基于ANN和FUZZY的装载机故障诊断模型

提出了一种基于神经网络和模糊理论的层次诊断模型 .针对装载机的特点建立的模糊系统可自动生成和调整隶属度函数 ,构造了一种平行的神经子网络 ,网络训练的速度和诊断准确率有明显提高 .模型缩小了知识库 ,减少了计算量 .本模型具有比较强的除噪能力 ,能将对故障信息敏感而对噪声不敏感的信息提取出来 .经仿真实验证明 ,识别效果良好 ,有效减少了误判和漏判 .

乘用车前摆臂和副车架的强度分析及优化

前摆臂和副车架作为底盘系统的重要零/部件,其受力状况相对复杂,对其进行强度的校核工作至关重要。以某乘用车的前摆臂和副车架为研究对象,在不影响其结构的基本力学特征的情况下对其进行必要的简化处理,建立其有限元模型,利用Hyper Works软件进行强度分析。由副车架的强度分析结果可知,原结构中的薄弱位置主要集中于副车架上板左右两端,故从结构优化的角度考虑,采取在薄弱位置添加加强板的优化方案,对该薄弱位置进行优化和改进。对优化后的结构再次进行分析计算,结果表明对副车架上板左右两端位置优化改进后满足副车架的强度要求。

基于SVM的多分类器融合算法在说话人识别中的应用

多分类器协同合作克服了单个分类器识别效果不理想,适用范围较窄或对使用环境要求较高的不足,并为研制更高性能的分类器,提供了解决问题的另一个途径。提出了一种基于SVM的多分类器说话人识别系统,该系统的识别框架基于多分类器的协同工作。该多分类器系统采用了ANN(artificial neural networks)、GMM(gaussian mixed model)分类器和子带结构分类器,参数选取包括MFCC(mel frequency cepstrum coefficient)、LPCC(linear prediction cepstrum coefficient)。多分类器融合采用SVM方法。本系统在超短波信道(15 db)的实际应用中达到94%的识别率。

基于多带HMM和神经网络融合的语音识别方法的信道鲁棒性

对于基于HMM的语音识别系统,由于训练和测试环境(背景噪声。语音传输信道Microphone等)的失配将会造成识别性能的严重下降。根据人类的听觉感知机理,该文针对语音传输信道失配问题,提出了一种基于多带HMM的系统结构,有若干个子带系统和一个全频带子系统组成,并采用神经网络对个子系统的输出进行后端融合及判决。实验表明,这种方法可以有效地提高识别系统的信道鲁棒性。

基于动力测试的单层柱面网壳损伤定位与试验研究

针对空间网格结构中杆件数量众多,但杆件按照一定的规律相互组合的特点,提出以面向子结构的损伤初步定位为基础的损伤识别三步法。设计一个157个节点、414根杆件的单层柱面网壳试验模型,对其在完好状态及不同杆件去掉时的5种损伤工况下的振动特性进行实测。然后对试验模型结构进行精细化建模,在其基础上利用部分测点的实测前3阶模态信息构造神经网络输入参数,采用提出的方法对模型的各种损伤工况进行识别。结果表明,基于实测低阶的不完备模态,采用三步法可以精简神经网络的结构,并取得良好的识别效果,验证了所提方法的可行性。

空间网格结构节点螺栓松动损伤定位有限元分析

以单层柱面网壳试验模型为背景进行损伤定位研究,采用ANSYS软件对其螺栓松动损伤进行了有限元分析,利用神经网络的模式分类功能进行了螺栓松动的分步损伤定位,即首先以整体结构为研究对象,采用面向子结构的损伤定位,确定结构是否存在损伤及损伤的大致位置;然后采用面向节点的损伤定位法,确定子结构中螺栓松动损伤的节点位置。研究结果表明:损伤识别的成功率与杆件灵敏度密切相关,为了保证识别结果准确性,其灵敏度达到2%以上才能正确识别,当杆件的灵敏度过低时将无法通过动力测试识别;采用分步损伤定位方法可以显著减少损伤精确定位时训练样本的数量,适合于不完备的模态数据,利用低阶模态数据即可准确识别损伤的子结构与节点位置。