基于S变换和XGBoost算法的进给系统轴承故障诊断方法

为解决生产加工过程中进给系统滚动轴承故障特征难提取、传统分类算法故障识别效率和精度较低的问题,本文提出一种基于S变换-奇异值分解和极端梯度提升(XGBoost)算法的进给系统轴承故障诊断方法。首先对采集的振动信号进行S变换和奇异值分解提取特征;然后利用获取的特征矩阵,建立XGBoost故障识别模型。实验结果表明S变换-奇异值分解方法能够有效捕获滚动轴承故障特征,XGBoost较其他算法在故障识别中具有更高的准确性和辨识效率。     

基于差示扫描量热实验对1,3,5-三硝基-1,3,5-三氮杂环己烷热分解的测试研究（英文）

为了对1,3,5-三硝基-1,3,5-三氮杂环己烷(RDX)的热分解进行测试研究,通过差示扫描量热仪在不同升温速率条件下对RDX进行线性升温实验,采用Kissinger法和Ozawa法分别对RDX的热分解曲线进行动力学计算,并结合热分析软件计算自加速分解温度等参数。结果表明, RDX的初始分解温度、分解峰温、分解完成温度范围分别为208.4-214.2℃、 225.7-239.3℃和234.0-252.4℃,分解焓平均为362.9 J·g~(-1)。采用Kissinger法对RDX的DSC实验数据进行计算,得出的表观活化能为190.8 kJ·mol~(-1),与Ozawa法计算的结果在反应末期重合,表明两种方法计算的表观活化能较为准确。在包装质量分别为1.0、 2.0和5.0 kg时,其自加速分解温度为97.0、 93.0和87.0℃,表明随着包装质量的增加,自加速分解温度逐渐降低,危险性随之增大。     

十二烷基磺酸甲酯的制备及其质谱

本文介绍用十二烷基酸钠与氯化四甲铵反应制备十二烷基磺酸四甲铵盐并分解获得十二烷基磺酸甲酯的方法。用质谱法和色-质联用法获得其质谱。     

形态-奇异值分解降噪与LMD结合的滚动轴承故障诊断

在局部均值分解(LMD)的理论基础上,分析了局部脉冲干扰和随机噪声对LMD分解质量的影响,结合形态学滤波和奇异值分解(SVD)降噪理论,提出了一种形态-奇异值分解降噪-LMD相结合的滚动轴承故障诊断方法,该方法将形态-奇异值分解作为LMD分解的前置处理单元,可以有效减少LMD分解层数,降低边界累积效应。利用仿真信号实例详述了这种方法的实施过程,并将该方法成功应用到实际轴承故障数据信号处理中,实验结果证明该方法在轴承故障诊断中切实可行,具有较好的应用价值。     

AFQ-36-9型氨分解发生器

介绍AFQ-36-9型氨分解发生器的工艺流程、分解炉的结构与有关计算。附图1幅。     

改进的HHT方法在旋转机械不对中故障特征提取中的应用

HHT(希尔伯特-黄变换)能够将振动信号分解为有限的具有实际物理意义的模态分量,并由此可对机械故障信号进行特征提取,但噪声的干扰对分解过程和分解结果影响却很大。针对这一不足,本文提出了先利用小波变换技术对含噪故障信号进行消噪处理,再作HHT分析的方法;利用此方法对实测的不对中振动信号进行了故障特征提取和分析。结果表明,该方法克服了直接运用HHT分解方法由噪声带来的不必要的干扰,提高了参数提取的准确性,并由此提高了机械故障诊断率。     

基于小波-原子分解的超短期风电出力预测模型

为提高含风电场电网经济调度能力以及降低电力系统规划决策的保守性,提出了基于小波-原子分解(WD-AD)的风电出力超短期预测模型。该模型采用小波分解(WD)作为前置环节,以基于原子表达式的自预测和基于最小二乘支持向量机(LSSVM)的残余分量预测为基础构建原子分解(AD)预测模型,分别对风电出力的高低频分量进行预测,并将结果相加得到最终预测值。AD分解过程由衰减线性和Gabor原子库交替分解完成,可自适应匹配不同类型分量。同时,本文提出将细菌群体趋药性和正交匹配追踪算法相结合(BCC-OMP)优化的原子分解法,进一步增强了原子分解能力。实际风电场算例验证了所提方法的自适应性、快速性及有效性。     

条纹投影三维形貌测量的变分模态分解相位提取

针对条纹投影三维形貌测量涉及的相位提取,提出了一种基于变分模态分解的单幅条纹投影相位提取方法。通过建立变分模态分解模型和极小化变分模态分解将单幅投影条纹图分解成背景部分、条纹部分和噪声部分。然后对得到条纹部分进行Hilbert变换和反正切变换得到包裹相位;对其进行质量导向相位解包裹和Zernike多项式去载频得到解包裹相位。将该方法与Fourier变换、连续小波变换进行了对比,结果显示:本文提出的相位提取方法相位误差为3.14×10-4,小于Fourier变换和连续小波变换方法对应的误差3.30×10-4和6.52×10-4。模拟和实验结果表明:本文提出的方法在处理具有边缘信息投影条纹图时具有优势,能够提取出更准确的相位信息,可有效地用于含边缘不连续和突起的三维物体测量。     

水基液体磁性磨具复合分散剂配方实验研究

为提高水性液体磁性磨具的稳定性,制备以六偏磷酸钠与聚丙烯酸(PAA)为表面活性剂、纳米二氧化硅为辅助剂的复合分散剂。通过Minitab软件的DOE实验设计模块,以水基液体磁性磨具的沉淀率和零场黏度为评价指标,采用极端形顶点设计复合分散剂的配方并实验研究复合分散剂各组分对沉淀率和零场黏度的影响。结果表明:六偏磷酸钠与PAA之间存在协同作用,纳米二氧化硅对水基液体磁性磨具的零场黏度起到重要作用,三者能够很好地提高水基液体磁性磨具的稳定性。综合考虑沉降率和零场黏度,确定复合分散剂的最佳配比,并通过实验验证了预测值的准确性。     

基于LCD与峭度-能量比准则的滚动轴承故障诊断研究

针对局部特征尺度分解在滚动轴承故障诊断中出现未筛选有效分量的问题,通过峭度-能量比准则对LCD分解产生的内禀尺度分量(ISC)进行了筛选,提出了一种基于LCD分解与峭度-能量比准则的方法。首先对采集的滚动轴承振动信号进行了LCD分解,得到了不同能量的ISC分量,运用峭度-能量比准则筛选了有效的ISC分量;再计算了筛选后有效的ISC分量的能量熵和多尺度熵,并将计算的结果融合后构建了特征向量;最后通过支持向量机(SVM)的故障分类器,实现了滚动轴承的故障诊断。实验结果表明:采用峭度-能量比准则提取有效分量减少了冗余分量,滚动轴承内圈故障和外圈故障诊断准确率有了明显提高。     

MBCV-EWT和奇异值差分谱的滚动轴承信号降噪方法

针对滚动轴承振动信号降噪时,克服模式混叠、保证各频率成分完整性和独立性问题,提出最大类间方差-经验小波变换分解(maximum between-cluster variance-empirical wavelet transform,简称MBCV-EWT)与奇异值差分谱相结合的信号降噪方法。首先,针对传统区间划分的不确定性问题,提出MBCV-EWT信号分解方法,通过最大类间方差对信号频谱自适应划分,并在每个划分区间上构建带通滤波器;其次,针对分解分量冗余,提出脉冲指标作为调幅-调频分量筛选准则,选取最优的分量用于降噪;最后,对最优调幅-调频分量进行奇异值分解,根据其差分谱重构分量并实现降噪。仿真及实验结果表明,该方法能够实现频谱自适应划分,有效克服模式混叠等问题,保证分解得到的各成分主频独立且完整,调幅-调频分量筛选准确,降噪效果明显,为故障识别和预测奠定研究基础。     

改进的Hilbert-Huang变换及在电磁辐射测量中的应用研究

提出了一种基于改进的希尔伯特-黄变换的电磁信号处理的新方法,该方法适合于在非平稳非线性噪声环境中的电磁辐射的测量。将非平稳信号通过经验模态分解的方法分解为有限个内蕴模式函数,利用自回归模型消除了希尔伯特-黄变换产生的边界效应,进而得到信号的瞬时频率。应用匹配滤波器对背景噪声进行滤除,得到实际电磁辐射信号。由于经验模态分解法的基函数是由信号自适应分解得到的,所以比傅里叶变换以及小波变换得到更好的分解效果。仿真及实验结果表明该方法在非平稳非线性的电磁信号处理中有效地滤除了背景噪声,解决了电磁辐射测量中的环境干扰问题。     

网络化协作任务分解策略与粒度设计

针对已有任务分解方法所存在的问题,提出了基于项目-任务-活动框架的定性任务分解策略,引用软件工程中软件度量的思想,建立了任务内聚系数的计算公式,从定量角度提出了任务粒度设计的新方法。该方法可以准确评估网络环境中复杂产品协作设计流程不同粒度的任务分解模型,从而实现设计过程的灵活组织和有效管理。最后,给出了应用实例,说明了该方法的有效性和可行性。     

基于经验模态分解与支持向量机的旋转机械碰摩故障识别方法研究

碰摩故障是旋转机械常见的故障.本文以双盘悬臂转子-轴承系统的碰摩故障为例,提出基于经验模态分解和支持向量机的碰摩故障识别方法.首先对信号进行经验模态分解,得到多个固有模态函数之和,然后对每一个固有模态函数分量进行奇异值分解,得到矩阵的奇异值,将其作为信号的状态特征向量,利用支持向量机方法对多种碰摩故障进行分类,同时进行故障识别.试验结果表明,该方法的识别率明显优于传统的BP神经网络和RBF神经网络分类器,且鲁棒性好.     

基于傅里叶分解方法的航空发动机转子故障诊断

针对传统时频分析法无法提取转子故障特征信息的问题,提出了基于傅里叶分解方法(FDM)的转子碰摩故障诊断方法。构造了调频调幅仿真信号,对比FDM、集合经验模态分解(EEMD)、变分模态分解(VMD)的分解结果发现,FDM能够实现仿真信号的完备性分解,且时频分辨率高。利用FDM对采集到的转子试验器机匣单点-转子全周碰摩试验故障数据进行诊断,不同算法故障信号分解结果的周期功率谱密度估计和故障特征提取结果表明,该方法具有更高的诊断可靠性,可有效地解决转子故障诊断问题。     

一种基于单通道 sEMG 分解与 LSTM 神经网络 相结合的手势识别方法

在基于表面肌电(sEMG)信号的动作识别中,使用单通道传感器能够简化系统、减少识别延时,但也存在识别精度偏低的问题。为了提高识别精度,本文提出将单通道sEMG信号分解策略与长短期记忆(LSTM)循环神经网络识别相结合的方法。在该方法中,先将单通道sEMG信号分解成多通道运动单元动作电位序列(MUAPTs),然后提取MUAPTs的特征,最后将这些特征对LSTM分类模型进行训练。为了验证该方法的有效性,本文以手势动作识别为对象,对6名受试者分别建立了4种分类模型,包括基于未分解信号的支持向量机(SVM)、基于分解信号的SVM、基于未分解信号的LSTM、以及本文提出的基于分解信号的LSTM,并定义识别精度量化指标对这四种模型的分类结果进行评估。对于旋前方肌sEMG信号,在使用本文所提方法进行手势识别时,平均估计精度均能达到90%以上,比未分解的LSTM高18.7%,比分解信号的SVM高4.17%,比未分解信号的SVM高11.53%。实验结果验证了本文所提方法的有效性。     

分解炉内煤粉燃烧的数值模拟及炉型改进措施研究

分解炉是水泥生产线上的核心设备之一,炉内煤粉的燃烧反应是分解炉中极为重要的一部分,本文针对某分解炉的实际尺寸,用简化的PDF模型模拟了分解炉内多相流场及燃烧的情况,并根据模拟结果对该炉型提出了改进措施。     

FMA结构化分解驱动的加工中心设计过程规划

为了更好的实现加工中心的设计,减少设计过程的迭代次数,缩短开发周期,以加工中心的功能运动为核心,利用FMA结构化分解将加工中心按照"功能-运动-动作"的顺序逐层分解至相应的元动作,定义了元动作设计结构单元,在考虑各设计单元耦合性的基础上提出了FMA结构化分解驱动的加工中心设计过程规划流程;然后用可变度与敏感度双指标表示设计单元间的耦合程度,以设计结构矩阵为工具对设计单元间的耦合强度进行量化,利用基于次序指标的割裂算法对耦合强度矩阵进行割裂规划,优化设计单元的初始设计顺序,从而实现了加工中心的设计过程规划,加速了加工中心的设计与开发;最后以托盘交换架功能组元动作设计单元间的设计规划过程为例,证明了本文的可行性。     

用双聚焦场致电离质谱计进行在10~(-11)到10~(-5)秒时间内气相离子分解动力学的研究

描述一种用双聚焦场致电离(FI)质谱计进行在10~(-11)到10~(-5)秒内单分子气相离子分解动力学研究的理论和技术。在最短时间间隔内(10~(-11)到10~(-9)秒)的离子分解反应动力学是由所生成的离子的平移动能分布的分析而推导出来的。生成离子的平移动能分布是用改变FI发射极电压而最完善地测量出来。叙述了专门仪器(CEC21—110B)的改进和计算。使用双聚焦仪器主要是为了把单分子离子分解的FI研究与完全使用同位素标示技术结合起来。     

基于分层任务网络的多机器人复杂任务分解

为解决多机器人复杂任务分解问题，提出了表征分解方案属性的三个指标，即关联系数，内聚度，任务粒度，并结合所提属性指标提出了距目标解的距离来衡量任务分解方案的效果。基于传统HTN方法，引入基于任务属性指标的调整方法以改善传统HTN方法分解结果的随机性以及无量化评价的缺点，并以玩具-零食生产过程为实例展示了任务分解的流程，通过与传统HTN方法比较寻解时间与指标质量验证了改进HTN方法的有效性。