新小波阈值法与VMD相结合的滚动轴承特征提取

针对滚动轴承故障信号弱以及难提取等问题,提出了一种新小波阈值方法与VMD相结合的轴承故障信号特征提取方法。首先,利用一种改进的指数小波阈值函数来优化传统小波降噪方法,克服其存在间断点和恒定偏差等问题;然后,结合VMD提取滚动轴承的有效故障特征;最后,以6205-RS号轴承内圈故障数据作为原始信号进行实验验证。实验结果表明,该方法能够有效提高降噪信号的信噪比,降低均方根误差,保证滚动轴承微弱故障信号特征提取的完整性和有效性。

基于自适应Canny的红外图像边缘检测算法

针对Canny算法需要人工设定高斯方差值和双阈值,红外图像存在噪声大、边缘模糊等缺点,提出一种基于自适应Canny的红外图像边缘检测算法.该算法采用自适应中值滤波代替高斯滤波计算梯度的幅值和方向,对梯度的幅值在3×3邻域内进行非极大值抑制,并根据图像灰度使用Otsu算法,自适应获取高低阈值,用高低阈值算法检测和连接边缘.实验结果表明,该算法减小了均方误差,提高了峰值信噪比和平均结构相似度,能有效提取红外图像边缘.

虚拟仿真技术在测控总线技术课程教学中的应用探索

介绍了测控总线技术课程的特点及目前教学中存在的问题。以三单片机简单接口通信系统设计为例,介绍了基于电路辅助设计软件Proteus的虚拟仿真技术在课程教学中的应用。虚拟仿真实验直观、灵活,且不受硬件和场地限制,可以将实验教学结合到课堂教学中去,有效激发学生学习兴趣,提高教学效果。

基于粗糙集的桥梁损伤状态等级评估

介绍了一种用于桥梁损伤状态评估的有效算法。利用粗糙集在处理不完备信息方面的优势来抽取桥梁构件状态与桥梁安全状态之间的规则。其优点是在对象信息不足或存在冗余时仍然有效而且不需任何先验信息。文章的最后利用两个新样本验证了该算法的有效性。

基于Delphi的UV-365分光光度计自动测色软件设计

光源色度的测量在很多场合都具有非常重要的意义,UV-365分光光度计是对光源色度进行测量时常用的仪器,本文利用D elph i设计了一个自动测色系统,可以弥补UV-365不能对大量测量数据进行计算的不足,提高其工作效率。最后通过对一个标准光源的测试验证了该系统的可行性。

脉冲涡流磁场特征分析

脉冲涡流是近年发展起来的新检测技术,目前还未被广泛应用,主要是因为脉冲信号的解释还处在初期。为了对脉冲信号做出客观的解释,介绍了直接测量导体内部涡流信号,首次观察到脉冲激励时的涡流信号波形。通过时域频域分析得出涡流信号的频率特性与导体深度无关,而与脉冲重复频率有关。这一结论对脉冲涡流技术的工程应用具有指导意义。

涡流检测的信号处理技术

介绍涡流检测信号处理技术中特征值的提取方法 ,以及利用神经网络和信息融合技术进一步对信号进行分类、识别和评价的技术发展 。

数据融合技术及其在涡流信号处理中的应用

介绍数据融合技术的几种方法,结合多频涡流检测的信息融合研究,着重介绍模糊集融合算法,并用遗传算法来近似最优地确定模糊参数,其优点在于当各融合源先验信息未知的情况下,能以近似最优的方法对信息进行融合。最后给出用该方法对硬化层深多频涡流检测信息融合的结果。研究证明,数据融合技术较适用于多频涡流检测。

论研究生创新培养——以仪器仪表专业为例

针对仪器仪表专业研究生培养模式单一、实践环节少、创新技能低的问题,需要采取协同创新的研究生教学培养模式,主要从创新文化的建设,创新教学体系的完善与加强,创新教学方式的探索三方面深入研究,使仪器仪表专业研究生毕业后具备扎实的专业技能和创新意识,以满足社会需求。

研究生导师队伍建设——以仪器仪表工程学科为例

为了提高研究生的综合素质和科研能力,文章首先分析了仪器仪表工程学科研究生导师队伍建设现状,然后提出了仪器仪表工程学科研究生导师队伍建设的策略,最后阐述了仪器仪表工程学科研究生导师队伍建设取得的成效。

基于学生能力培养的高校课程教学探索

为了满足大学课程与教学改革发展的需要,保持教学与实践的先进性和可操作性,在检测技术课程体系基础上,对课程实践教学和考核方式等教学环节进行了全新整改。同时,基于学生能力培养,从人才培养要求出发,以促进学生能力发展为目标,注重教与学的结合,总结出针对课程的独有教学模式,激发了学生的学习能动性,对高校教学具有重要参考和借鉴意义。

浅谈基于单片机的测控电路实验课程教学改革

针对高校本科测控技术与仪器专业开设的单片机及其他电路课程的实验现状,提出基于单片机的测控电路实验课程的改革方案,该实验课程教学改革的核心是既可以涵盖各电路课程的实验内容,又可以从系统进行全面完整的实验设计,有利于帮学生建立各门电路课程的联系,有助于培养和提高学生对复杂电路系统的设计能力和创新能力。

粗糙集的约简算法在涡流传感器设计中的应用

用粗糙集理论从传感器设计的大量数据中提取最小规则集。约简过程表明,核属性中只有测量参数,即涡流传感器结构参数对灵敏度的影响是通过与测量参数的配合而起作用的。应用粗糙集约简算法,不仅获得了传感器的设计规则,而且揭示了影响传感器性能的因素之间的关系,为涡流传感器设计提供了新的知识。

基于AVMD和WDK的风电齿轮箱轴承复合故障诊断方法研究

针对强背景噪声下轴承微弱复合故障特征提取困难的问题,提出一种基于自适应变分模态分解(AVMD)和优化的Wasserstein距离指标(WDK)的风电齿轮箱轴承复合故障诊断方法。首先,引入自适应学习粒子群优化算法(ALPSO),以平均包络熵作为ALPSO的适应度函数来搜索变分模态分解的最佳影响参数,从而构造AVMD;其次,结合Wasserstein距离(WD)和峭度优点,提出WDK指标筛选有效模态分量,并对筛选的有效模态分量进行重构;然后,通过对重构信号进行包络谱分析实现轴承复合故障的诊断;最后,将所提AVMD-WDK方法应用于某风场2 MW风电齿轮箱轴承振动信号的故障诊断。结果表明,该方法能有效提取轴承的微弱故障特征,实现轴承复合故障的精确诊断。

四悬臂复合换能器式圆筒行波超声波电动机的研究

通过提出一种四悬臂复合换能器行波超声波电动机,提高了超声波电动机的输出力矩和性能。该电机由4个换能器、圆筒和转子组成,4个换能器均匀地分布在圆筒四周。通过控制输入激励信号,实现在圆筒上激励出在时间上相差π/2的纵弯模态行波,通过圆筒上齿和转子耦合使转子产生运动。在分析电机工作机理的基础上,建立了纵弯复合换能器式圆筒行波超声波电动机的有限元模型,通过对模态进行分析,最终实现电机纵振和弯振的复合模态简并。

基于EEMD的ICNN故障诊断方法

针对轴承微弱故障特征提取困难和故障诊断准确率低等问题,提出一种基于集合经验模态分解的改进卷积神经网络的故障诊断方法。首先,利用集合经验模态分解(EEMD)对信号进行降噪等预处理,并将预处理后的信号转换为二维信号;其次,为了解决数据特征不确定性和卷积神经网络(CNN)内部参数爆炸的问题,在CNN的卷积层和池化层之间增加批量归一化层进行标准化处理,得到改进的卷积神经网络(ICNN);最后,以风电机组轴承微弱故障数据集为例,验证了所提方法相较于其他诊断方法更具有优越性,能够有效提取故障特征,具有较高的准确率和诊断效率。