基于FOA的变分模态分解在轴承故障诊断中的应用

变分模态分解(VMD)广泛应用于故障诊断中,从振动信号中提取故障特征是故障诊断过程中的关键部分。针对强背景噪声和脉冲干扰下滚动轴承早期故障特征难以提取的问题,提出了一种新的基于果蝇优化算法(FOA)的变分模态分解的轴承故障诊断方法。首先,利用果蝇优化算法自适应优化VMD的惩罚参数α和分解数K,获取最优参数组合;然后,对信号进行VMD分解,得到K个模态分量;最后,基于峭度最大化准则选取最优模态分量进行包络解调分析,提取出故障特征频率。通过仿真信号分析、实际故障轴承信号验证以及与基于果蝇优化算法的多分辨奇异值分解(MRSVD)方法进行对比,证明了所提方法的有效性。     

基于经验模态分解的冷水机组能耗预测模型

针对实际工程中采集的磁悬浮冷水机组的功率时间序列多为非线性、非平稳信号的问题,提出基于经验模态分解的机器学习能耗预测模型,此模型从信号本身尺度特征出发对信号进行分解,具有良好的局部适应性。将基于经验模态分解的机器学习模型预测结果与原始机器学习模型的预测结果进行比较,结果表明,采用经验模态分解的磁悬浮冷水机组能耗预测模型能够提高预测精度。     

基于EMD和改进小波阈值的地震信号去噪方法

地震资料采集获得的地震信号资料中往往夹杂着大量的噪音信息,地震信号的有效去噪对后续的地震资料解释具有重要的意义。本文提出一种基于经验模态分解(EmpiricalMode Decomposition,EMD)和改进小波阈值的地震信号去噪方法。将含噪地震信号分解为一系列本征模态函数(IntrinsicModeFunction,IMF),并根据自相关理论,对从IMFs中筛选的高频分量应用改进的小波高参数阈值算法处理,低频IMF分量应用改进的小波低参数阈值处理,最后对处理后的IMFs进行重构。利用本文提出的地震信号去噪方法对合成地震信号和实际地震信号进行去噪处理,并与EMD去噪效果进行对比,结果均表明本文所提方法的去噪效果优于常规的EMD方法。     

关于外文字符的字体

1.正体外文字母的常用场合(1)计量单位和SI词头符号。(2)数学式中的运算符号和缩写号,如:微分号d,有限增量符号Δ,变分号δ,极限lim,行列式det,最大值max等。(3)其值不变的数学常数符号:圆周率π,自然对数的底e,虚数单位(i电工中常用j)。(4)量符号中为区别其他量而加的具有特定含义的非量符号和非变动性数字符号角标,如势能EP,宏观总截面Σtot,转置矩阵AT等。     

炮膛磨损信号的经验模式分解相关性降噪

针对传统降噪方法在炮膛磨损信号处理中的局限性,在经验模式分解方法的基础上,提出了一种新的炮膛磨损信号相关性降噪法。该方法利用经验模式分解法对炮膛磨损信号进行分解,并依据信号相关性原则,选取分解后的本征模态函数进行重构,从而达到降噪的目的。对某高炮炮管磨损信号进行了经验模式分解相关性降噪实验,研究结果表明:该方法能够有效地减少信号中的干扰成分,提高了信噪比,增加了测量精度。     

基本药物筹资机制研究

基本药物筹资机制在基本药物制度中起着关键性的作用。本文首先对我国基本药物筹资机制现状进行详细分析入手,然后运用VAR模型对我国药物筹资结构进行了实证分析,试图探讨它们之间的影响和传导机制,并在总结国际药物筹资机制相关经验基础上,针对我国目前基本药物筹资机制所存在问题提出相关政策建议。     

塑料市场

杭电成功转化科研成果将废塑料成功转变为清洁油废塑料通过一条传送带源源不断地输送进机器设备的"口"中,"吐"出来的竟是黑乎乎的油料——有没有想过,塑料垃圾能变身成"油田"?杭州电子科技大学的一支科研团队,历时7年研发的垃圾塑料工业化裂解制油技术,解决了一系列提炼难题,让废塑料制油成功实现了产业化转换。科研项目的领头人、杭电环境工程研究所所长俞天明教授说:"通过无氧分解,可以     

高钙白钨矿分解工业试验研究

针对现行高钙白钨矿的高效分解是困扰钨冶炼企业的难题,研究从生产实践出发,根据白钨矿原料中钙含量的变化对生产工艺参数进行调整,考察了不同余碱量、磷酸系数、分解温度等因素对高钙白钨矿的分解影响。结果表明:在磷酸系数为0.8,单批处理量为1.4 t,余碱量为100～200 kg,分解温度为185℃,分解时间为3 h的条件下,高钙白钨矿分解可达到生产工艺要求。研究结果可为工业上高效处理高钙白钨矿提供理论指导。