为实现采煤机截割过程中截齿合金头失效形式的监测和识别,提出一种基于BP神经网络的多特征信号识别截齿合金头失效形式的方法.测试提取截割过程中合金头龟裂、合金头脱落、合金头崩刃和合金头严重磨损4种截齿x,y,z三个方向上的振动特征信号和截割电机电流特征信号,选取特征值信号的最大值、均值和方差作为特征样本对BP神经网络进行学习和训练,建立截齿合金头失效形式的识别模型,实现截割过程中截齿合金头失效形式在线监测与准确识别.实验结果表明,BP神经网络的判别结果和测试样本的实际失效类型相符,能够对截齿合金头失效形式进行准确识别,为实现采煤机截齿在线监测和失效形式识别提供新的方法和手段.

该文针对现有频域分析方法的不足，利用小波包分解具有任意的时间-频率局域化特性，给出一种对信号进行多频段能量特征提取以及主分析频段的细化能量特征提取新技术，在此基础上将能量容差概念引入ART1神经网络；进而提出了基于小波包分解与ART1神经网络相结合的故障分类方法。液压动力系统电流信号的诊断实例证明该方法有效、可靠。

以液压动力系统为研究对象，利用频谱分析法，提取蕴含在电流信号中反映系统运行状态的特征信息，并将CPN（对向传播）神经网络引入液压动力系统，进而提出了一种基于CPN神经网络的液压动力系统故障分类方法。实验研究和应用分析表明：CPN神经网络在故障分类中具有较强的鲁棒性、泛化性能好、学习样本数量要求相对较低等诸多优点，对于提高液压动力系统故障的分类识别性能是实用有效的。

以机械工程中液压动力系统为对象，在理论分析以及大量试验研究的基础上，给出了基于电流信号功率谱特征的液压动力系统4种运行状态标准模式。提出了基于灰色关联度计算的模式识别方法，该方法能很好地识别出液压动力系统正常以及电动机故障、机械故障、油泵故障的发生。此外，灰色关联度算法简单、计算量小，可以实现在线监测

液压挖掘机上主泵控制器（俗称泵控电脑板）的作用是，向电液比例阀输出电流信号，再由比例阀对先导油进行减压后输出二次油压，调节主泵伺服活塞的作用力，从而改变主泵的流量。可见，主泵比例阀是挖掘机的一个重要元件。

以机械工程中液压动力系统为对象，通过大量理论研究与试验验证发现：电流信号中蕴藏着反映电机、液压泵以及机械装置运行状态的信息，而液压设备的许多故障信息是以调制的形式存在于所监测的电流信号中，利用Morlet进行解包络分析，提取包络分析的时域特征参数，将其组成故障特征向量，进行灰色关联度分析，从而把包络解调分析和灰色关联分析有机结合在一起，综合它们的优势，进行故障分类和识别，为液压设备的故障诊断提供一条新的思路。

通过大量理论研究与试验验证发现:机械工程中液压设备的许多故障信息是以调制的形式存在于所监测的电气信号及振动信号中,借助硬件解调电路及软件希尔伯特变换对这些信号进行解调处理,通过监测调制信号以达到对整个液压系统的状态监测.该文介绍了硬件解调电路、希尔伯特变换的解调原理以及基于电流信号借助DSP的电动机功率监测的方法.