经验分布函数概率模型的分布估计算法

连续域分布估计算法普遍采用高斯概率模型,假设变量服从高斯分布。该假设并不具有普遍意义。提出一个任意分布的连续多变量耦合分布估计算法,利用经验分布函数从样本估计分布,采样产生新的个体。描述经验分布函数和逆变换法采样,讨论用样本构造经验分布函数并采样的基本思想,给出一次采样算法及完整的分布估计算法,通过典型函数的仿真实验,说明方法的正确性和有效性。     

压痕诱发GaAs和Si晶体塑性、损伤与断裂

对压痕诱发脆性材料塑性、损伤与断裂研究进行总结, 并结合与之有关学科研究进展予以评述. 主要结果：微压痕诱导硅和砷化镓晶体的纳米和非晶转变, 并发现这一转变的临界应力; 转变过程是由切应力, 并非静水压力控制; 电子辐照诱导非晶晶化, 并发现晶化临界条件; 晶化速率与电流密度有关; 压痕诱发的裂纹尖端不是原子尖的, 其萌生与扩展伴随位错的产生, 并由此引发点阵的畸变, 并产生1～2nm宽非晶带; 裂纹扩展沿非晶带发生, 而非裂端前方原子键相继断裂的结果; 经傅立叶变换和逆变换发现, 裂纹尖端变形显示出各向异性.     

旋转设备数据不平衡问题的数据生成方法

在旋转设备运行状态监测及故障识别时，采集的样本多为无故障样本，而故障样本较少，这种数据分布的不平衡会严重影响分类器识别的准确性。针对此问题，提出了一种少数样本数据生成方法，即基于傅里叶变换与皮尔逊系数优化的生成对抗神经网络（Fourier-Pearson generative adversarial networks，简称FP-GAN）模型。通过对故障少数样本的扩充，提高故障诊断训练和识别的准确性。首先，使用傅里叶变化得到信号频域的单边谱，使用GAN网络生成信号频域；其次，通过皮尔逊相关系数对生成的数据进行优化；最后，通过傅里叶逆变换获得更接近真实数据的生成数据。仿真和实验数据验证表明，基于FP-GAN生成的数据样本在时域特征、时域统计特征以及分类器分类结果方面都能较好地与已有实际数据融合，可以对小样本数据进行增强，能有效解决数据不平衡问题。     

兼顾时频域特征量提取的非线性油气悬架参数识别

针对完全基于时域或完全基于频域的非线性参数识别方法的局限性，提出了一种兼顾时频域特征量提取的非线性油气悬架参数识别方法。在建立含非线性油气悬架车辆动力学仿真模型的基础上，采用快速傅里叶逆变换法获得标准路面不平度等级的输入激励，结合小波分析和滤波处理提取实验结果的时频域特征量，构建非线性油气悬架参数识别的优化模型，通过最小化仿真结果与实验结果在时频域的特征量，实现了非线性油气悬架参数在实际工况下的准确识别。识别的定量与定性分析表明了识别结果的准确可靠。通过将路面时域建模技术、小波滤波技术和优化模型构造方法与模拟退火算法的有机结合，为非线性悬架系统的参数识别提供了一种有效可靠的方法。     

基于FFT及IFFT的超声波相位差检测方法

噪声和波形畸变是影响超声波相位差检测精度的两大主要原因,也是在时域中构建相位差检测模型必须要解决的关键问题。提出一种非整周数据整周期化的算法,在获取两路超声波A/D数据后,首先对非整周期采样数据进行插值,将非整周期采样的数据转化为整周期采样数据,之后将整周期数据经过快速傅里叶变换(FFT)在频域中滤除噪声和波形畸变后,再通过快速傅里叶逆变换(IFFT)由频域回到时域中进行相位差检测。实验数据表明,采用FFT及IFFT的时域-频域-时域变换的超声波相位差检测法,其相位差检测精度明显优于时域法相位差检测精度,当选用12位A/D采样超声波数据时,相位差的检测标准差0. 01°。