为了提高工业机器人的绝对定位精度和标定效率,提出一种基于预标定基坐标系及改进迭代扩展卡尔曼滤波(MIEKF)算法的运动学标定方法。该方法的优点在于用采集的位置数据进行基坐标系和工具坐标系预标定,节省两者拟合的时间。在建立位置误差模型时利用相关系数和复共线性分析去除模型的冗余参数。用MIEKF算法辨识模型的几何参数误差。通过实验对比验证,机器人经补偿后的绝对定位精度提高了88.07%。

1相关与相关系数 在不确定度评定中所讨论的输入量估计值xi与xj之间的相关，是指它们之间由于某种共同的原因（受相同温度变化影响、来自同一个标准器、使用了同一台测量仪器等），导致出现都偏大或偏小以及其一偏大另一则偏小这类联系。相关系数是定量说明这种相互联系程度的一个值。

小波变换在超声信号处理上得到了广泛的应用，小波基的选取是否恰当对处理的最后结果有非常大的影响。本文尝试性地以相关系数作为判断超声脉冲信号处理效果好坏的依据，分别对五种常用小波基函数选取不同参数后分解重构的信号与原始信号进行了比较，通过相关系数的大小选定了适合该信号的最佳小波基函数，并对重构后的信号进行了阈值消噪实验，实验处理结果良好。相关系数作为两个信号波形的相似性的一种度量是合理的。

在超声导波管道检测中,不同的管道结构特征在信号上有不同的表现。为了实现管道超声导波检测数据分析的智能特征识别,采用相关系数的方法比较待识别信号与标准样本信号相似程度,从而实现对管道特征信号的智能分类。试验结果表明,基于相关的超声导波检测信号识别方法具有较高的识别精度,能够提高检测的效率和准确度。

高速列车的转向架区域是气动减阻研究的重点.通过样条曲线方法建立了高速列车底部结构的7参数化模型,采用计算流体力学及超拉丁立方抽样试验设计方法,研究了底部结构参数对高速列车气动阻力的影响规律.结果表明:底部结构参数对于三车总阻力、头、中、尾各节车气动阻力的影响分别为27%、37%、39%和22%,三车气动阻力对裙板高度、排障器厚度、舱前缘倒角最为敏感.但头、中、尾车影响规律不同于三车,有必要考虑对头、中、尾三车底部结构分别进行气动设计,以达到最优的减阻效果.底部结构参数主要影响列车底部平均流速改变底部结构所受气动阻力,进而影响高速列车气动阻力.

针对风电机组滚动轴承故障信号的非平稳、强噪声污染等导致的有效冲击特征难以检测的问题,提出了一种基于相关正交匹配追踪（COMP）算法的稀疏故障诊断方法。基于COMP算法,在每次迭代后,首先根据内积大小依次计算原子与残差的相关系数,将相关系数最大的原子与其他符合条件的原子合并,将合并后的原子作为一个新原子;然后,利用这些新原子重新构成一个与信号相关度较强的新字典,对信号进行稀疏表示;最后,通过分析稀疏表示结果的包络谱实现滚动轴承故障的准确诊断。由于该方法重构的新原子与残差的相关性较强,因此只需较少的迭代次数就可得到较高的稀疏表示精度。仿真试验和工程应用验证了所提方法的有效性和实用性。

为降低齿轮箱振动信号频谱分析与故障识别的难度,提出了基于频谱核密度估计与密度函数相似性比较的齿轮箱故障诊断方法。首先针对齿轮箱的每一种故障状态采集多组振动信号,利用核密度估计方法对每组振动信号的频谱求取密度函数#然后选取一部分密度函数进行算术平均化,得到对应故障状态下的标准密度函数;最后根据测试振动信号频谱密度函数与各种故障状态标准密度函数之间的余弦相似度值与相关系数值,对齿轮箱的故障状态进行识别。试验结果表明与振动信号的频谱相似性比较方法相比,所提方法对于齿轮箱故障状态的判别具有更高的准确率,同时对应于齿轮箱的不同故障状态,相关系数比余弦相似度显示出更大的差异性,具有更好的适用性。

为了克服传统故障诊断流程的缺点,提出一种基于EMD（Empirical Mode Decomposition）和振动信号模型的滚动轴承故障诊断方法,首先根据滚动轴承振动机理和振动信号的特征,建立了滚动轴承在正常和各种典型故障时的信号模型,然后采用EMD对原始振动信号做分解,并以峭度为依据进行信号重构,最后计算重构信号与不同信号模型之间的相关系数,根据系数大小可准确判断故障类型。通过对实验平台信号和风力发电机组齿轮箱滚动轴承振动信号的分析,验证了该方法的有效性和实用性。

鉴于转子故障振动信号成分复杂,以及信号采集难免会存在一些干扰信号,为排除干扰信号以及非主要成分,提出了改进的经验小波变换信号处理。它对采集的信号进行经验小波变换,求取变换后各频带的相关系数,去除相关系数较小的频带,从而去除信号中非主要特征及干扰信号,获得只含主要特征的信号。通过具体实验,该方法有效地提高了信号的真实性。最终将其应用于机械转子故障中得到良好的效果。

为了研究液压系统振动信号经EEMD分解前几阶IMF分量能否代表EEMD分解信号的主要成分提出了EEMD分解的相关主分量分析研究了EEMD相关主分量分析的效果。运用EEMD分解信号得到其IMF分量计算出各分量与原信号的相关系数从中找出信号的相关主分量通过对主分量进行Hilbert包络谱分析并与原信号的Hilbert包络谱比较来验证EEMD相关主分量分析效果。通过对实测信号研究表明某液压缸连续信号经EEMD分解后与原信号相关性较大的5阶IMF分量：IMF1、IMF2、IMF5、IMF6、IMF7包含原信号主要成分能表示该信号EEMD分解的主分量而前5阶却不能完整表示原信号的主分量;对液压缸冲击信号分析发现EEMD分解的前两阶IMF分量：IMF1、IMF2与原信号相关性较大能够准确地表示原信号所包含的频率成分和信息能表示信号EEMD分解的主分量代表EEMD分解信号的主要成分。因此EEMD相关主