基于支持向量机的机械系统状态组合预测模型研究

提出了一种新的支持向量机(Support V ectorM ach ines,SVM)机械系统状态组合预测模型。应用FPE(F ina lP rinc ip le E rror)准则优化样本的维数,采用时域内的振动烈度和频域内的特征频率分量作为预测机械系统状态的敏感因子,构建了预测模型。支持向量机采用新型的结构风险最优化准则,预测能力强、鲁棒性好。采用径向基函数和ε损失函数,将该模型应用于实验台和旋转注水机组的状态预测,取得了较好的效果。这表明利用支持向量机的组合预测模型,可以降低设备维修代价,提高设备的安全性和可靠性。

基于小波逼近的机械系统非完整运动规划数值方法

机械系统中的非完整约束通常是由不可积的速度约束或不可积的守恒律引起。由于非完整约束的存在,系统的运动控制和规划问题比一般的机械系统要困难得多。机械系统在动量和动量矩守恒且为零的情况下,系统动力学方程可降阶为非完整形式约束方程。基于这样的方程,将系统的控制问题转化为无漂移系统的非完整运动规划问题。针对带有非完整约束的机械系统,导出自由漂浮的空间机器人系统非完整运动模型。利用最优控制技术和小波分析方法,在控制输入中引入小波函数逼近,提出一种非完整机械系统运动规划数值方法。将该方法用于自由漂浮空间双臂机器人系统,仿真结果验证了方法的有效性。

基于机械传动试验台运动误差测试系统的设计

介绍了机械传动试验台运动误差测试系统的结构组成、工作原理以及该系统设计的思想与过程。通过试验证明,该机械传动试验台运动误差测试系统稳定、可靠。利用该测试系统可使数据采集更准确,数据处理更快捷,能大大提高测量的工作效率。

机械系统故障诊断模拟实验系统研制——振动信号处理部分

振动信号处理部分是对计算机采样进来的加速度信号进行滤波,以消除噪声影响;以振动烈度的形式显示机构振动情况;采用 FFT 算法对速度信号进行频谱分析。实验结果表明,系统可以有效的消除外界噪声影响,并能准确地显示机构的振动烈度值和频谱分析结果。

面向旋转机械状态维护的智能化在线状态预测方法及系统

状态维护是实现旋转机械动态维护的先进方式,状态预测是实现旋转机械状态维护的关键技术。提供了面向旋转机械状态维护的智能化在线状态预测方法及系统,解决了重要生产实际问题。

大型旋转机械故障诊断的专家系统框架

使用专家系统可以对大型旋转机械的故障进行比较准确地诊断。对特定的设备使用专门的专家系统可以有效地完成故障诊断任务。通过对专家系统基本理论的研究,根据大型旋转机械故障诊断的特点和现有的实际条件,对建立专家系统的方案进行了适当的选择。

大型旋转机械在线实时监测实验原型系统研究

讨论了大型旋转机械检测系统的机械系统和实时监测系统的设计, 提出了一种对于大型旋转机械状态监测系统的高速数据采集实用的解决方案。通过采用研华的PCL818-HD, 本试验台实现了预期的数据采集目标, 并讨论了采用更高的数据采集卡PCI1714实现更高速的数据采集方案。

基于粗糙集对旋转机械故障诊断系统的研究

针对机电设备故障诊断中存在的知识冗余和不确定性,从原始数据出发,利用决策表约简算法进行属性和属性值的约简,建立了故障诊断的规则库。给出了基于粗糙集的故障诊断和知识获取模型的一般结构。通过对旋转机械典型故障的分析,建立了决策表,通过对决策表的约简,减少了数据库中数据的数量,解决了故障诊断中知识获取的瓶颈问题。提出了决策表的属性值约简的一种简化算法。实验证明该方法是可行的。

机械故障诊断模拟实验系统的研制——监测系统的软件设计

故障诊断对于现代化大型机械的正常运转及经济效益有着极为重要的作用。为了方便机械故障诊断方面的科研实验,并辅助学院本科生及硕士的教学工作,培养学生综合实验的能力,研制了本旋转机械系统故障诊断的模拟系统。论文介绍了该系统监测部分软件的功能模块、设计原则、人机交互界面以及容错设计等,既可用于科研,也可用于教学实验。

机械系统故障诊断模拟系统的研制——硬件设计部分

为准确、快速地采集和处理机械系统的多种信号,对机械系统硬件设计提出了较高要求。论文介绍了一种最新研制的机械系统故障诊断模拟系统的硬件部分及其组成、设计和测量原理、信号采集和处理等。该系统能对多种机械量进行测控,还具有故障预报的功能。

常用机械零件和机构设计CAD系统

介绍一种微机上用 Borland C++和 AutoCAD R12开发常用机械零件和机构设计 CAD 系统的功能和方法重点讨论了系统进行友好人机界面设计、数据处理与通讯、AutoCAD 的功能扩展三个方面的技术特色。

机械传动试验台的研制与应用

本文主要阐述了开放式机械传动实验台的结构组成和特点，磁粉加载装置工作原理，回转件的转速、转矩及效率测试方法和回转件的转角及运行误差的测量方法及其应用。

旋转机械的遗传算法优化神经网络预测模型

趋势预测是实现旋转机械先进的预知维护的关键技术,神经网络模型预测是实现趋势预测的新途径。当前旋转机械状态预测神经网络对环境的适应性较差、预测精度较低。针对这个问题,提出了一种在线自适应趋势预测方法。利用遗传算法(GA)的并行搜索能力对BP网络结构参数进行动态优化。改进后的预测模型能够根据不同条件对结构参数进行动态优化,取得了较理想的在线预测效果。

自由漂浮空间机械臂非完整运动规划的粒子群优化算法

带空间机械臂航天器系统在无外力矩作用时,系统相对于总质心的动量矩守恒而变为非完整系统,由于非完整约束的不可积性,非完整系统的运动规划与控制比一般系统要困难得多。针对这一问题,利用非完整特性研究自由漂浮空间机械臂的三维姿态运动规划问题,导出带空间机械臂的航天器三维姿态运动数学模型,并将系统的控制问题转化为无漂移系统的非完整运动规划问题。在运动规划中,引入Fourier基函数构成系统控制输入,对基函数的系数向量优化,提出一种应用粒子群优化的最优运动规划数值算法。数值仿真表明该方法对空间机械臂及航天器三维姿态运动的非完整运动规划是有效的。

RBF神经网络在旋转机械故障诊断中的应用

论述了RBF神经网络的基本网络结构和网络的学习及运行过程,结果表明:RBF神经网络具有极快的学习收敛速度。讨论了RBF神经网络在旋转机械故障诊断中的应用,并对训练后的网络进行了仿真测试,仿真结果表明RBF网络有较高诊断正确率。

大型旋转机械状态组合预示模型研究

大型旋转机械的状态预示技术是实现设备状态维护的关键,针对大型旋转机械的几种典型趋势,提出支持向量机(support vector machines,SVM)进行系统故障趋势预示的模型,采用BP(back propagation)神经网络模型和SVM模型对不同的趋势进行预测,结果表明SVM模型具有预测精度高的特点。在以上研究的基础上,提出一种新的旋转机械系统状态组合预测模型。该模型采用振动烈度和特征频率分量作为预测机械系统状态的敏感因子,采用从时域到频域、频域到时域,构建旋转机械状态预测的组合模型。将基于SVM的组合预测模型应用于旋转注水机组的状态预测,取得较好的预测效果。

旋转机械趋势预测方法的研究

现代化设备的状态维护要求对设备的运行状态进行预测。随着运行设备的非线形特点越来越明显，传统的数学建模预报方法已不能满足设备的复杂化和现代化要求。针对现代状况，采用灰色理论和神经网络建模预报。对于灰色预报，将原始序列作累加生成处理后，采用ＧＭ（１，１）模型进行建模预测;;对于神经网络预报，采用ＢＰ算法对时间序列进行预报。对从大庆油田采回的实际现场数据进行灰色理论和神经网络的联合预报。实践证明，提高了预报精度，取得了较好的预报效果。

融合信息和制造技术促进机械专业教学改革研究

随着信息技术在机械制造业中的广泛应用 ,对机械类专业课的设置和教学提出了新的要求。文章论述了信息技术在机械制造中所起的作用 ,提出了机械设计制造及其自动化专业教学内容和知识结构的改革思路。文章指出 ,改变观念 ,融和信息技术和机械制造技术 ,是促进机械制造技术发展的必然趋势。

大型旋转机械非平稳时间序列预测模型的研究

目的许多大型旋转机械运行工况恶劣 ,非平稳、非线性特征明显 ,以及各种突发性、偶然性因素的影响 ,给基于振动信号处理的状态预测和状态维护分析带来困难 ,为此研究了非平稳时间序列预测模型。方法在分析传统时序模型振动烈度趋势预测适用性的基础上 ,提出适合于变工况非平稳状态的非平稳时序模型。结果和结论该方法有效地剔除了用于预测的历史数据中的野值及奇异点 。

《大型旋转机械在线智能化状态维护的研究》概论

对大型旋转机械，研究在线智能化状态维护的理论、方法和技术，以在线智能状态维护，取代通常的以时间为基础的预防性维护、避免机器突发性恶性事故，预测趋势性故障日期，减少维修次数和维护费用。为机械、石化、电站、冶金、煤炭、核能等许多行业中的关键机械设备进行在线智能状态维护提供科学依据和途径。