大规格磨齿机扫描式集成在机测量系统及其误差补偿方法

为实现大规格渐开线齿廓的高精度集成在机测量,提出了一种基于三维扫描式测头的集成在机测量及其误差补偿方法。在分析探针与被测齿面啮合关系的基础上,建立了渐开线综合测量模型;以测量精度为判据,确定了最佳的齿廓偏差在机测量方案;基于多体系统理论及齐次坐标变换方法,推导了对应于测量方案的机床综合精度模型;建立了机床几何及运动误差与测量误差之间的映射关系;计算了各测点处的测量误差;实现了在机测量误差的后补偿;在一台五轴数控成形磨齿机上进行了齿廓偏差的在机测量及其误差补偿实验。将经过补偿的测量结果与齿轮量仪的计量结果进行了对比,结果证明方法测量精度高、可靠性好。

基于CVA-ICA的机械故障源动态盲分离方法

动态盲源分离问题是多故障源盲分离的一个热点。传统的机械故障源分离方法要求满足统计特征保持稳定,且混合系统保持不变等假设,而忽略了时序信息。针对此不足,结合规范变量分析(Canonical variate analysis,CVA)和独立分量分析(Independent component analysis,ICA),提出一种基于CVA-ICA的机械多故障源动态盲分离方法。该方法的基本思想是将源信号看成状态空间的状态变量,观测信号看成状态空间的输出变量,从而将动态混合盲源分离问题转化为状态空间盲源分离问题,利用规范变量分析作为降维工具来构造状态空间,再利用传统的ICA算法对规范的观测信号进行盲源分离。仿真研究表明,在处理动态混合的盲分离中,提出的方法明显优于静态ICA方法,取得了满意的分离效果。将该方法应用到滚动轴承内圈和滚动体的故障盲分离中,试验结果进一步验证了该方法的有效性。

多轴数控机床的在机测量方案创成及优化方法

多轴数控机床的在机测量会存在冗余运动自由度,由此导致一个测量任务会有多个与之对应的伺服运动方案,而确定最优的伺服运动方案,是保证在机测量性能的前提。针对这一问题,提出一种基于机床功能且面向测量任务的在机测量运动方案创成方法:采用多体系统理论及齐次坐标变换方法对被测对象的几何特征及数控机床的运动形式进行数学解析;建立以被测几何特征为自变量、以机床伺服运动为因变量的函数方程;求解该方程获得所有可能的测量运动方案。在此基础上,通过分析方程解的取值范围,验证所有测量运动方案的功能;考虑到数控机床的结构及伺服特性对测量精度的影响,提出了测量方案性能评价准则,并据此确定最优的测量方案。在某数控成形砂轮磨齿机上进行了齿形偏差的在机测量,试验结果验证了该方法的有效性和可行性。利用该方法确定的最优在机测量方案测量精度高、重复性好。

基于规则与生物免疫机理的多目标作业调度方法应用研究

敏捷制造单元是一个涉及多目标、多约束和多扰动的复杂系统,它的最优作业调度求解有很大难度。这里分析了敏捷制造环境的作业调度规律及其特点,建立了用于调度启发式规则集合,构造了基于生物免疫机理的作业调度算法,并对生物智能算法涉及的相关参数进行了分析与优化。并且以调度案例库中的部分案例为对象,给出了基于规则和生物智能计算调度方法的优化结果,及其与其他调度方法的对比分析。

大规格齿轮齿向偏差的扫描式集成在机测量方法

提出一种基于扫描式测头的集成在机测量方法。基于多体系统理论,建立机床运动功能模型;依据探针与齿轮齿面的接触关系,应用齐次坐标变换方法建立渐开线螺旋曲面的测量模型;以被测特征廓形创成运动为约束条件,构造齿面被测特征与机床伺服运动之间的映射关系,得到测量齿面被测特征所需的各伺服轴运动量;采用小波变换方法剔除了齿面粗糙度、机床伺服系统振动干扰等各种测量过程中的噪声信号,合理有效地提取被测齿轮齿向线的加工轮廓细节特征。以YK73系列数控成型砂轮磨齿机测量斜齿圆柱齿轮齿向偏差为例,进行了在机测量实验。实验表明,在机测量结果与齿轮量仪的计量结果保持了较好的一致性,验证了本文方法可行有效、精度高。

基于虚拟工序队列的FMS动态调度原理与t,t_1,t_2的轮置处理

从启发式调度的角度来分析了FMS系统调度 ,并利用虚拟工序队列技术建立了一个FMS动态启发式调度的原理图。然后详细分析了该启发式调度中所遇到的t,t1,t2 的轮置问题 ,提出了轮置的新方法。最后对一个典型的FMS进行了实例仿真。

基于BP神经网络的缝纫工序状态识别

为了在缝纫过程中对产品进行监测识别,提高缝纫产品质量,课题组提出了一种基于BP神经网络的缝纫工序状态识别方法。首先采集正常工况下缝纫机伺服电机驱动电流信号,将采集到的信号进行时域、频域分析,从中提取出缝纫工序状态相关性较好的几个特征量,将其组成敏感特征向量;然后搭建BP神经网络进行训练学习来识别多种未知工序状态。实验表明该方法能够准确识别分类缝纫工序状态,实现了远程工作状态监测。

变步长频率加权能量算子在轴承故障诊断中的应用

通过包络解调可以提取调制信号中的周期成分来实现轴承故障的早期诊断与预警。但在进行包络解调时,需要解调信号必须为单调幅调频信号,且解调效果容易受到其他干扰信号的影响。频率加权能量算子较包络解调具有更高鲁棒性,但频率加权能量算子在离散化时使用的中点平均差分方法对中心频率较低的调制信号进行解调时鲁棒性较差。因此变步长频率加权能量算子通过改变步长参数来增强其在中心频率较低时的鲁棒性。通过分析与试验验证表明,变步长频率加权能量算子在整个频带都具有较好的解调效果。变步长频率加权能量算子可以在信号未经分解的前提下实现不同共振频带的解调,所以具有更强的工程应用价值。

基于连续峭度优化的滚动轴承故障特征提取小波变换方法

为更有效提取滚动轴承早期故障中微弱冲击特征成分,提出基于连续峭度优化的小波变换故障特征提取方法。据连续峭度与小波能量相关程度,对原信号特征分量的小波系数及能量成分进行不同程度优化,强化故障信号中具有冲击特征的能量成分、削弱其它能量成分。通过优化的小波系数重构原信号特征分量,计算特征分量包络谱以提取冲击特征频率及相关倍频,实现对故障特征提取。通过仿真信号、实际轴承数据应用分析表明,该算法能强化冲击特征能量成分,能更有效提取早期故障中冲击特征。

基于局部均值分解和奇异值差分谱的滚动轴承故障诊断研究

为了从复杂的轴承振动信号中提取微弱的故障信息,提出了一种基于局部均值分解(local mean decomposition,LMD)和奇异值差分谱的轴承故障诊断方法。首先通过LMD将非平稳的原始轴承故障信号分解为若干个PF(product function)分量,由于背景噪声的影响,难以从PF分量准确得到故障频率,对PF分量进行Hankel矩阵重构和奇异值分解,相应的得到奇异值差分谱,根据奇异值差分谱理论对某个PF分量进行消噪和重构,然后再求重构后PF分量的包络谱,便能准确地得到故障频率。仿真分析和滚动轴承内圈故障实例很好地验证了提出的改进方法的有效性。

基于核典型相关分析的非线性相关源盲分离方法研究

针对传统的相关源盲分离方法的不足,提出了一种基于核典型相关分析的非线性相关源盲分离方法。该方法是利用了核方法来处理数据之间的非线性问题,同时还利用信号源之间的相关性来进行分离。提出的方法与传统的相关源盲分离方法进行对比分析。仿真结果表明,提出的方法明显优于传统的相关源盲分离方法,并从分离性能指标上得到了充分的反映。最后,将该方法应用到转子不对中和碰摩故障的盲分离中,实验结果进一步验证了该方法的有效性。

改进的BP算法用于控制图模式识别

研究3种改进的BP算法在控制图模式识别中的应用。应用Matlab神经网络工具箱对神经网络进行仿真,为了提高网络的运行速度,对样本数据进行预处理。仿真结果表明尺度共轭梯度下降算法的训练速度最快,识别的准确率也最高。

基于改进EMD和双谱分析的电机轴承故障诊断实现

轴承是电机设备极重要的部件。轴承故障检测是非常必要的。通过将改进的经验模态分解和双谱分析相结合的故障检测方法来有效诊断电机轴承的早期故障。首先,针对EMD分解无法得到严格单分量IMF的问题,利用小波包分解将轴承振动信号分解为窄带信号并选取能量最集中的频带进行重构,从而降低故障信号的复杂性,抑制模态混叠问题;然后利用经验模态分解方法根据信号的固有波动模式将其分解为一系列IMF分量;再通过方差贡献率检验去除其中的虚假分量;最后,利用双谱分析信号的调制关系进行解耦,得到故障特征频率。验证结果表明,所提出的分析方法能有效诊断轴承故障。

第Ⅱ类双边拆卸线平衡问题建模与优化

报废汽车体积大,废弃物污染大,拆卸过程复杂,将作业任务均衡分配难。为此,本文对工作站数量确定的双边拆卸线平衡问题进行研究,建立问题数学模型,设计一种变邻域蛙跳算法。所提算法在寻优过程中采用变邻域搜索提高族群局部搜索效率;引入个体学习机制加快精英个体进化速度;提出基于二分法的节拍时间调整策略加快对最优节拍的搜索。最后,通过算例对算法性能进行验证并通过实例说明任务在拆卸线上平衡分配的重要性。

基于量子遗传的机械故障非线性盲源分离方法研究

针对传统的机械故障非线性盲分离方法的不足,即将非线性盲源分离中分离矩阵和非线性去混合函数的参数分开来优化,这样容易顾此失彼,学习效率低。将量子遗传引入到机械故障非线性盲分离中,提出一种基于量子遗传的机械故障非线性盲源分离方法(简称QGA-NBSS方法),该方法能同时对分离矩阵和非线性去混合函数的参数进行优化,获得全局最优解并加快了算法的全局收敛性,克服了传统的机械故障源的非线性盲源分离方法的不足。仿真和实验结果验证了提出的方法的有效性。

罗老与《辞海》

罗竹风同志于1996年11月4日与世长辞了!我们党失去一位优秀党员,学术界失去一位著名学者,我则失去了一位几十年来同欢乐共患难的良师和领导。罗老的一生,是革命的一生,是卓有成就的一生。二十年代末三十年代初,他在北京大学读书时,还是一个二十来岁的青年,就冒着生命危险,参加爱国学生请愿运动。随即参加“反帝大同盟”

精镗过程中切屑断裂信号的时序分析与辨识

基于精镗加工中由安装在镗杆Ｙ向和Ｚ向的加速度传感器组成的检测系统，研究了从系统运行过程的振动信号中利用时间序列分析提取有效特征量进行切屑类型识别，实验观察了长、短、堵塞切屑的形成过程，并由此对其识别特征做出推断，得到了实验数据的验证．

基于集成学习算法的多变量质量诊断研究

应用集成学习方法来解决多元统计过程控制中的质量诊断问题:当HotellingT^2控制图发出报警信号时,判断哪一个变量或者是哪些变量组合导致过程异常的发生。这种集成学习方法采用分类与回归树(Classification and Regression Trees,CART)为基分类器,沿着误判损失函数的梯度下降方向逐步优化基分类器组合,并基于误判损失最小的原则判断异常信号的类别。实例研究表明,这种集成学习方法具有较好的诊断效果,在诊断准确率方面优于已有的方法。