排序方式: 共有6条查询结果,搜索用时 15 毫秒
1
1.
2.
以某混动双离合自动变速器(dual clutch transmission,DCT)2挡电驱动模式齿轮啸叫噪声为研究对象,采用动态激励力及声辐射仿真方法分析啸叫产生原因,确定啸叫噪声主要由齿轮激励过大及逆变器壳体共振引起;优化改进DCT电机齿轮齿数、齿轮模数和逆变器壳体,将DCT电机齿轮齿数从20提高到25,将齿轮模数... 相似文献
3.
原子电荷是研究生物分子的重要物理化学参数。本文在系统分块法的基础上,通过迭代的量化计算,得到多分子体系在特定环境下的高精度原子电荷,并提出一套完整的多分子体系原子电荷计算方法,Partition Iterative Quantum (PIQ)。本文采用若干种主要的生物体系作为测试体系,验证了所提方法的可行性。并以完全的量子化学计算得到的原子电荷为标准,比较了不同初始电荷设置方式对计算精度和效率的影响。说明了所提方法是可以被应用于不同尺度的分子体系的电荷计算中。 相似文献
4.
为了解决轴承故障诊断数据样本量少,背景噪声干扰大和准确率不高的问题,提出一种基于奇异谱分解(Singular spectral decomposition,SSD)和两层支持向量机(Two-layer support vector machines,TSVM)的轴承故障诊断方法SSD-TSVM。该方法首先采集信号构建信号矩阵,然后对矩阵进行奇异谱分解,得到奇异谱分量(Singular spectralcomponent,SSC)和残差。根据改进的峭度准则选取奇异谱分量,进行矩阵重构,完成重构后进行特征提取,生成特征向量矩阵作为TSVM的输入。在输入层完成降维处理生成新的特征向量矩阵,在输出层进行轴承故障类型分类。最后分别采用西储大学公开轴承数据集和实验室风机轴承数据集进行验证。与多种其他故障诊断方法对比表明,SSDTSVM方法在轴承故障诊断方面具有更高的准确率。 相似文献
5.
为了解决轴承故障诊断数据样本量少,背景噪声干扰大和准确率不高的问题,提出一种基于奇异谱分解(Singular spectral decomposition,SSD)和两层支持向量机(Two-layer support vector machines,TSVM)的轴承故障诊断方法SSD-TSVM。该方法首先采集信号构建信号矩阵,然后对矩阵进行奇异谱分解,得到奇异谱分量(Singular spectralcomponent,SSC)和残差。根据改进的峭度准则选取奇异谱分量,进行矩阵重构,完成重构后进行特征提取,生成特征向量矩阵作为TSVM的输入。在输入层完成降维处理生成新的特征向量矩阵,在输出层进行轴承故障类型分类。最后分别采用西储大学公开轴承数据集和实验室风机轴承数据集进行验证。与多种其他故障诊断方法对比表明,SSDTSVM方法在轴承故障诊断方面具有更高的准确率。 相似文献
6.
1