基于MFCC与LPCC的滚动轴承故障音频诊断法

本文结合语音识别中运用较广的美尔频率倒谱系数(MFCC)和线形预测倒谱系数(LPCC)作为滚动轴承音频信号的特征参数,并使用具有强学习能力的神经网络方法进行故障诊断,最后依靠Dempster-Shafrg(D-S)证据理论进行分析得出可信度高的判定结果。实验结果表明,该方法在滚动轴承的音频信号故障诊断中有效可行。在积累足够量的样本数后,可望建立相应的专家库,实现轴承故障的快速智能诊断。

轴承故障音频诊断系统设计与开发

轴承音频信号包含了其运行状态的许多重要信息,通过这些信息的恰当分析、处理就能对轴承故障进行有效诊断.与振动信号相比,音频信号的采集是非接触式的,具有使用方便、成本低廉等优势.因此,将基于音频信号的隐马尔可夫模型(Hidden Markov Model,HMM)建模方法引入到轴承故障诊断研究,以PC机为平台,在Visual C++ 7.0环境下设计开发了一套功能完善、操作方便、界面友好的轴承音频故障诊断系统。主要介绍了诊断系统的体系结构,HMM方法建模的步骤和故障诊断过程中的具体应用操作。多次实验结果表明,效果良好。

迭代卡尔曼滤波在机器人定位中的应用

定位是移动机器人最基本的问题之一。应用了迭代卡尔曼滤波(IEKF)集成航位推算和全局观测信息,解决机器人的定位问题。该方法在卡尔曼滤波测量更新阶段,多次迭代计算估计状态,直到误差小于一定的阈值。减少了由于泰勒展开的截断带来的定位误差,使得算法的收敛稳定性增强。最后通过仿真实验与EKF方法比较。结果表明,IEKF在移动机器人定位中是一种有效的方法。

语音信号端点检测方法与展望

对语音信号端点检测的主要方法,如基于短时能量的方法、基于HMM的方法、基于自相关相似距离的方法等进行了深入研究。分析了这些方法的原理、优点与不足,并进行了比较。针对各种检测方法在应用中,尤其是应用于噪声环境中的局限性,指出了语音信号端点检测领域进一步研究的方向。

DSP环境轴承故障DHMM音频信号诊断方法

针对目前轴承在线式监测与故障检测系统价格昂贵,安装调试及维护困难而不适合中小型设备故障诊断的问题,本文提出了DSP环境下的轴承故障DHMM音频信号诊断方法,利用了音频信号采集方便、成本低廉,不会破坏设备原有机械结构的特点,而且首次将DHMM方法和音频信号方法和具有强大数据处理能力的DSPs相结合,应用于轴承故障检测与诊断,并对MFCC特征参数的提取和DHMM模型的训练方法作出了改进。实验结果表明效果良好,切实可行,具有很好的应用前景。

滑石粉/硅灰石纤维/聚丙烯复合材料的制备与性能研究

采用挤出注塑的工艺制备了不同配比的滑石粉(Talc)/硅灰石纤维/聚丙烯(PP)复合材料,研究了滑石粉和硅灰石纤维的含量对聚丙烯的力学性能,热性能及微观结构的影响。使用硅烷偶联剂对硅灰石纤维和滑石粉进行表面改性处理提高改性材料的表面疏水亲脂性,使填料能够在聚丙烯树脂中均匀分散并与基体材料有很好的亲和性能。研究表明,滑石粉/硅灰石纤维/聚丙烯复合材料的弯曲性能随硅灰石和滑石粉含量的增加而增大,复合材料的拉伸和抗冲击强度也有所增加,而滑石粉/硅灰石的含量变化对复合材料的熔融温度基本没影响。