基于振型分解法的磁流变液夹层梁动力特性分析

为准确地模拟磁流变液夹层梁在不同磁场强度及作用位置下的振动特性,获得其阻尼变化规律,对于磁流变液复合结构的动力性能研究具有重要意义。通过ABAQUS的Frequency与Modal dynamics振型分解求解方法,研究了填充两种磁流变液的双层铝条夹层梁在不同条件磁场作用下的自由振动特性。结果表明:采用振型叠加法可以简单、有效地实现对磁流变液夹层梁构件自由振动过程的模拟;基于Cohesive单元构建的磁流变液阻尼计算方法能够准确地获取磁流变液夹层梁在自由振动过程中的模态及其运动状态;通过对模拟结果的分析,可将结构阻尼和材料阻尼分离,达到深入剖析试验结果的目的。该方法可用于磁流变液复合结构在不同激振条件下的动力响应的模拟分析。     

基于固有时间尺度分解与多尺度形态滤波的滚动轴承故障特征提取方法

为了准确提取出滚动轴承的故障特征并对轴承状态进行评估,提出了一种固有时间尺度分解(intrinsic time-scale decomposition,ITD)与多尺度形态滤波相结合的滚动轴承故障特征提取方法。首先,采用ITD方法将滚动轴承故障信号分解成多个固有旋转分量(proper rotation,PR);然后,对比各个PR分量与原始信号的相关性;最后,采用多尺度形态滤波算法对相关性较大PR分量进行滤波降噪,并提取滚动轴承故障特征频率。采用所建立方法对轴承外圈故障和内圈故障实验数据进行分析。结果表明,所提出的故障特征提取方法能够有效抑制噪声,清晰准确地提取出滚动轴承故障特征频率。     

基于多维缩放和随机森林的轴承故障诊断方法

为快速准确识别轴承的运行状态,提出了一种基于多维缩放和随机森林的轴承故障诊断方法。该方法采用函数型数据分析,得到轴承振动信号自相关函数的拟合系数,构造故障特征集;使用网格搜索法优化随机森林参数,得到特征重要性排序;然后使用多维缩放方法对特征选择后的故障特征集进行降维;最后采用随机森林对降维后的故障特征进行诊断识别。为验证所提方法的有效性,开展了正常、内圈故障、外圈故障、滚子故障状态下的轴承振动实验,结果表明,函数型数据分析的特征提取方式能有效表征不同状态轴承振动信号的不同特征,与t分布随机邻域嵌入和主分量分析方法相比,多维缩放方法具有更高的类间距和类内距的比值,且优势明显,各类状态的诊断准确率均高达100%,较使用原始特征集的随机森林平均准确率提高了5%。     

基于模式识别方法的湖泊水质污染特征聚类研究

构建耦合自组织映射神经网络(SOFM)和随机森林(RF)的方法, 对中国63个湖泊11年的9种水质指标(5110条数据)进行模式识别。首先采用SOFM对湖泊进行聚类, 以识别污染状况, 然后采用RF分析水质指标对湖泊类别的决定效果, 以确定代表性指标。SOFM的结果显示, 湖泊可以按污染程度分为3类。RF的结果发现, 在分类准确率为80%时, 根据高锰酸盐指数和叶绿素a浓度即可判定湖泊污染程度。该方法可从庞杂的数据中识别出反映水体污染特征的水质指标, 为快速认知水体污染状况及选取监测指标提供参考。     

基于MCKD与CEEMDAN的声信号故障特征提取方法

在双转子轴承状态监测与故障诊断中,信号传递路径复杂,很难通过加速度传感器直接获得信号,而声音信号有非接触式测量的优势,包含大量特征信息.为了能够准确、有效地通过声音信号实现滚动轴承故障诊断,检测出轴承故障,提出了基于自适应噪声完备集合经验模态分解(CEEMDAN)和最大相关峭度解卷积(MCKD)的滚动轴承故障诊断方法.首先运用最大相关峭度解卷积方法增强轴承故障声音信号中的冲击,然后对处理后的信号进行CEEMDAN处理,计算每个经验模态分量的峭度值,根据峭度值选取最优分量并求Hilbert包络谱,以准确提取故障特征频率.文中采用该方法基于声音信号实现滚动轴承故障诊断,为提取最优分量提供了理想筛选标准,一定程度上降低了故障诊断的复杂程度,具有良好的自适应性.     

ASIFT与SVD相结合的Contourlet域的抗几何攻击视频双水印算法

为平衡数字水印技术中的鲁棒性与透明性,提出基于仿射尺度不变特征变换(ASIFT)与奇异值分解(SVD)结合的Contourlet域视频双水印算法。首先,利用卡尔曼滤波器将视频帧内的运动物体进行分离获取运动宏块,对运动宏块进行Contourlet变换;其次,利用奇异值分解对图像的信号攻击存在较高的稳定性和低频子带系数直方图在旋转、缩放等几何攻击具有较强的鲁棒性,自适应地将混沌水印序列分别嵌入到高频子带奇异值矩阵和低频子带系数中;最后,以ASIFT的尺度和方向不变性作为触发器,用于判断嵌有水印的视频遭受的攻击类型。本文算法能保证嵌入水印的视频帧的峰值信噪比值(PSNR)在70 dB以上,水印的嵌入量达到240×360 bit。实验结果表明本文的算法能够保证水印的不可见性的同时针对几何攻击和信号攻击都具有较强的鲁棒性。     

基于时滞观测的神经网络的随机镇定

研究神经网络的随机镇定问题.通过在扩散项中加入含时滞项的状态控制,利用随机稳定性理论,镇定一类循环神经网络.同时,利用It公式及多种不等式性质,证明解的几乎必然指数稳定性,并给出数值例子.     

媒体报道下随机SIQS流行病模型的动态行为研究

研究了媒体报道干预策略下的随机SIQS流行病模型.构造合适的Lyapunov函数,使用Itô公式和马尔可夫半群理论,证明了基本再生数R₀^s可用于控制随机流行病模型的动态行为,即如果再生数R₀^s<1,并且在其他条件下,疾病将消亡;如果再生数R₀^s>1,并且在其他条件下,疾病是持久性的.结论表明：大的白噪声可以抑制疾病的爆发,这为制定有用的控制策略来调节疾病的动态行为提供有效帮助.最后通过数值模拟验证了这一结果.     

基于点权的混合K-shell关键节点识别方法

复杂网络中,评估节点的重要性对于研究网络结构和传播过程有着重要意义.通过节点的位置,K-shell分解算法能够很好地识别关键节点,但是这种算法导致很多节点具有相同的K-shell (Ks)值.同时,现有的算法大都只考虑局部指标或者全局指标,导致评判节点重要性的因素单一.为了更好地识别关键节点,提出了EKSDN(Extended K-shell and Degree of Neighbors)算法,该算法综合考虑了节点的全局指标加权核值以及节点的局部指标度数.与SIR(Susceptible-Infectious-Recovered)模型在真实复杂网络中模拟结果相比,EKSDN算法能够更好地识别关键节点.     

考虑路径走行时间边界的行程时间可靠性研究

以路径的自由流时间为路径走行时间的下边界,提出了截断正态分布条件下的出行时间预算模型,并将其与一般正态分布条件下的出行时间预算模型进行对比.在多用户随机网络条件下,假定出行者的期望准时到达概率是异质的,并建立了基于可靠性的多类用户随机用户均衡模型.研究结果表明,在截断正态分布条件下,出行者的预算时间更大,且其风险厌恶水平是基于情景自适应的.同时,对准时到达要求较高的出行者倾向于选择可靠性较大的路径,对准时到达要求不高的出行者倾向于选择平均走行时间较小的路径.