机器视觉技术在蚕茧无损检测中的应用研究

应用机器视觉技术研究了进行蚕茧无损检测的方法。在日光条件下采集蚕茧图像,运用数字图像处理技术和专用软件,对其图像进行分析、处理。根据数学形态学的方法计算其面积、相关系数和R、G、B值。并利用这些参数高效快速地判断蚕茧是否为畸形茧、双宫茧、烂茧、霉茧和特小茧。为进一步进行蚕茧分级奠定了理论基础。     

小波分析在车辆振动信号检测中的应用

介绍用于振动信号分析的小波分析基本理论。把小波分析技术应用到车辆振动信号检测中,通过离散二进小波变换,把实际振动信号分解成包含高频和低频两部分的若干层。利用小波分析技术,在合适的分解层中把车辆振动的非平稳时域异常信号检测出来并使其得到准确的时域定位;把路面激励信号从车辆整体振动中分离出来;同时从频域把短时或局部信号的谱检测出来,实现了常规分析方法所不能达到的功能。     

基于机械设备系统振动信号的状态参数研究

在机械设备系统状态监测与故障分形诊断中,可以利用混沌特征量对系统吸引子动态结构变化的敏感性从振动信号中提取状态信息,试验表明,利用小波包改进算法降噪后的振动信号关联维数能作为特征参数准确而可靠的反映系统的真实状态。     

基于驾驶室底板振动信号的在线密实度检测方法分析

根据现有密实度检测方法的不足,提出基于驾驶室双振幅比的密实度在线检测装置系统。系统内置振动传感器的数据采集装置、专家系统模块和操作交互装置,振动传感器采集分析获得的数据为前轮实时振频、后轮实时振频和后前轮幅值比。振动传感器对驾驶室底板处的采集数据先送至实例推理模块,实例推理模块以灰色关联度查找匹配的最佳历史实例,对采集数据进行计算以得到路面密实度计算值。该方法能无损、安全地对压路机压实路面的密实度进行检测。     

基于BP神经网络的鸡蛋新鲜度无损检测方法

用计算机视觉装置和Matlab软件获取鸡蛋颜色参数（H、I、S）,通过试验获得鸡蛋的新鲜度指标（哈夫值）,用其作为样本数据建立BP神经网络模型,得到鸡蛋新鲜度与其图像颜色参数之间的最优关系。系统先自动判别鸡蛋壳色再分类检测鸡蛋新鲜度,经检验,建立的BP神经网络具有较好的泛化功能和鲁棒性,对褐壳蛋和白壳蛋新鲜度的正确识别率分别为87．258％、89．029％。     

基于小波包分析的水泵机组振动信号去噪

阐述了小波包的基本原理,介绍了利用小波包给信号去噪的一般工作原理,结合南水北调东线工程某泵站水泵机组的现场振动测试数据,利用小波包理论对被噪声污染的水泵机组的振动测试信号进行去噪分析,从中提取出无污染的振动信号,进一步对机组的故障做出诊断分析．选用db4小波对原始信号进行3层小波包分解,选用启发式SURE阈值,跟据最低层的小波包分解系数和经过量化处理系数,进行小波包重构．结果表明,利用小波包去噪的相关理论,对信号进行去噪处理有效地消除了噪声污染,使消噪后的信号与原始信号保持相似性．     

基于振动信号分析的联合收割机故障检测系统研究

首先,介绍了振动信号分析原理及应用,并设计了联合收割机发动机振动信号采集与处理模块;然后,基于卷积神经网络,实现了联合收割机故障检测系统,并利用MatLab进行了发动机故障诊断仿真。实验结果表明:采用卷积神经网络的故障检测模型,可实现对联合收割机发动机转子、轴承和机匣的故障检测,且识别率在95%以上,证明了系统的可靠性和可行性。     

柴油机缸盖振动信号的检测方法

柴油机缸盖振动信号的获取过程中,信号的质量除受测量系统精度影响外,主要受到测量位置以及采样频率的影响.为此,研究了柴油机振动信号测点选择和采样频率的选取方法.结果发现,缸盖和机身振动最敏感;振动信号的采样频率以25kHz为宜.同时,给出了缸盖振动信号的整循环近似同步采样实现方法.     

基于VMD-SWT的降噪方法在转子振动信号中的应用

为提高水电机组转子故障振动信号降噪后的信噪比,获得更好的降噪效果,提出一种基于样本熵的变分模态分解和小波软阈值相结合的降噪方法,通过对转子试验台所产生的正常、转子不对中、不平衡和碰磨4种工况下的转子垂直振动信号进行变分模态分解、计算内禀模态函数的样本熵、用小波软阈值对样本熵较高的分量信号进行降噪处理、信噪比分析,发现与...     

机械零件缺陷的无损检测方法发展趋势

介绍了在零件检测中常用的几种无损检测方法，比较了它们各自的优缺点和适用范围，以及传统超声检测和现代超声检测差别，得出无损检测发展的趋势将是检测的自动化、智能化和图象化。     

基于振动信号的柴油机故障诊断方法研究

针对柴油机表面振动信号的非平稳时变特性，引入局域波分析方法，它有效克服了用传统方法进行非线性、非平稳信号分析时产生无意义谐波分量的缺点。并提出了应用局域波时频分析方法和边界谱分析法对柴油机进行故障诊断的方法。利用这两种方法对现场和实验室两种工作环境下的实测数据进行分析处理，分析结果表明了该方法的有效性和工程实用性。     

小波包分解与神经网络相结合的变速箱齿轮故障识别

提出了一种识别变速箱齿轮故障的新方法，通过对小波包分解的分析研究，将基于小波包能量的小波包分解特征提取方法用于提取齿轮运行状态的特征向量，并以此作为BP神经网络的输入对神经网络进行训练，建立了基于BP神经网络的齿轮运行状态分类器，用以识别齿轮的运行状态，, 变速箱齿轮故障识别为例，用文中所述方法对变相齿轮的正常状态，磨损状态，断齿状态进行识别验证，验证结果表明该方法的效果良好。     

基于BP神经网络的滚动轴承振动故障诊断

滚动轴承振动信号被分析和处理后,提取出能够反映滚动轴承故障的特征参数,经归一化处理作为BP神经网络的输入,并用BP算法对该网络进行训练,利用神经网络的智能性来判断轴承的好坏。仿真结果表明,该方法实用有效。     

基于小波包分析的水电机组振动信号去噪研究

水电机组有80%故障都可以在振动信号中有体现,研究振动信号很有必要。文章将小波包分析技术应用于水电站机组振动信号去噪,概述了小波包去噪的原理和步骤,通过实际电站运行数据的采用,应用matlab软件编写程序,实现水电机组振动信号的信噪分离。实验表明,小波包分析消噪消去的能量较多,费时较短,去噪后信号光滑,取得了较好的去噪效果。     

基于小波包能量法的滚动轴承故障诊断

阐述了故障轴承振动与信号的关系,小波包的原理以及BP神经网络的工作原理和实现过程,并以滚动轴承故障诊断为例,提取了小波包节点能量作为振动信号特征参数,并训练BP神经网络,对故障模式进行识别。结果表明,如果神经网络设计合理,训练适当,则具有很强的故障识别能力。说明利用小波包能量法和BP神经网络进行滚动轴承振动诊断是可行、有效的。     

小波域二维隐Markov模型滤波方法

针对旋转机械工作过程中产生非平稳信号的特点,在分析非平稳振动信号小波分解后同层小波数和层问小波系数之间关系的基础上,结合二维隐Markov模型(2D-HMM)拓扑结构的表达能力,提出小波域2D-HMM滤波方法,并给出了具体的实现步骤,最后通过Bently-Nevada转子试验系统的实测信号验证算法的有效性.结果表明:小波域2D-HMM滤波算法能够有效地去除非平稳振动信号的噪声.