基于铣削加工过程中的电流、振动、声发射等信号,建立了基于皮尔逊相关系数(PCC)和长短期记忆人工神经网络(LSTM)的刀具磨损预测模型。模型充分利用PCC的降维优势以及LSTM的时间序列预测优势,实现刀具磨损预测精度与预测效率的协调统一。实验结果表明,该模型可以实现刀具磨损状态的快速、精确预测,对铣削加工质量的提升具有重要意义。

调节阀是液压系统中尤为重要的控制元件,阀内非定常空化流动是影响阀使用寿命和控制精度的主要原因之一。建立调节阀空化图像及压力信号同步采集系统,基于时频域分析,提出皮尔逊相关系数、压力累积强度变化率、压力脉冲因子来评价调节阀内空化演变过程。皮尔逊相关系数R用来确定样本周期数量,以此来确定样本计算长度。压力累积强度变化率λ来评价扩张段空化演变速率。压力脉冲因子α评价相同工况下的扩张段空化强度。实验结果表明,在不同的入口压力或不同的入口温度下,λ随着压差或者温差增大而减小,α为持续增加;对于不同的开度,λ会随着开度先下降后增加,在开度为40%时最低,而α会持续增加。

针对伺服电机滚动轴承的寿命预测,提出一种基于皮尔逊相关系数及核主成分分析的长短时记忆网络预测方法。提取滚动轴承的时、频域信号,通过移动平均法进一步获取相关特征,并采用皮尔逊相关系数筛选高度相关特征指标,利用KPCA提取高度相关特征指标中的若干主成分;将第一主成分作为长短时记忆网络模型的输入对滚动轴承进行剩余寿命预测。采用IMS轴承数据集进行验证,得到的轴承寿命预测RMSE值和可决策系数值分别为0.0543和0.989。将其与长短期记忆

为了提高CRTIII无砟轨道板视觉检测中图像匹配的效率,文章采用一种改进算法完成轨道板图像匹配。传统的SIFT算法使用128维特征描述子，计算欧式距离判断是否匹配，匹配速度慢，并存在误匹配问题。为了提高算法的稳定性和正确率。文中首先对采集图像进行双边滤波，去除噪声并保存图像的边缘信息。在SIFT的基础上采用内切圆选择特征描述子，目的是为了去除远离中心点的那些像素，最后得到了96维特征描述符向量；并且计算皮尔逊相关系数进行评分，通过对相关系数排序，设置适当的阈值，初步找到匹配点，然后运用一种去除误匹配的算法得到最优匹配结果。最终证明，该算法缩短了图像处理时间，并且保证了较高的图像匹配精度和较高的稳定性。