不同段数爆破地震波的反应谱分析

为了研究段数对反应谱特性的影响,基于某石方控制爆破工程爆破振动实测数据,对不同段数爆破振动信号进行了反应谱分析。首先,利用实测的爆破振动速度信号采用直接微分法获得了加速度信号,并利用EEMD分解对加速度信号进行低通滤波去噪处理,获得了准确清晰的加速度曲线。然后,利用精确法求得了不同段数下爆破振动信号的速度反应谱和标准速度反应谱。分析结果表明:不同段数的爆破振动质点峰值速度与速度反应谱的峰值速度并不存在对应关系,因此分段数的选择应综合考虑结构对爆破振动的动态响应。     

应用独立分量分析的激光测风雷达湍流频谱分解

针对大型风力发电机机组中常见的脉动湍流、风机尾流与涡流等湍流信号,研究了利用自然梯度下降的独立分量分析方法的湍流频谱分离效果,以区分中心风速与湍流信号,提高风机机组的综合工作效率。首先分析了风机组中常见湍流信号的后向散射与频谱分布特点,然后依据这些特点设计了对应的独立分量分析模型。在仿真结果符合要求的基础上,进行了双目激光雷达天线的风速采集与实际分离效果检测。实验结果表明,在大气折射率结构常数C2n≤10-14同时广义大气常数α≥4的通常情况下,利用双目信号能够分离出一个湍流中心和一个中心风速。对1 s内两个谱峰的波动范围进行统计,获得(2.59±0.05)MHz的中心风速以及(1.22±0.19)MHz的湍流中心估计,且二者的平均信噪比分别为25.93 dB和31.01 dB,能够在获得稳定的中心风速估计的同时得到一个较为稳定的湍流中心估计。     

移动边缘计算环境下的动态资源分配策略

在通讯设备爆炸式增长的时代,移动边缘计算作为5G通讯技术的核心技术之一,对其进行合理的资源分配显得尤为重要。移动边缘计算的思想是把云计算中心下沉到基站部署(边缘云),使云计算中心更加靠近用户,以快速解决计算资源分配问题。但是,相对于大型的云计算中心,边缘云的计算资源有限,传统的虚拟机分配方式不足以灵活应对边缘云的计算资源分配问题。为解决此问题,提出一种根据用户综合需求变化的动态计算资源和频谱分配算法(DRFAA),采用"分治"策略,并将资源模拟成"流体"资源进行分配,以寻求较大的吞吐量和较低的传输时延。实验仿真结果显示,动态计算资源和频谱分配算法可以有效地降低用户与边缘云之间的传输时延,也可以提高边缘云的吞吐量。     

基于衰变链计算的裂变产物缓发γ能谱分析

在军控核查技术中，缓发γ能谱是核材料的“指纹”。为计算和分析铀裂变产物的缓发γ能谱，本文将各种类型的衰变链简化为基态线性链和激发态线性链，推导了零时前后各级核素数目的变化公式，建构了计算缓发γ射线能谱的C语言程序代码，并通过实验对理论推导进行了验证。通过分析几种核素的缓发γ射线计数发现，计算结果与实验数据吻合较好。     

Intrinsic dielectric behavior of Mg2TiO4 spinel ceramic

In the work, we focused on the intrinsic dielectric behavior of Mg₂TiO₄ spinel ceramic by P–V–L theory and infrared spectra analysis. Ti–O bonds have larger bond ionicity values, thus playing an important role in dielectric polarization. The theoretical dielectric constant was predicted by calculating the bond susceptibility of each chemical bond. Furthermore, Ti(1)–O bonds are responsible for the structural stability of Mg₂TiO₄ ceramic. Based on classical dispersion theory, permittivity and loss corresponding to each infrared active mode were quantified, and then the crucial contribution of low-frequency modes to intrinsic dielectric properties were determined.     

综合改进奇异谱分解和奇异值分解的齿轮故障特征提取方法

针对齿轮故障特征微弱，在强背景噪声下难以有效提取的问题，提出了一种改进奇异谱分解（ISSD）结合奇异值分解（SVD）的齿轮故障特征提取方法。针对奇异谱分解（SSD）算法中模态参数需凭经验选取的缺陷，基于散布熵优化算法对SSD算法进行了改进，在得到既定的一组奇异谱分量的基础上，根据峭度值最大准则筛选出了最佳奇异谱分量并进行了SVD处理，采用奇异值能量标准谱自适应地确定了信号重构阶数以还原信号和提高降噪效果。最后对信号进行包络解调以提取齿轮故障特征，将所提方法运用到仿真信号和齿轮实测信号中，并同传统包络谱、SSD包络谱以及经验模态分解结合SVD(EMD-SVD)方法进行了对比分析，结果表明，所提方法的降噪和特征提取效果更佳，能够更加有效地实现齿轮故障的判别。     

不同制样方法对直流辉光放电质谱法测定氮化硼中27种杂质元素的影响

讨论了3种制样方法对直流辉光放电质谱法(dc-GDMS)检测氮化硼中的Na、Mg、Al、Si等27种杂质元素的影响。3种制样方法分别如下所示:方法1,直接把氮化硼压在铟薄片上;方法2,把氮化硼压在铟薄片上后,再盖上一层铟罩;方法3,把压碎后的氮化硼放在针状钽勺上。在优化的辉光放电参数下对比了3种不同制样方法对基体信号强度的影响。试验表明:在方法1中,当氮化硼尺寸约为3mm×3mm,厚度小于1mm时,基体¹¹B的信号可达1.8×10⁷ cps;在方法2中,选择铟孔大小合适的铟罩,基体¹¹B的信号可达1.0×10⁷ cps;方法3获得基体信号强度比方法1、方法2高一个数量级。大部分元素在中分辨率下可获得较好的结果,而对于在高分辨率下也较难分离的元素,可选择丰度较低的同位素在中分辨率下进行测定,如Ge选择⁷⁰Ge⁺,Se选择⁸²Se⁺,Cd选择¹¹¹Cd⁺,Sn选择¹¹⁹Sn⁺,Ag选择¹⁰⁹Ag⁺,Pt选择¹⁹⁴Pt⁺。氮化硼中的杂质元素含量可通过样品片中待测元素含量减去来自于铟薄片或钽勺中该元素贡献的含量来计算获得。将样品平行测定5次,相对标准偏差均在20%以内。对于Al、Si、Ti等元素的测定,3种制样方法的测定结果基本一致;方法1、方法2中检测到的In含量较大,使得铟中的Ni、Cu对氮化硼的测定值影响较大;方法3由于钽中Fe、Cu的贡献导致氮化硼中Fe、Cu的检测值较大,但方法3获得的基体信号强度大,可降低部分元素的检出限,如Cr、Mn、Ga、Ge等。综上所述,方法3为优选方法。     

低觉醒脑电识别与唤醒的可穿戴系统研究

为智能化地识别警戒作业人员出现的低觉醒、注意力下降的生理状态，本文介绍了一种基于FPGA和脑电信号处理的低觉醒状态检测与唤醒系统，系统通过传感器从大脑头皮采集脑电信号，转换为数字信号，经傅里叶变换获取了脑电信号的θ相对能量、α相对能量、重心频率、谱熵等4个特征量，由4个特征量表征低觉醒状态并运用支持向量机对低警戒状态进行识别，当识别出低觉醒状态时采用声音报警模块发出声音，唤醒警戒作业人员。设计系统能够较好地识别出低觉醒状态，识别率达90.8%，可为提高警戒作业工作绩效提供一种可穿戴的智能装备。     

新工科理念下“扩频通信技术与应用” 课程教学实践

本文以“扩频通信技术与应用”课程为例，探讨新工科理念下工程学科实践教学改革，具体措施包括：开展虚拟仿真实验，充分发挥双师型教师的主观能动性，开展MATLAB仿真训练、工程技术实训及相关的创新创业训练，结合企业实习以及开展国际交流合作等。     

基于降噪时序深度学习网络的风电功率短期预测方法

利用风电场历史功率数据预测未来一段时间内的风功率,对保障电网安全稳定运行具有重要的意义。本文提出一种基于奇异谱分析SSA(singular spectrum analysis)和长短时记忆LSTM(long-short term memory net⁃work)网络的时序特征预测框架用于短期风功率的预测。首先通过SSA对历史风功率原始数据进行降噪处理,然后经过数据转换之后,以LSTM网络为基础进行预测模型的训练,最后通过某风电场提供的两个风机的历史功率数据进行验证。实验结果表明,奇异谱分析对风电场的历史数据具有良好的降噪性,SSA+LSTM模型在测试数据上取得了较好的预测性能,能够有效进行短期风功率的预测。