混合系统故障诊断的模态转换自适应阈值研究

混合系统是既有连续变量也有离散事件的复杂的动力学系统,混合系统中的模态转换及参数不确定性可引起残差突变,原因是不同的模态下有不同的元件参与,采用常数阈值或常规自适应阈值往往造成误诊和漏诊。通过搭建混合系统键合图诊断模型,在对参数不确定性进行区间估计的基础上,运用线性分式转换构造模态转换自适应阈值,解决混合系统故障诊断中的误诊和漏诊问题。通过车辆转向系统的故障诊断进行实例分析及检验,实验结果表明所提算法的正确性和可行性,为混合系统故障诊断提供了新的解决方案。

小波能谱熵和优化神经网络的滚动轴承诊断方法

内圈裂纹、外圈松动和掉渣是滚动轴承常见典型故障,为实现其快速、准确地诊断,本文提出基于振动信号小波能谱熵特征和神经网络相结合的滚动轴承诊断方法。首先对振动信号进行小波分解和重构,得到小波重构系数,利用重构系数的能谱熵特征作为神经网络输入进行滚动轴承的故障类型的识别,同时引入遗传算法对神经网络结构参数进行优化,以进一步提高故障识别诊断速度和准确率。结果表明:该方法用于轴承典型故障诊断有着更高的诊断速率和故障识别率。

滚动轴承的选择和应用

介绍了滚动轴承寿命的计算和主要影响因素,分析了滚动轴承的游隙及其选择、润滑及维护和高速适应性等因素,同时也介绍了常见的失效分析及诊断。

中医脉诊信号的无监督聚类分析研究

随着中医客观化工作的推进,脉诊技术也越来越走向客观化和仪器化。然而,如何对仪器所检测和收集到的信息进行解读,却还是回到了原来脉诊诊断主观化的问题上。因为传统的机器学习方法,依赖于对大量的脉诊数据进行标注。但是在临床诊断和教学中,医生与医生之间对于脉象的体会不同,会导致他们对病人脉象的区分标注不同。在对比了多种特征提取方法和聚类方案之后,提出了一个较好的无监督脉诊客观化方法,在双树复小波变换(DTCWT)对数据进行预处理的基础上,以梅尔倒谱系数(MFCC)进行特征提取,在中医专家对数据进行标注之前,先根据信号的特征,使用Fuzzy c-means(FCM)聚类算法进行粗线条的分类,使得在此基础之上,可以开展进一步的细化分类研究。实验结果表明:该方法可取得较好的分类效果,为中医脉诊提供了进一步客观化的依据。

从一个例子看统计分析在辅助医学诊断中的有用之处

从讨论影响脂肪肝的主要因素排序出发,应用简明统计分析,给出了辅助医学诊断中用于判断患者患脂肪肝的可能性,由此,对于可能性为零的情形可以排除进一步的生化检查,也就不会发生相应的感染.