江西省教育厅科学技术研究项目(GJJ08448)
- 作品数：9 被引量：7H指数：2
- 相关作者：黄强张晓丁志华刘鑫张胜强更多>>
- 相关机构：九江学院更多>>
- 发文基金：江西省教育厅科学技术研究项目江西省自然科学基金更多>>
- 相关领域：自动化与计算机技术动力工程及工程热物理机械工程交通运输工程更多>>
- 基于AIC优化RBF网络的机床主轴轴承磨损状态分析被引量：1
- 2011年
- 利用赤迟信息准则(AIC)确定RBF神经网络的隐含层节点数和中心,建立基于该神经网络的机床磨损状态分析模型,并利用实验获取的振动信号来判断机床主轴轴承磨损状况。实验及仿真结果表明:基于AIC的RBF网络技术的分析方法在机床磨损状态分析中是有效可行的,对单一磨损状态的正确识别率达到了97.5%,对其他复杂机械的振动分析同样具有参考价值。
- 黄强张晓丁志华
- 关键词：机床RBF神经网络
- 基于隐式半马尔科夫模型的柴油机故障诊断研究
- 2009年
- 以柴油机连杆套筒磨损为例,建立了用于磨损状况诊断的隐式半马尔科夫模型(HSMM)。将连杆套筒的健康状况分为5级,利用该模型进行故障的监测。试验和仿真结果表明:HSMM模型能较准确地判断出各个不同时期连杆套筒的健康状态,从而正确指导操作者对其进行及时的维护或修理,保证柴油机良好运转。
- 杨险峰黄强邹传平
- 关键词：柴油机故障诊断
- 农用运输车发动机传感器故障诊断
- 2011年
- 整理农用运输车发动机运行问题与各传感器故障之间的关系,得到传感器故障训练样本。采用LMBP算法,并用MATLAB人工智能工具箱和GUI功能,编制相应的网路训练和故障诊断可视化程序。通过诊断实验证明,该种方法可以有效地判断农用运输车发动机传感器的故障。
- 李军黄强丁志华张晓
- 关键词：农用运输车传感器故障LMBP算法人工智能
- 基于网络技术的汽车嵌入式远程故障诊断被引量：2
- 2009年
- 从实现具有远程自诊断能力的智能化机械设备的角度,系统介绍了面向网络技术的、具有远程监控、诊断和维护能力的嵌入式汽车故障诊断系统的实现技术。该系统采用数字信号处理器,实时检测并分析获取的振动信号,并在网络诊断中心中进行故障分析,实现协同诊断,有效地提高了汽车的状态监控与故障诊断系统的智能化水平。
- 黄强张晓
- 关键词：嵌入式系统网络技术远程故障诊断
- 基于HSMM的数控机床状态识别方法的研究
- 2010年
- 快速准确识别数控机床的运行状态对保证加工精度、增加运行稳定性具有重要意义。以数控机床主轴轴承磨损状态为研究对象,建立其隐式半马尔科夫模型(HSMM),并结合小波降噪及变尺度特征提取方法实现对设备运行状态的有效识别。实验及仿真结果表明:HSMM模型经过90组训练样本训练后,再利用120组轴承磨损测试样本进行验证,正确识别率达到96·7%,完全满足工程需要。
- 黄强张晓丁志华
- 关键词：数控机床
- 油压跟随性的智能权函数模糊控制研究被引量：1
- 2009年
- 柴油机燃油喷射的控制要求精度高、响应速度快,传统控制方法难以满足其不断提高的需要,所以提出采用智能权函数模糊控制方法来实现对燃油喷射系统的快速、精确控制。通过对燃油压力跟随性控制进行仿真和实验研究,结果表明该方法相对PID控制而言,具有更好的控制稳定性和实时性,是一种具有广泛应用前景的智能化控制方法。
- 黄强张晓张胜强
- 关键词：柴油机模糊控制智能权函数
- 变尺度特征提取在数控机床状态识别中的应用被引量：2
- 2010年
- 正确识别数控机床从正常到故障之间的演化过程,对掌握机床运行状态、保证加工精度具有重要意义。提出采用变尺度小波包特征提取方法以提高状态识别的准确性,并以数控车床主轴轴承磨损研究为例,将此方法与传统方法进行了对比分析。仿真和实验研究表明:变尺度小波包特征提取方法能有针对性地提取蕴含更多状态信息的振动信号特征用于状态识别,在192组测试样本中,变尺度特征提取方法的识别准确率达到98.44%,较传统方法有明显提高。
- 黄强刘鑫张晓
- 关键词：数控机床
- 基于AIC的RBF网络在旋转机械故障诊断中的应用被引量：2
- 2011年
- 提出了一种适用于各类旋转机械的精度高、响应快的故障诊断方法。首先利用赤迟信息准则(AIC)确定RBF神经网络的隐含层节点数和中心,然后建立基于该神经网络的故障诊断模型,再利用旋转机械振动信号来分析并判定其运行状况。以柴油机连杆铜套磨损故障为例进行分析,实验及仿真结果表明:基于AIC的RBF网络技术的诊断方法在柴油机故障诊断中是有效可行的,对于单一故障的识别率为100%,对其他复杂旋转机械的振动诊断同样具有参考价值。
- 黄强丁志华张晓
- 关键词：旋转机械柴油机故障诊断
- 变尺度特征提取与HSMM模型在柴油机状态识别中的应用
- 2009年
- 正确识别机械设备从正常到故障之间的演化过程,对掌握设备运行状态和预防故障发生具有重要意义。本文以柴油发电机组的气门漏气状态研究为例,建立了基于变尺度特征提取与隐式半马尔科夫模型(HSMM)的状态识别方法。变尺度小波包特征提取方法能有针对性地提取蕴含更多状态信息的振动信号特征,隐式半马尔科夫模型是一个强大的状态识别与故障预测工具,二者的有效结合能在较大程度上提高设备状态识别准确率。
- 黄强张晓丁志华
- 关键词：柴油发电机组
