基于LabVIEW软件平台,开发了钢丝绳断丝损伤定量识别虚拟系统。该系统包括原始断丝损伤信号的数据采集和储存、波形回放、信号处理、数据库管理几个子系统,以模块化的方式构建了整个系统,各个功能模块既可以单独作用完成特定的模块功能又可以相互关联共同实现断丝的识别。通过实验室试验表明,以软件函数编程的方式实现的钢丝绳损伤定量识别虚拟系统可实现钢丝绳断丝损伤信号由采集、存储到消噪处理、特征量提取、损伤的定量识别以及损伤数据的管理整个过程,实现了钢丝绳断丝损伤检测的智能化,方便了工程中对钢丝绳损伤的诊断。

基于等间距磁晶格应变检测的基本原理,设计了信号检测和波形转换电路,将对应变的检测转化成为对时间量的计测,并且推导了时间量与构件应变之间的数学表达式.以8051单片机为核心,研究了应变检测系统的数据采集以及和上位机的通讯方法.利用PC机完成对检测结果的显示、存储、打印等功能.整个应变检测系统实现了以非接触的方式对机械构件应变进行实时的在线检测.

在机械构件的应变检测中，传统的应变片法由于需接触检测而难以满足检测要求。基于电磁检测原理提出了受扭构件切应变的非接触实时在线定量检测方法，设计了以AT89C52为核心的旋转构件切应变检测系统。介绍该系统的功能、硬件构成、软件设计及其实现。仿真试验表明，该系统运行可靠，检测准确，具有推广应用价值。

分析了钢丝绳损伤电磁检测的永磁式周向励磁回路，提出了励磁回路的等效磁路模型，推导了磁路参数的计算公式，计算出磁路中不同气隙对应不同直径钢丝绳所需要的磁势降。对直径10～60mm的钢丝绳进行饱和磁化所需的励磁回路参数和励磁器结构尺寸进行设计计算，为钢丝绳损伤电磁检测的励磁器设计提供了理论依据。

由于单一传感器存在获取信息量有限、抗干扰能力较弱等问题及传统网络模型诊断时间长、诊断率低等现象,采用振动、噪声等多个传感器监测铣刀的磨损状态。提出将深度学习和多传感器相结合的铣刀磨损状态信号监测方法;将经核主元筛选和未筛选的数据分别输入到BP神经网络、RBF神经网络和深度卷积神经网络中进行模式识别,并对识别结果进行对比和分析。结果表明:深度学习和多传感器相结合的铣刀磨损状态监测方法在特征量比较大、数据量比较多的情况下诊断速度、准确率均比较高,在铣刀磨损状态监测中具有明显的优势。

滚动轴承是旋转机械设备的常用关键部件之一,其性能退化评估是机械设备状态监测与视情维修的基础和依据。为及时准确掌握滚动轴承性能退化趋势与程度,提出基于单层稀疏自编码学习和支持向量机的滚动轴承性能退化评估方法,研究能够深度挖掘数据各种潜在隐含信息的稀疏自编码学习方法以及基于时频域特征和稀疏自编码学习的轴承状态特征的提取方法;提出基于支持向量机分类算法改进的轴承性能退化评估算法,并应用到滚动轴承的性能退化评估模型中,确定了模型参数寻优的方法;最后将所获得的轴承状态特征输入到轴承性能退化评估模型,得到了轴承性能退化趋势图,并通过滚动轴承实例验证了所提出方法的实用性。

提出了将神经网络与D-S证据理论相结合的故障诊断方法，实现了故障信号的特征级和决策级融合，并应用于轴承的复合故障诊断研究。将BP、RBF、GRNN 3种神经网络的输出结果作为3个证据体，滚动轴承的4种复合故障特征作为系统的识别框架，引入聚类系数作为权值分配，重新计算基本概率赋值，对D-S证据理论进行改进，以提高轴承复合故障诊断的准确性。

介绍了高速列车横向半主动悬挂控制所采用的控制方法，并给出了相应的半主动减振器的结构和工作原理。通过与普通电磁比例溢流阀的比较，阐明了使用反比例溢流阀的优势。

介绍了高速列车横向半主动悬挂控制所采用的控制方法，并给出了相应的半主动减振器和反比例溢流阀的结构和工作原理。通过与普通电磁比例溢流阀的比较，阐明了使用反比例溢流阀的优势。