基于EMD-ICA音频特征提取的故障诊断系统设计

机械设备在运行时,其音频信号往往包含了诸多状态特征。然而在工业环境下,设备故障的音频特征易受现场各种噪声信号的干扰,致使音频信号在故障诊断中的应用存在很大的局限性。针对这一问题,设计了一种基于EMD-ICA音频特征提取的故障诊断系统。利用EMD-ICA联合处理技术,对参数未知的源信号进行了有效分解,进而通过峰值分析与峭度值分析对故障音频特征实现了成功提取。经测试表明,在杂波环境下,系统能对设备故障作出正确诊断,与传统的音频故障诊断系统相比,其诊断准确性具有较大优势。

融合视听信息的机电设备状态监测系统设计

围绕机电设备状态监测的需求,设计了基于视听信息融合的状态监测系统。分别利用图像可听化技术、数据归一化和主成分分析得到了较低维数的同质特征数据。以BP神经网络为融合模型,对所得特征数据进行识别与融合,进而得到对机电设备运行状态的决策输出。实验结果表明,在外界噪声环境下,融合视听信息的状态监测系统能维持较高的正确识别率,同时以神经网络为融合模型保证了系统的稳定性和鲁棒性。

机电设备故障音频特征提取方法研究

针对机电设备的故障音频信号特征,深入研究了ICA信号处理过程并引入了基于负熵的快速不动点算法。提出了基于EMD-ICA的故障音频特征提取方法,通过EMD的自适应分解能力,解决了ICA处理过程中信号源数目的限制问题,同时利用ICA方法的盲源分离能力,避免了EMD分解的模态混叠现象。实验表明:通过EMD-ICA方法,能有效对机电设备故障音频特征进行提取,在故障诊断的准确性和鲁棒性方面具有优势。

面向机电设备状态监测的嵌入式视听传感系统设计

针对机电设备状态监测集成化与智能化的需求,以DM642为内核,围绕视听信号处理搭建了由视频/音频信号处理模块、存储器扩展模块、外部接口模块等组成的嵌入式视听传感系统,提出了基于改进帧差法的运动检测方法及异常声音识别算法;测试结果表明,系统对机电设备运行状态能进行有效监测,对故障现象进行合理识别。

浅议创新人才的内涵及培养对策

随着经济全球化趋势增强,人才的竞争成为当今时代竞争的主要力量。培养出具有高素质的创新型人才成为当今教育的首要任务。培养创新人才,要了解创新人才的内涵和特征,充分认识创新人才培养的必要性,有助于全面理解创新人才成长所需的外部环境和影响。培养学生创新意识、转变人才培养观念、改进教育教学方法、提升教师综合素质、营造崇尚创新的学术氛围以及为学生提供相应的创新实践机会,促进学生创新思维创新能力的形成。