关于滚动直线导轨摩擦力与预紧力关系的研究

主要分析差动滑动和弹性滞后等因素对承受预加载荷下的滚动直线导轨副摩擦力的影响，得出了过盈量与摩擦力的关系．为通过测定摩擦力来确定过盈量提供了理论依据     

基于滑动概率神经网络的早期故障诊断

针对机电设备早期故障难以识别的问题，提出了一种动态的概率密度估计方法——滑动概率神经网络，用以跟踪分析测量信号的概率密度变化过程，及时发现早期故障．该网络以固定不变的抽样集作为第一层，动态滑动的测量信号作为样本层，通过求和层得到抽样集的条件概率密度估计，将样本层内测量信号的概率密度动态地投影到统一的抽样集上．将网络分解成以测量值为中心的子网络，来实现网络的递归运算，并且利用高斯函数的快速衰减特性或使用分段线性函数近似高斯函数，从而提高了网络的计算实时性．通过压缩机喘振过程数据的应用实例，表明该方法能够有效识剐故障的早期征兆．     

基于滑动窗口的动态手写签名局部相关性研究

为了解决直接序列匹配中签名序列存在随机波动和时间轴方向非均匀伸缩,导致相关分析给出的匹配度不高的问题,提出了采用滑动窗口对真实签名进行局部相关性分析的方法.将手写签名按压力划分成若干笔段,研究笔段匹配算法;对分段后的数据序列用滑动窗口算法进行局部相关分析.算例显示,对不同的签名个体而言,总有一些笔段的相关性极高,最小相关系数都达到0.8甚至0.9以上,这些笔段,正是签名者的稳定的签名特征,无论是相关分析法还是特征矢量分类法,滑动窗口局部相关分析都是一种有效的算法.     

可变时滞分布参数随机系统的指数渐近稳定性

基于随机Lyapunow稳定性理论，利用辅助函数方法研究由可变时滞分布参数随机系统所导出的滑动模运动方程的渐近稳定性问题，获得了一类滑动模运动方程渐近稳定的充分条件。     

基于高阶累积量的线性化子波提取方法研究

在地震子波非因果、混合相位的假设下,分别应用滑动平均(MA)和自回归滑动平均(ARMA)模型对地震记录建模,并采用基于高阶累积量的线性方程法对子波提取和模型适应性进行了研究.数值仿真结果表明,ARMA模型比MA模型在描述地震记录时具有参数节俭、模型更为高效的特点;基于高阶累积量的线性方程法对加性高斯色噪声有较好的压制效果,却强烈依赖于累积量样本估计的准确性.如果累积量样本估计的误差和方差适度,结合AR-MA模型描述的累积量线性方程法适用于非因果、混合相位的子波提取,其有效性通过实际地震数据的处理得到了验证.     

少齿数齿轮机构相对滑动的研究

建立了少齿数(齿数可少到2)渐开线齿轮副滑动系数的计算公式;通过一个算例,比较了标准齿轮传动、普通变位齿轮传动和少齿数齿轮传动三种情况下对应啮合点滑动系数的大小;为其接触疲劳强度计算时计入相对滑动的影响提供了定量依据。     

一类多关节机器人系统的模糊滑模控制算法仿真

针对具有参数不确定性的多关节机器人动力学系统，提出了一种基于模糊逻辑的滑模控制方案。该方案采用模糊滑模跟踪控制设计，柔化了控制信号，减轻了一般滑模控制的抖振现象。利用李亚普诺夫定理证明了闭环模糊控制系统的稳定性和跟踪误差、控制信号的有界性。仿真结果表明了所提出的控制策略是有效的。     

Fractal Characteristics of Dry Sliding Surfaces Based on 3-D Measurements

3-D surface morphology measurements of compact graphite irons were used to analyze the fractal characteristics of the surfaces to relate the dry sliding surface morphology to the fractal dimension. The measurements show that the fractal dimensions (Df) of the sliding surfaces vary from1 to 2 and are closely related to the surface morphologies. Increasing depths of grooves or pits increases the Df values, At the same time, increasing densities of the grooves also causes the Df values to increase. The data can be used to discuss relationship between Df and the friction coefficient as well as the wear rate.     

一种参数自调整风电功率预测模型

为了提高风电功率预测精度,提出一种参数自调整风电功率预测模型.通过加权递推最小二乘(SWWRLS)方法建立预测模型,侧重当前数据对预测结果的影响,排除了历史数据对预测结果的干扰.模型通过加权递推的方法节省了存储空间,并且提高了模型对外界环境数据变化的自适应性.最后,分别采用支持向量机(SVM)方法、卡尔曼滤波(KF)方法和本文SWWRLS方法,以辽宁省某风电场的真实历史数据进行风电功率预测对比实验,实验结果表明,本文方法建立的模型具有较高的预测精度.     

滑动窗口下数据流完全加权最大频繁项集挖掘

针对当前关于数据流加权最大频繁项集WMFI(weighted maximal frequent itemsets)的研究无法有效地处理频繁阈值和加权频繁阈值不一致情况下WMFI的挖掘问题,提出了完全加权最大频繁项集FWM FI(full w eighted maximal frequent itemsets)的概念.为了减少naive算法在处理滑动窗口下完全加权最大频繁项集挖掘时存在的冗余运算,提出了FWMFI-SW(FWMFI mining based on sliding window over data stream)算法.所提出的算法通过基于频繁约束条件的优化策略减少了naive算法中M ax W优化策略的无效调用次数;采用编辑距离比率作为WMFP-SW-tree的重构判别函数,可以有效减少该树的重构次数.实验结果表明FWMFI-SW算法是有效的,且比naive算法更有时间优势.