出一种基于节点信息冗余度的物联网入侵最优通信节点选取算法. 首先构建通信节点转移特征建模, 计算标记网络入侵下的跳频节点和噪音节点; 然后设计通信分布序列分析模型, 计算节点信息冗余度和通信节点的极值, 根据节点信息冗余度计算结果将干扰节点进行排序去除, 根据极值选取最优通信节点; 最后对最优通信节点选取算法进行仿真实验. 实验结果证明, 该算法可快速、 准确地实现物联网入侵下最优节点的选取, 具有较强的抗干扰能力, 且算法的综合性能优于目前其他最优通信节点选取算法.     

抵御传感器故障的静态输出反馈可靠控制

针对线性系统,研究了考虑传感器增益故障情况下,静态输出反馈可靠控制设计问题。首先,在不考虑故障时,设计控制器,给出了系统保持渐近稳定的充分条件;然后,基于传感器故障,在原有反馈控制器作用下系统无法保持稳定;接下来,利用凸组合方法处理故障,及采用求解LMI不等式的方法对静态输出反馈可靠控制器进行重新设计,使闭环系统在发生传感器增益故障时仍能保持渐近稳定;最后,通过数值仿真验证设计方法的有效性和可行性。     

基于复Morlet变换和改进AlexNet神经网络的柴油机气门间隙异常故障诊断方法

针对柴油机缸盖振动信号非线性、非平稳的特点,以及传统故障诊断方法需要先验知识且特征提取费时费力的缺点,提出了一种基于复Morlet变换和改进AlexNet神经网络的柴油机气门间隙异常故障诊断方法。首先通过复Morlet小波将柴油机缸盖振动信号转换为时频图,该变换包含了信号的时频域信息,比单一的时域或频域信号更适合分析柴油机缸盖振动这种非平稳信号;其次将时频图输入至AlexNet神经网络进行特征自动提取并建立故障诊断模型,解决了传统手工提取特征费时费力且需要专家经验的问题;然后通过Batch Normalization和Dropout技术改进网络结构,并优化神经网络超参数以提高模型的准确度和计算效率;最后将本文方法与传统的故障诊断方法应用于柴油机气门间隙异常故障诊断并进行对比,发现其诊断准确率最高,验证了所提方法的优越性。     

基于共振稀疏分解与子带增强的滚动轴承声学诊断方法

针对轴承声信号易受环境噪声干扰,导致声学诊断结果准确率低的问题,提出一种结合共振稀疏分解与小波降噪选取核心冲击子带、对信号进行二次降噪的滚动轴承诊断方法。首先采用共振稀疏分解算法对原始声信号进行降噪处理,提取信号瞬态冲击成分;然后通过小波包变换对信号进行分解,依据各子带信号峭度值选取核心冲击子带信号进行线性叠加并重构;最终通过包络谱分析确定轴承故障。故障模拟实验结果表明,本文方法可有效增强复杂声场环境下轴承声信号的冲击特性,实现针对滚动轴承的声学诊断。