数控机床不完全维修的贝叶斯可靠性评估

提出了在少样本故障数据情况下,数控机床不完全维修的贝叶斯可靠性评估方法,分析了广义更新过程虚龄模型参数的验前分布和后验分布,利用马尔科夫链蒙特卡洛仿真方法获得了模型参数、累计故障数、故障强度和可靠度等可靠性指标的贝叶斯点估计和区间估计,并分析了某一现场数控机床不完全维修的可靠性.结果表明,与极大似然估计方法相比,贝叶斯可靠性评估方法具有较高的精度.     

基于模糊滑模控制的风力发电系统最大风能追踪

针对永磁同步风力发电系统,从空气动力学的基础理论入手,分析了机组运行时的最大风能追踪原理.根据已知的风力机特性和滑模变结构系统理论,推导出在切换面上的等效控制和切换面上滑模运动的状态方程.为了削弱抖振,采用基于最大风能追踪控制的模糊滑模控制方法,根据系统状态在线调整切换控制增益系数.通过Lyapunov稳定性定理得到系统渐进稳定的充分条件.构建系统模型并进行仿真比较,仿真运行结果证实了该控制策略的正确性和有效性.     

可测量潜在故障模式的特种设备可靠寿命预测

由于失效样本少,传统的可靠性分析方法并不适用于特种设备的寿命预测.根据产品研制阶段的实验数据和同类产品的相关历史记录确定可靠性评估的验前信息.结合小样本现场试验数据,应用Bayes方法融合产品的验前信息和现场信息,得到产品寿命的验后分布,进而建立产品可靠寿命的预测模型.以桥式起重机为例,针对具有可测量退化量的潜在故障模式——主梁下挠超标,推导了主梁两阶段可靠寿命的退化规律,得出了在给定可信度下主梁从下挠值为0至发生潜在故障和发生潜在故障后继续使用至发生功能故障的工作时间,进而为主梁的检测和维修提供理论基础.该研究对于缺乏大样本试验数据的特种设备的可靠寿命预测与风险预防具有借鉴意义.     

利用密度描述符对应的视觉跟踪算法

针对稀疏描述符由于关键点检测不稳定及其误匹配造成跟踪失败的问题,提出了一种利用密度描述符对应实现目标跟踪的算法。该算法通过计算目标在相邻两帧之间的密度描述符流,考虑目标的空间分布特性和描述符的权重,得到目标的运动矢量,获得目标在当前帧中的估计;根据密度描述符的运动矢量与目标运动矢量的关系及其匹配程度,更新密度描述符的权重。在大量测试数据上对所提算法进行实验,并与相关跟踪算法进行比较,定性和定量分析表明:当发生光照、遮挡、姿态变化时,所提算法能够稳定地跟踪目标,跟踪成功率均在90%以上,跟踪误差要小于其他算法。     

复杂场景下基于特征点匹配的目标跟踪算法

提出一种在复杂场景及目标遮挡情况下,特别是目标外形、大小发生变化时的基于SURF的目标跟踪和在线目标模型更新算法。该算法利用SURF对尺度缩放、光照变化和旋转等具有较好鲁棒性的特点,首先提取跟踪目标的SURF特征点,以特征点及其邻域的R、G、B直方图表示目标;然后根据目标在连续的帧中相似性较大的特点,搜索当前帧中的目标最优匹配SURF特征点,由目标特征及目标模型计算其准确大小和位置,并根据变化了的目标状态更新目标模型。实验结果表明,该算法可准确地定位到目标。     

基于目标跟踪法的椭圆曲线插补和加减速算法研究

目的 满足椭圆曲线加工高速、高精度要求.方法 深入研究目标跟踪法对椭圆曲线的精确插补,算法结合弓高误差约束,能随椭圆曲线曲率自适应调整进给速度.提出了一种新的三次样条曲线加减速控制方法,该方法使加加速度呈线性变化,极大地减小了加工过程对数控机床造成的冲击.最后采用MATLAB进行实例仿真和性能验证分析.结果 该方法在椭圆轨迹插补过程中,插补最大轮廓误差不大于一个脉冲当量（0.001 mm）,切削进给速度基本保持恒定.结论 该算法运算速度快、误差小,实现了高速、高精度要求.     

熔融制样-X线荧光光谱测定Al_2O_3中Fe_2O_3,SiO_2,Na_2O的含量

应用熔融制样-X线荧光光谱法测定Al2O3中主要杂质Fe2O3,Si O2和Na2O的含量。采用Li2B4O7挂壁制备熔剂坩埚,分散剂溶解并分散Al2O3样品,蒸干过量水分后加混合熔剂(Li2B4O7∶Li BO2以12∶22的质量比混合),低温蒸干,并加热熔融制成厚度为2.5 mm的玻璃状熔片,用X线荧光光谱仪对Al2O3中Fe,Si,Na等元素同时进行测定。通过对此方法精密度及精确度的考核,其测量结果与化学值相吻合,三者杂质的标准偏差均小于10%,测定值与已知值之间的误差均符合标准规定。     

基于软件接收机的标量与矢量跟踪算法设计与分析

以Matlab软件接收机为平台,研究对比了标量与矢量跟踪算法结构原理及算法设计,并分析了两种不同算法在信号短暂遮挡环境下的接收机跟踪性能. 建立了基于扩展卡尔曼滤波的矢量延迟/频率锁定跟踪算法模型,分析了矢量跟踪算法控制过程及时间同步问题,分析了标量与矢量跟踪算法在信号短暂遮挡环境下快速重跟性能及其对定位的影响,并进行了半实物仿真. 仿真结果表明,矢量跟踪算法不仅具有更好的快速重跟性能,而且接收机的位置检测精度和位置检测平滑度都优于标量跟踪算法.      

谐波小波样本熵与HMM模型的轴承故障模式识别

根据谐波小波分解非平稳振动信号优良特性与隐马尔科夫(HMM)模型的时序模式分类能力,提出了一种基于谐波小波样本熵与HMM模型结合的轴承故障模式识别方法.该方法首先利用谐波小波对轴承各个状态故障信号进行分解,进而由谐波小波三维时频网格图的频率层数特征计算合理的样本熵维数和阈值,依次提取轴承振动信号各层的样本熵构成特征向量序列;然后将序列前120组输入HMM模型中进行训练得到对应故障模型,剩余80组进行测试与识别,通过对比对数似然估计概率输出值确定轴承故障类型.实验通过与BP和RBF神经网络模型进行不同训练组数的正确识别率对比,验证了该组合方法具有识别准确率高,稳定性强的优点.     

尺度目标的频域核回归跟踪研究

提出了一种基于频域核回归模型的尺度目标跟踪算法。该算法将时域相关滤波转换为频域的线性回归问题,构建一个包含似然项和先验项的代价损失函数,当似然项和先验项选取不同的分布函数,获得不同约束条件下的跟踪模型;通过核函数用来适应目标在跟踪过程的尺度变化。在初始帧中,通过手动标注目标初始状态,获得目标样本及其标记,利用核回归得到目标的频域模板;在跟踪过程中,利用循环卷积定理,将时域相关运算转换为频域乘积运算,快速计算候选样本的响应,得到目标在当前帧的估计;利用估计结果更新目标频域模板,同时在线更新核函数,适应目标尺度变化。实验分析表明,文中算法能够实时地跟踪目标,适应目标外观和尺度的变化,获得较好的跟踪效果。