基于小波包分析与多核学习的滚动轴承故障诊断

为了更准确地诊断滚动轴承故障,提出了一种基于小波包分析与多核学习的滚动轴承故障诊断方法.该方法首先对振动信号进行3层小波包分解,将振动信号分解为不同频带的信号,提取各频带的相对能量特征,构建特征向量;然后采用多核学习算法从训练样本集中学习核函数与分类器;最后使用训练出的分类器识别滚动轴承故障类型.为了验证方法的有效性,进行了滚动轴承故障诊断实验,实验结果表明该方法的故障诊断准确率达到98.25%,与传统的基于小波包与支持向量机的滚动轴承故障诊断方法相比,其故障诊断准确率更高,同时由于避免了核函数的选择问题,该方法更便于实际应用.      

基于小波包变换的模拟电路电源电流故障诊断

针对模拟电路故障诊断这一难点,运用基于IDDT技术的故障诊断方法,即利用小波包变换提取电源电流各频率成分的能量,作为神经网络的输入特征矢量进行故障诊断。仿真结果表明,该方法可以快速高效地进行模拟电路故障诊断与定位。     

基于谐波小波包和SVM的滚动轴承故障诊断方法

针对滚动轴承故障诊断问题开展研究,设计了基于谐波小波包和支持向量机（SVM）的新型诊断方法.与传统的时频特征提取方法相比,谐波小波包具有盒状频谱和无限细分的优势.首先对滚动轴承的振动数据进行谐波小波包分解,利用各频段的小波分解系数计算特征能量,归一化之后作为特征向量,为设计的多类SVM模型提供训练样本和测试样本.利用SVM的非线性映射能力,将三个二分类器相组合设计了基于二叉树的多类SVM模型,实现了对滚动轴承的故障诊断.最后,利用Case Western Reserve University电气工程实验室的滚动轴承试验台的振动数据对设计的诊断方法进行了验证.结果表明,设计的诊断方法比传统的方法具有更高的准确率.     

基于双树复小波包变换和SVM的滚动轴承故障诊断方法

针对滚动轴承故障振动信号的非平稳性和现实中难以获得大量典型故障样本的情况,提出一种基于双树复小波包变换和支持向量机（SVM）的故障诊断方法.首先通过双树复小波包变换将非平稳的振动信号分解得到不同频带的分量;然后对每个分量求其能量并归一化处理;最后将从各个频带分量中提取的能量特征参数作为支持向量机的输入来识别滚动轴承的故障类型.对试验台模拟信号（包括滚动轴承的正常状态、外圈裂纹故障、内圈裂纹故障和滚动体点蚀故障）的分析表明:该方法对所测试验信号的故障识别率达到99.5%,对比传统小波包变换与SVM结合的方法,故障识别率的准确度更高.      

基于小波包和改进核最近邻算法的风机齿轮箱故障诊断方法

齿轮箱作为风力机组的核心部件,故障频发,研究风机齿轮箱的故障诊断方法意义重大。针对最近邻(KNN)诊断方法对离群噪声不敏感和诊断精度较低的缺陷,提出了基于小波包和改进核最近邻算法的风机齿轮箱故障诊断方法。该方法应用小波包分析技术对故障特征进行提取,利用互近邻准则将故障数据集中的离群噪声点剔除,构建出基于核空间的改进型最近邻分类决策规则来识别齿轮箱的故障类型。试验表明:该方法可以有效地提升故障诊断精度和鲁棒性,为智能诊断技术的研究提供新思路。     

小波神经网络在航空发动机故障诊断中的应用

针对某型航空发动机构建了转子-滚动轴承动力学仿真模型,并利用该模型构造了三种发动机故障样本.研究中采用松散型的小波神经网络,先对构造的三种故障信号进行小波包特征分析,提取其能量特征向量作为神经网络的输入,再采用改进的BP神经网络分类器进行发动机故障模式识别.仿真结果表明,基于小波神经网络的信息融合技术用于发动机的故障诊断是可行的和有效的.     

一种数字式激光陀螺腔长和抖动控制系统

随着国防工业的飞速发展,对小型化、低功耗激光惯组的需求越来越迫切。设计了一种应用于激光陀螺仪的一体式、数字式的控制电路,电路将激光陀螺的腔长控制部分、抖动控制部分电路进行了集成设计,同时使用微控制器通过软件实现了腔长控制和抖动控制的核心部分,减少了硬件,降低了功耗。着重介绍了腔长控制电路和抖动控制电路的实现方式,并对电路的性能进行了测试分析,数据表明此电路满足系统使用要求。     

基于小波变换和神经网络的航空发动机故障诊断

在阐述了小波变换和BP神经网络概念的基础上,根据小波神经网络故障诊断的基本思想,提出了一种基于“能量-故障”的小波预处理神经网络航空发动机诊断方法。实验仿真结果表明,使用该方法提取故障特征加快了神经网络的训练速度,能迅速地进行故障的诊断。     

航空发动机主轴轴承故障诊断

某型航空发动机的主轴轴承由于频繁出现早期失效而引起发动机故障,因此,对滚动轴承进行状态监测和故障诊断具有重要的实际意义。针对常规方法难以准确分析非平稳信号的局限性,本文研究了基于小波分析的滚动轴承故障诊断方法,通过滚动轴承外表面损伤的仿真信号进行小波包频谱分析,验证了基于小波分析的滚动轴承故障诊断方法是可靠、准确的,可以应用于航空发动机主轴轴承的状态监测和故障诊断。     

基于排列组合熵的转子振动信号故障诊断SVM方法研究

针对发动机转子的多种故障模式,提出了基于排列组合熵的SVM故障诊断方法。利用转子实验台,模拟了转子正常、转子不平衡、转子不对中、动静碰磨和基座松动5种典型振动模式,并使用振动传感器采集多路振动数据。计算振动数据的排列组合熵并将其作为故障特征向量,对特征向量样本集进行多级SVM分类诊断,并运用小波包能量特征提取方法提取信号特征。实例计算与结果对比表明,本文方法的正确率要高于基于小波包能量提取特征的SVM分类诊断方法,在提取转子振动信号的特征向量及在小样本下的故障分类诊断等方面,具有可行性和有效性。     

方波幅度的测量不确定度

介绍了用众数法评价方波幅度时的不确定度分析和评价过程；讨论了主要的不确定度来源，包括众数判别区间的影响、波形测量系统幅度测量误差的影响等等；给出了减小不确定度的主要措施，并结合一个实例，给出了方波幅度的不确定度评价结果。     

高校廉洁文化教育的载体构建

作为构建反腐倡廉体系的基础性工作之一,高校廉洁文化教育是从源头上防治腐败的根本之策,关系到整个社会廉洁文化的建设。从打造廉洁文化教育教师主体团队,发挥党团组织的战斗堡垒作用,弘扬廉洁校园文化节、占据网络文化教育阵地等方面,对高校廉洁文化教育载体进行研究,旨在为高校廉洁文化教育提供些许参考意见。     

逻辑分析仪部分参数测量结果的不确定度评定

介绍了逻辑分析仪部分参数测量结果的不确定度分析评定方法，评定过程及结论，可应用在对于计量标准进行相应指标的不确定度评定分析上。     

秒表检定的测量不确定度评定

介绍了用标准时间间隔发生器检定秒表时，测量结果不确定度分析和评定过程；讨论了测量不确定度的几个主要来源；通过一组实例，给出了秒表检定不确定度的分析和评定结果，该过程和结论可应用在对于计量标准进行相应指标的不确定度分析上，也可用于估计秒表检定本身的不确定度。     

高校图书馆期刊管理服务创新举措

高校图书馆期刊管理工作需立足本校实际情况,提高期刊信息服务意识及采购质量,建立合理的馆藏期刊结构,创新期刊管理服务措施,拓展期刊服务内涵。高效发挥期刊信息的作用,提高期刊资源利用率,更好地为读者服务。     

硼粉燃烧热值测试不确定度分析

基于硼粉点火和燃烧特性,介绍了硼粉燃烧热值测试原理和方法,分析了影响硼粉燃烧热值测试不确定度的因素,并对各不确定度分量进行了评定。结果表明,影响硼粉热值测试不确定度的主要因素有：系统热容量的不确定度和助燃剂热值的不确定度;在助燃剂保障硼粉完全燃烧的条件下,减小助燃剂热值的不确定度是提高硼粉热值测试准确度的关键因素。     

应答机测距转发性能分析

分析了采用视频AGC（自动增益控制）、射频AGC和限幅器等3种测距转发模式的应答机性能,分析结果表明：视频AGC模式下,应答机测距通道的输出功率恒定,测距转发性能不随上行信号强度变化而变化;射频AGC模式下,应答机测距通道的输出功率不恒定,测距转发性能随着上行信号强度变化而变化;而限幅器模式可看作射频AGC的一种特殊情况。仿真分析了我国研制的限幅器和射频AGC两种模式应答机的性能,结果表明理论计算的性能与实测结果一致,理论分析正确且理论分析结果可作为链路计算的依据。     

电磁辐射干扰试验的测量不确定度评定

详细地分析了利用吉赫兹横电磁波室进行小体积受试设备(EUT)电磁场抗扰度测试的不确定度。     

非线性方程迭代算法收敛性分析

从几何上分析了迭代格式xn+ 1=φ(xn)所产生的序列收敛于方程根的收敛条件 ,导出了不依赖函数可导性判断迭代序列收敛的收敛定理 ,给出了产生收敛的迭代序列的技巧。     

粗糙表面偏振二向反射特性建模方法研究

针对地面目标光学偏振特性预测对基础材质粗糙表面偏振二向反射特性建模的需求,对比分析国内外常用的经验、物理和半经验等3种偏振二向反射分布模型的优缺点及其适用范围,得出半经验模型更适用于地面目标光学偏振特性预测.在此基础上,研究基于半经验Priest-Gemer模型的参数反演方法,并提出相应的测试方法,设计试验测试验证平台.最后,对模型中的影响因子进行仿真分析,分析结果表明：目标表面偏振二向反射特性与表面纹理特征、复折射率、入射光角度、探测方位角、天顶角等因素相关,且复折射率对目标表面反射率及反射光的偏振度影响较大,粗糙度会影响遮蔽与阻挡效应,使其产生突变效应.