取己之长 建设信息学科——与北京科技大学徐金梧校长对话

一个学校的学科想要办出特色,一定要有一个明显的支撑点,不求多但求精l 信息学科是人类共用的一门学科,也是一门被广泛应用的学科,不能孤立地视为一门独立的学科l 找一些目前比较前沿的学科、社会需要紧密的学科,与信息学科结合。

局部投影算法及其在非线性时间序列分析中的应用

引入了非线性时间序列的局部投影消噪算法。该算法将时间序列先进行相重构,在高维的相空间上采用局部投影的方法将相空间分解成正交的子空间,来分离时序中不同的分量。通过Lorenz模型的数值仿真分析,证实了该算法在消除非线性时间序列中随机噪声的效果。此外还讨论了局部投影算法在提取微弱特征信号中的应用。

小波变换在滚动轴承故障诊断中的应用

采用小波包分解和信号重构的方法，提取滚动轴承振动信号中被噪声所掩盖的由滚动表面剥落磨损所引起的冲击成分，并且加以分析。通过对滚动轴承出现内圈剥落。外圈剥落和正常情况下振动信号的分析，说明了这种方法可以有效地用于滚动轴承的故障诊断。

基于神经网络的多传感器自适应滤波

提出了利用神经网络自适应滤波原理解决多传感器信号处理的方法，通过对多路带噪声的数字模拟信号的滤波结果表明，该方法能快速、有效地消除主信号源的各种背景噪声．

神经网络在信号处理中的应用

运用ＢＰ网络来消除信号的随机噪声和模式识别．作为例子，考虑了正弦波、矩形波和三角波３种信号．在５０％噪声情况下，ＢＰ网络仍能有效地消除这３种信号中的随机噪声并正确地找出它的理想模式．

创新精神需结合知识技能

我们是工科学校，所以更多的是结合工科学校的办学实际来谈一下创新人才的培养。我觉得如果要对创新型人才共同的本质或者是特征下一个定义，这是一件非常难的事情。但是我们可以回忆一下创新的过程，究竟有哪些人在创新。

培养创新型人才是中国大学义不容辞的职责

目前我国在培养创新型人才的质量和数量上，都还存在很大的差距，迫切需要根据时代发展的要求，借鉴国外在培养创新型人才方面成功的经验，突破现有的办学理念和办学模式，构筑中国特色的创新人才培养体系。要构筑多元化办学模式：政府应加强宏观调控和分类指导，规划各地区高校的布局结构、层次结构和类型结构。高等学校应明确办学思想和办学定位，探索多元化人才培养的合理格局。研究型大学仍应坚持精英化教育，培养一批拔尖的人才，巩固培养创新型人才的根基。

大学的创新与人才培养

进入知识经济时代，我们将面对风云变幻的变革时代。这些变革来自于几个方面的因素：首先是知识经济正在替代产品经济，知识成为经济繁荣、国家安全和人民富裕的关键，国民经济的发展也越来越依赖于知识的创新。第二，新知识、新技术正在以前所未有的速度更新换代，网络、通信、计算机、基因、纳米技术已经渗透到人类生活的各个方面。人们的生活方式和价值取向都在发生深刻的变化。第三，经济全球化已成为一个不可阻挡的趋势，正在冲击着传统的、

热轧工作辊磨损模型的遗传算法

热轧精轧机组工作辊磨损非常严重,是板形控制中主要的干扰因素,也是板形研究的难点。分析了工作辊的磨损机理及其影响因素,建立了轧辊磨损模型,并采用遗传算法对模型参数进行估计。验证结果表明该模型实用可靠,可用于工作辊磨损在线预报。

基于奇异谱的降噪方法及其在故障诊断技术中的应用

提出一种将振动信号在相空间进行重构，并利用重构吸引子轨道矩阵的奇异谱的特性来提高信噪比的方法。该方法已应用于滚动轴承和齿轮箱的故障诊断中，试验表明该方法能够有效地降低噪声，提高信噪比，突出振动信号的故障特征，从而提高设备故障诊断的准确率。

基于数学形态滤波的齿轮故障特征提取方法

针对齿轮故障特征的提取问题,提出一种根据信号形态特征对齿轮故障信号进行形态滤波的新方法。形态滤波是一种新的非线性滤波方式,可以有效地提取出信号的边缘轮廓以及信号的形状特征。对Lorenz信号进行不同结构元素的数学形态滤波处理,证实形态滤波对抑制信号噪声、保留信号非线性特征方面的作用。采用长度为齿轮冲击周期长度的0．6-0．8倍的扁平结构元素,对齿轮断齿故障振动信号进行形态闭运算处理,并对滤波后的信号进行频谱分析。结果表明,利用形态滤波可以从齿轮断齿信号中成功提取隐含在噪声中的冲击故障特征。

基于声信号的轴承故障诊断方法

机械设备在运行过程中的声音包含了大量的机械运行状态信号 ,本文采用相关分析、小波变换原理 ,从应用的角度出发 ,对滚动轴承故障声信号进行时频分析。通过对声信号的多尺度分解和重构 ,分离出由故障造成的声信号突变。试验表明 ,该方法具有较好的可靠性和有效性。

基于图象处理的棒材自动计数技术

利用面阵 CCD摄象机采集打捆后棒材的端面图象 ,通过合适的阈值将灰度图象转换成二值图象 ,以消除棒材图象区域中由于油污造成的孔洞和棒材区域间的粘连现象。根据距离变换思想 ,提出了图象距离概念 ,通过计算并比较棒材区域各象素点的图象距离 ,确定了各根棒材的中心 ,从而实现了从图象中自动计算棒材的数目。对现场采集到的图象进行试验 。

基于小波分解的某些非平稳时间序列预测方法

提出一种时间序列预测方法 ,称为小波预测方法 .通过小波分解可以将某些非平稳时间序列分解成多层近似意义上的平稳时间序列 ,然后采用自回归模型对分解后的时间序列进行预测 ,从而得到原始时间序列的预测值 .对年平均太阳黑子数的预测结果表明 ,该方法比传统的时间序列预测方法和神经网络预测方法的预测精度高 。

基于主流形识别的非线性时间序列降噪方法及其在故障诊断中的应用

提出了一种新的基于主流形识别的非线性时间序列降噪方法。新的降噪方法将一维时间序列重构到高维相空间,利用非线性降维方法找出动力学系统在相空间中具有全域正交坐标系的低维主流形,然后根据主流形反求一维时间序列,进而达到降噪的目的。对洛伦兹信号进行的数值试验证明,与奇异谱分解等现有非线性分析方法相比,基于主流形识别的降噪方法能更加有效地消除混沌时间序列中的高斯白噪声。将该方法应用于带有断齿故障的齿轮箱振动信号的故障分析中,成功地提取出了淹没在带噪信号中的冲击特征。

冷轧带钢表面缺陷在线监测系统

介绍一套目前已在实验室中开发成功的冷轧带钢表面缺陷在线监测系统，该系统用于在线检测和识别冷轧带钢的表面缺陷．系统采用多个面阵ＣＣＤ摄像头同步采集带钢表面的图像，并通过并行计算系统对图像进行分析和处理，以得到钢板表面的缺陷情况．系统在软件流程上进行了特殊的设计，以保证实时数据处理功能．经试验，系统对“乳化液斑痕”、“锈痕”、“压入氧化铁皮”、“辊印”、“折印”和“边裂”等６种常见的冷轧带钢表面缺陷类型识别率在９０％以上．

形态非抽样小波及其在冲击信号特征提取中的应用

针对形态小波分解过程的抽样引起信号长度逐层递减的问题,提出一种基于多尺度Top-Hat变换的形态非抽样小波构造方法。利用形态非抽样小波的一般框架,分别采用形态学开运算和多尺度Top-Hat变换作为形态非抽样小波分解的近似信号和细节信号的分析算子,使形态小波分解过程中信号长度保持不变,从而保证了形态分析时所需的信息量。结合转子振动冲击特征信号提取试验,验证所提方法在故障诊断中应用的可行性与有效性。

旋转机械故障的双相干谱特征及其识别

提出了基于双谱分析的旋转机械故障诊断新方法。利用双相干谱函数提取机械振动信号中由故障引起的非线性相位耦合，并且加以分析。通过对几种典型的旋转机械故障分析表明，双相干谱不仅能敏感地监测故障的出现，而且可以有效地识别各种不同的故障模式。

声信号分析方法在轴承故障诊断中的应用

由于轴承故障声信号的混响及临近的机械设备的噪声，造成声信号的频域分析很困 难．通过小波变换原理，对滚动轴承故障声信号进行时频分析．通过对声信号的多尺度分解，分 离出由故障造成的声信号突变．实验结果表明，较之以往的时域、频域信号处理技术，该方法对 声音信号分解更趋合理，是一种可靠和有效的滚动轴承故障诊断新方法．

分形维数及其在滚动轴承故障诊断中的应用

将分形维数用于刻划滚动轴承在不同故障状态下表现的非线性行为，进而对故障分类。试验结果表明，滚动轴承振动信号在不同故障状态下的分形维数是不同的，可以将分形维数作为识别滚动轴承故障的特征量。