基于新型C4D的小管道气液两相流流型辨识方法

基于径向结构的电容耦合式非接触电阻抗检测传感器,结合小波包分析技术和K-均值聚类算法,提出一种小管道气液两相流流型辨识方法。首先,利用径向结构的电容耦合式非接触电阻抗检测传感器,获取反映被测流体信息的电阻抗测量信号实部信息和虚部信息。然后,采用小波包分解的信号处理技术将实部信息和虚部信息分别分为4个频率段,提取不同频率范围的能量分布情况,并与各自的均值、方差构成特征向量。最后,利用K-均值聚类算法进行模式分类,建立流型辨识模型。在内径为3.5 mm和5.5 mm的玻璃管道内进行验证实验,实验结果表明,所获得的传感器测量信号能反映流体流动信息,提出的流型辨识技术路线是有效的,流型辨识精度可达88%以上。     

转子振动故障的小波能谱熵SVM诊断方法

融合小波能谱熵和支持向量机(SVM)的特点,提出了基于小波能谱熵的SVM故障诊断方法.利用转子试验台对转子典型振动故障进行模拟并采集振动数据,提取其振动信号的小波能谱熵作为特征向量,通过样本训练建立了转子在各种典型振动故障状态下的SVM模型和多类分类器,进而实现了对未知转子振动故障的识别.实际应用表明,提出的转子振动故障诊断方法是可行和有效性的.      

基于小波尺度函数的WSK-SV算法 及其气动性能预测

提出了一种将小波的尺度函数与SV(support vector)算法相结合的WSK-SV(wavelet scaling kernel-support vector)新算法,并将Daubechies小波以及Shannon小波的尺度函数分别构成尺度核函数,而且分别作为SV算法中一个可容许的支持向量核函数使用.该算法充分利用了Daubechies小波函数的紧支集与正交等特点以及小波的MRA(multi-resolution analysis,多分辨分析),并注意了尺度核函数能够满足Mercer条件.该算法除了具有通常SVM(support vector machine)所具有的优点外,还具有很好的收敛性以及泛化能力,能够有效地提高学习与预测效率.典型算例选取了不同的小波尺度函数,数值计算表明:在一维、二维和三维问题中,这些小波的尺度函数均可以用于WSK-SV算法,进而显示了这个新算法的可行性与通用性.      

提高基建档案管理水平的方法及措施

高校基本建设档案管理,是高校进行整体规划和科学管理的重要组成部分。基于基建档案的内容特点和主要作用,将高校发展建设中基建档案的管理方法及措施进行一些探讨。要充分发挥基建档案作用,必须保证基建档案的数量和质量,使其具有完整性、准确性、系统性和安全性。应采取的方法及措施是：提高基建档案立卷部门的归档意识,建立优质基建档案;档案管理部门应加强档案文件材料的质量检查,强化基建档案的验收工作;提高档案人员的管理水平,改进基建档案的利用及保护方式。     

基于小波神经网络的齿轮系统故障诊断

通过对齿轮系统在不同的运转状态下不同的故障类型进行试验测试分析,获取了有关的测试信号,对振动特征信号进行了小波阈值去噪,采用离散小波变换(DWT)对去噪后的信号进行8层分解处理,对各层的小波系数进行了小波重构,得到8层细节信号和1层近似信号,并计算了各层信号的能量,得到了信号的能量分布特征.在此基础上把各层信号特征作为神经网络的输入,进行了网络的研究、分析处理和故障分类,并对小波神经网络方法与单独采用神经网络方法的故障诊断结果进行了比较评价.研究表明,去噪处理后的效果比没有去噪的信号特征更加明显,而采用小波神经网络诊断方法,对于齿轮无故障、齿根裂纹故障、分度圆裂纹故障和齿面磨损故障能够进行很好地区分与诊断,其诊断成功率均在95%以上,可对实际工程工作的齿轮系统进行故障诊断.      

中国机场水泥混凝土道面脱空状况分析与评价

脱空是机场水泥混凝土道面的常见病害．对道面结构性能影响很大。本研究以近60个机场道面脱空检测数据为依据,对中国机场水泥混凝土道面脱空的现状进行了分析与评价,并采用统计学偏相关分析理论．对道面脱空率与使用时间之间的相关性进行了分析,并采用有限元软件ABAQUS分析了不同程度脱空对道面结构性能的影响。分析表明：道面脱空率会随着道面使用时间的增加而显著增长;脱空严重时．道面荷载应力增幅近70％。     

光纤陀螺噪声对惯导系统精度影响的小波分析

针对当前典型光纤陀螺捷联惯导系统,研究了低动态条件下光纤陀螺输出信号的噪声特性,运用小波多尺度变换方法进行了噪声各频段分量对导航精度影响的深入研究及仿真分析,然后采用小波阈值去噪方法进行了实测数据滤波的有效性验证。结果表明,光纤陀螺噪声的低频段部分是影响导航定位误差的主要因素,而对陀螺高频段噪声的滤波措施对导航精度影响甚微。     

基于相关分析和组合神经网络的退化预测

产品剩余寿命预测是加速退化试验和故障预测与健康管理两大热点领域中的关键技术之一.为了解决复杂退化的预测问题,提出了一种新型预测方法,对退化轨迹能够实现较长距离的预测.此方法首先对复杂退化数据进行小波变换,通过Durbin-Watson方法和偏相关图分析各级分解序列的自相关性,最后根据序列的特点,组合BP(Back Propagation)和小波神经网络对退化轨迹进行预测.为了验证所提组合神经网络方法的有效性,采用小波神经网络的预测结果进行对比分析.实际退化数据的预测结果表明,所提方法比单独采用小波神经网络,具有更小的均方差(MSE,Mean Square Error),对剩余寿命(RUL,Remaining Useful Life)也具有更高的预测精度.     

Effects of sintering temperature and time on defect evolution and compression properties of Ti-Al3Ti laminated composites

For metal-intermetallic laminated composites, various types of defects often occur during the preparation process. This paper studied the evolution and formation mechanism of defects,such as pores, tunnel cracks, and delamination cracks in Ti-Al₃Ti laminated composites prepared by vacuum hot-pressing method. Moreover, quasi-static and dynamic compression tests were performed to study the effects of pores and delamination cracks on the compression properties of the composites. The resu...     

SVM和神经网络在电能质量扰动分类应用中的对比

提出了一种电能质量动态扰动特征向量的提取方法,分析比较了多种分类器对电能质量动态扰动的分类能力。首先采用小波包分解算法对电能质量信号某一频段内的信息进行精细分解从而提取出特征向量,然后针对该特征向量构造了相应的BP神经网络、学习向量量化(Learning vector quantization,LVQ)神经网络、自组织特征映射(Self-organizing map,SOM)神经网络及支持向量机(Support vector machine,SVM)分类器,并模拟实际电网中的复杂扰动信号提取其特征向量集,对多种分类器的分类能力进行对比。仿真结果表明,在较复杂的电能质量扰动情况中,支持向量机分类器仍能实现对信号的精确分类,对电能质量监测具有很好的应用价值。