基于 AR 模型和SPRT 检验法的过程状态监测

本文利用自适应卡尔曼滤波器原理建立机械系统过程监测模型—AR模型,并根据AR模型系数的变化可以表征系统过程状态这一特点,通过序贯概率比(SPRT)这一假设检验法,对机械系统的运行状况进行判别。实验表明,该方法行之有效,最后,本文给出了实验结果。     

柔性制造单元监控系统总体设计与研究

本文就监控与诊断技术的发展现状与趋势进行了综述。设计并研制FMS/FMC监控系统CMFDS,给出系统的组成、功能、配制、硬软件系统、总体结构及系统的技术特点。在加工中心、FMS上的实验表明了该系统良好的通用性和简洁性,体现了集成化、智能化现代监控技术发展的趋势。     

超高斯随机振动环境的疲劳强化机理

针对可靠性强化试验的全轴随机振动环境的超高斯幅值分布特性开展其疲劳强化机理研究。首先通过理论分析表明RS机振动激励下试件应力仍保持超高斯分布,然后证明了同等量级下的超高斯分布比高斯分布随机应力具有更高的疲劳强化效能,从而揭示RS机全轴随机振动环境超高斯幅值分布特性的疲劳强化机理。     

阶比谱分析与汽车起动电机故障的实时诊断

本文主要论述阶比谱分析方法及其在汽车起动电机故障实时诊断中的应用。首先阐述了阶比谱分析的原理以及阶比采样中混迭与泄漏的产生及其抑制方法,然后讨论了如何在起动电机运行过程短、升速快的情况下获取感兴趣的噪声信号,进而采用阶比谱分析方法从信号中提取故障特征信息,最后利用阀值判别法起动电机的故障进行实时诊断。     

基于动力学模型的柔性加工设备机电系统状态监测与故障预警

在建立的加工设备机电系统精确动力学模型及对模型参数实时辨识的基础上［１］，建立柔性加工设备机电系统的状态监测模型，包括ＢＡＹＥＳ故障检测、突发故障检测及故障分析与定位等；同时利用Ｋｕｌ－ｂａｃｋ信息距离和多层递阶ＡＲ模型实现系统的状态与故障预警。在加工设备上的实验表明模型可行有效，它能排除柔性多变工况、时变性及随机干扰对监测与预警功能的影响，提高其鲁棒性和自适应能力。     

基于灰色关联度和模糊贴近度的复杂设备瞬态虚警辨识

分析了电子设备和武器装备的ＢＩＴ系统虚警形式之一——瞬态虚警的产生原因和一般的预防措施；提出运用灰色关联度和模糊贴近度对瞬态虚警进行辨识并给出了这两种方法的基本原理；分别采用数值模拟和物理模拟的手段，获得了具有温度、湿度、振动（电源）三环境参数系统的状态变化样本群，以及因振动（电源）参数突变而产生的瞬态虚警样本；运用灰色关联度和模糊贴近度方法识别虚警及产生虚警的环境因素，结果表明两种方法可以胜任要求。     

随机共振原理在强噪声背景信号检测中的应用

动态系统中的噪声常被认为是令人讨厌的东西 ,但在特定的非线性系统中 ,噪声的存在事实上能够增强微弱信号的检测能力 ,这种现象就是随机共振 (SR ,stochasticresonance) ,它在物理、工业技术和生物医学领域里具有广泛的应用潜力。给出了利用随机共振原理检测微弱周期信号的基本方法 ,并采用模拟的信号对该方法进行了分析与验证。结果表明 ,该方法简单、稳健、可靠 ,能把信噪比较低的周期信号从强背景噪声中可靠地提取出来 ,将在机械故障诊断领域展示诱人的前景     

采用神经网络技术降低机电设备BIT虚警

机电设备 Ｂ Ｉ Ｔ 的突出问题是虚警率高，重要原因之一是 Ｂ Ｉ Ｔ 系统传感器通路故障。本文选取神经网络技术进行传感器通路故障诊断，剖析某大型船舶动力装置机电设备 Ｂ Ｉ Ｔ 系统中传感器通路的故障机理和类型，得到其故障样本数据，经过神经网络学习训练后对实际系统进行故障诊断和识别，实验结果表明该方法简洁、有效，能够有效地诊断故障并识别出故障类型，具有实用价值。     

用矩阵法FTA 进行非单调关联系统的早期不交化

本文针对带有重复事件的非单调关联系统故障树,定义了非单调关联系统的割集矩阵及不交化最小割集矩阵,利用矩阵变换实现故障树的早期不交化,从而为求解复杂非单调关联系统,解决其ＮＰ困难问题,提供了一条新途径     

在线估计表面粗糙度的神经网络多传感器融合方法

针对机床智能加工对加工状况监测的要求,文中提出一种在线估计表面粗糙的神经网络多传感器融合方法,用该方法可获得表面粗糙度的较好估计。文中论述了该方法的特征提取,维数压缩和归一化等预处理方法,神经网络的构造及训练等内容。仿真表明,该方法是可行和有效的。