摘要：对转子故障信号的信息熵带作为支持向量机(support vector machine,简称SVM)的训练样本,基于粒子群算法(particle swarm optimization,简称PSO)优化SVM分类器结构参数进行了研究。对试验模拟获得的故障信号进行了时域、频域、时-频域的信息熵带计算,得到了奇异值谱熵、功率谱熵、小波空间谱熵及小波能谱熵4种熵带,并对熵带进行预处理,建立了一种基于故障信号的信息熵带作为特征量,用PSO解决SVM结构参数优化设置的转子故障识别方法。将该方法应用于转子系统在线故障诊断中,结果表明,所设计的算法具有训练速度快、测试时间短、分类准确率高等特点。

摘要：鉴于融合多传感器数据能够更全面的表征机械设备的运行状态信息,针对现有智能诊断模型需专家经验的特征提取、使用单一传感器数据无法获得设备状态完整信息等问题,提出了一种融合多源传感器数据与1D-CNN集成的转子故障诊断方法。通过分析数据特点,利用卷积神经网络强大的特征提取能力和良好的泛化性能,设计了1D-CNN故障诊断模型,同时采用一系列防止过拟合的策略,把实验台上采集的振动信号直接输入至1D-CNN进行模型训练,使用得到的模型对振动信号进行故障辨识。实验结果表明,该方法能够准确识别转子的工作状态,同时具有良好的鲁棒性和泛化能力。为学术研究提供了理论参考,且具有一定的工程实际应用推广价值。

摘要：实际生产中,中小型自动化生产线很少携带生产过程信息。为解决生产过程信息实时掌握困难、可视化程度低等问题,提出了一种基于以太网通讯的中小型自动化生产线生产过程信息自动化的设计。使用西门子CP343-1模块的以太网通讯功能和C#进行信息交互,依靠PLC强大的逻辑功能及信息处理能力,对物料信息进行跟踪记忆,实现生产信息自动获取、自动传输。应用结果表明了该方法的有效性。

摘要：实际生产中由于某些产品生产效率低下,导致机器人不能完全发挥作用。为有效利用设备和节约成本,提出了一种基于颜色识别的分类码垛系统设计方法。该系统使用1台机器人对2种物品进行分类码垛,通过颜色识别传感器识别出物品的种类,PLC接收种类信号进行内部程序处理后,再把信号发送给机器人,机器人对物品进行分类码垛。系统仿真和应用实验结果验证了该方法的有效性和可行性。