基于J2EE的网络教学评价系统的研究

教学评价是高校教学工作中的一项非常重要的组成部分,是引导教师改进教学方法,提高教学水平,促进学生学习积极性的重要方面。随着计算机网络和相关的软件技术的不断发展,高校教学内容和教学体制的不断更新,传统的教学评价体制已经发生了质的飞跃,高校教学评价体系的理论和方法日益丰富和完善。基于J2EE技术设计和实现的网络教学评价系统,不仅实现了学生的在线评价功能,也实现对学生和教师的信息管理功能,是教学评价在信息时代的创新发展。     

基于最优窗函数Gabor变换的变工况行星齿轮箱故障诊断

强噪声背景下变工况行星齿轮箱振动信号具有非平稳、调制等特点,传统时频分析方法难以获得高时频分辨率的时频图像.本文提出一种分数域最优窗函数Gabor变换方法,利用分数阶傅里叶变换(Fractional Fourier Transform,FrFT)处理线性调频信号的优越性,在分数域优化时频窗函数,获得最小广义时间带宽积原...     

基于小波包—坐标变换的滚动轴承故障特征增强方法

滚动轴承早期故障特征信号微弱且易受正常成分干扰,因此不易准确识别滚动轴承的早期故障.对含有微弱故障的滚动轴承信号进行小波包分解,通过对小波包分解得到的各子带进行研究,提出一种基于小波包—坐标变换(Wavelet packet-coordinate transformation,WP-CT)的故障特征增强方法.考虑到各频...     

基于Cmk分析的加工中心精度稳定性评估

在某柴油发动机缸体柔性生产线的验收和试生产过程中,针对生产线所用关键设备某卧式加工中心,运用Cmk(机器能力指数)分析方法分析其加工能力,量化评估其加工精度的稳定性水平。给出了加工数据的采样方案和注意事项,在此基础上开展案例研究。对一组工件进行了连续试切和精度数据采集试验,通过数据分析得出了加工精度的正态分布直方图和Cmk值。最后对比分析了两组差异较大的结果,为加工中心的精度稳定性评估提供方法参考。     

基于参数优化MCKD的行星齿轮箱微弱故障诊断研究

针对行星齿轮箱在故障早期时振动信号比较微弱,受噪声污染严重、且传递路径复杂多变,实际情况下故障特征难以准确提取与分离的问题,提出了基于参数优化最大相关峭度解卷积(MCKD)的微弱故障特征提取方法。首先通过最大相关峭度解卷积对原始信号进行了降噪处理,设置了峭度和自相关峰态系数作为筛选准则,对算法参数组合进行了优化选取,检测周期性故障冲击特征;然后对降噪后的信号进行了希尔伯特包络谱分析,从而获得了准确故障特征频率。仿真信号和实验数据分析结果表明:该方法对于强背景噪声下的行星齿轮箱微弱故障诊断具有良好的效果,有效抑制了噪声干扰,成功提取了故障特征。     

不同类型扩压器对离心式压缩机结构振动与辐射噪声影响的试验研究

扩压器是离心压缩机中的重要部件之一,不同类型的扩压器对压缩机的各方面性能影响很大。本文以MCL离心压缩机为研究对象,分别选取了全高叶片扩压器、楔形扩压器、半高叶片扩压器和无叶扩压器4种扩压器,在φ200模型级试验台上,开展了在不同流量下,不同扩压器对压力脉动(PP)、振动和声强影响的试验,获得不同类型的扩压器对结构振动与辐射噪声的影响的结果,选择楔形扩压器更具有优势,为离心压缩机的优化设计打下基础。     

双树复小波域隐Markov树模型降噪及在机械故障诊断中的应用

提出一种基于双树复小波变换的隐Markov树模型的信号降噪方法,并将其成功应用于机械故障诊断中。机械设备的振动信号中不可避免的存在着噪声,使得微弱故障信息的提取一直是故障诊断的难点和热点。双树复小波变换具有近似平移不变性,而隐Markov树模型能有效刻画小波系数间的相关性和非高斯性,两种优势的结合可以获得比常规软、硬阈值小波降噪法和小波域隐Markov树模型降噪法更好的降噪效果。它不仅能有效抑制高斯白噪声,还能够去除异常冲击干扰,仿真信号验证了这一点。对于实际滚动轴承信号,使用该方法同样可以获得满意的结果     

基于时频分析的欠定信号盲分离与微弱特征提取

盲源分离对于多振源信号的故障诊断与识别是一种有效的方法,但是传统的盲源分离算法都是针对观察信号大于或等于源信号的情况,但对于观察信号小于源信号的欠定盲分离问题,这在很大程度上制约了盲源分离的实际应用。通过应用经验模式分解和时频分析对非平稳信号分析的优势,提出基于时频分析的欠定盲源分离方法进行设备微弱特征提取。对振动信号进行经验模式分解,并根据分解得到的内蕴模式分量估计源信号个数并选择最优的观察信号,将振动信号与选择的最优观察信号组成新的观察信号进行基于时频分析的盲源分离,通过对仿真信号和齿轮箱实测信号进行验证分析。并与基于独立分量分析的盲源分离算法进行对比,研究表明基于时频分析的盲源分离对混合信号具有更好的分离效果,能够较好地对微弱特征进行提取。     

基于高阶模糊度函数的内蕴模式分量瞬时频率计算

瞬时频率计算是关系到经验模式分解实用性的关键,但是传统瞬时频率的计算方法对于信号分析的准确性有很大的影响。尽管非平稳信号的频率变化率可以用有限次的多项式表示,而最大似然估计、最小二乘法等相位建模估计方法计算量大,因此对于内蕴模式分量计算得到的瞬时频率仍然存在一些问题,其中边界效应更为明显。提出采用高阶模糊度函数来进行相位参数估计的方法,对内蕴模式分量的瞬时频率进行计算,在此基础上构建Hilbert时频谱进行信号分析。应用高阶模糊度进行瞬时频率计算,可以减小计算量,提高瞬时频率估计的准确性。采用仿真和实际信号验证方法的有效性,研究表明此方法可以有效消除边界效应影响,提高Hilbert时频谱的可靠性。     

改进VMD和非凸重叠组收缩降噪的行星齿轮箱早期故障特征提取

针对强背景噪声下行星齿轮箱早期微弱故障特征难以被识别且变分模态分解算法中模态个数K和惩罚因子α需要依赖人为经验反复尝试而不能自适应确定的问题,提出了改进变分模态分解(Modified Variational Mode De-composition,MVMD)方法,通过故障信号尺度空间谱的自适应分割来确定所需模态个数K,...