基于增量稀疏核极限学习机的发动机状态在线预测

针对发动机状态在线预测中样本累积、预测模型膨胀和在线更新速度慢等问题,提出了基于增量稀疏核极限学习机的在线预测方法.该方法定义了KELM核函数矩阵的稀疏测量矩阵,并根据矩阵原子相干最小化和自信息量最大化的样本信息度量准则实现在线样本前向稀疏与后向删减,提高了样本稀疏化效率.利用有效样本对测量矩阵在最佳阶数内进行在线扩充与修剪,限制了预测模型膨胀.利用改进的增量建模方法对模型的核权重矩阵进行递推更新,从而建立规模有限且结构稀疏的在线预测模型,提高了在线建模速度.仿真数据和发动机状态参数在线预测实验结果表明,与现有在线预测方法相比,ISKELM具有更高的样本稀疏化和在线建模效率.对发动机排气温度进行120步预测时,预测速度分别提高了80.50%和31.72%,预测精度分别提高了48.56%和15.81%.      

碳纳米管在水中均匀分散的研究

通过计算碳纳米管在单位长度上的重力,说明碳纳米管能够大量漂浮于水面上.再利用涨落原理和微粒分散与团聚理论,分析了超声振荡后水中碳纳米管分散与团聚的原因.并找到了使其均匀分散的一种方法.     

羊毛的激光衍射

在羊毛的激光衍射图案中，出现了一种未曾料到的细条纹现象．本文用双光束干涉理论进行了解释，得到了与实验符合较好的结果     

铷原子中两个耦合参量四波混频过程的微扰法分析

利用微扰法分别分析了铷原子中两个参量四波混频过程．当这两个参量四波混频过程被一超短激光脉冲相干激发时，两个过程之间就存在相互耦合作用．微扰分析表明，量子拍存在于耦合的参量四波混频信号中，量子拍幅度的大小不但取决于超短脉冲的特性，而且依赖于两个耦合的参量四波混频过程中的相位匹配．     

变速箱振动信号的分解及在故障诊断中的应用

建立了变速箱故障振动理论模型，模型考虑了箱体内部各齿轮、轴承和轴不对中时对箱体复合振动信号的影响．利用时域同步平均技术和小波分析技术分别将齿轮振动信号、轴不对中故障振动信号和轴承故障振动信号从箱体复合振动信号中分离出来，并利用分离出来的振动信号成功地诊断了变速箱的典型故障．     

载体平动条件下的磁梯度张量定位方法

针对现有磁场梯度张量定位方法存在的问题,提出载体平动条件下的磁场梯度张量定位方法.用目标磁矩替换目标的磁场值,通过2点的张量测量,构建关于位置参量的非线性定位方程组,通过遗传算法对方程未知数进行优化,解算得到位置参数.仿真结果证明:载体平动条件下的张量定位方法有效克服了现有张量定位算法的不足,定位精度高,可以在地磁背景环境下对隐蔽目标进行定位.     

ZnO薄膜的制备及其特性研究

采用射频磁控溅射技术生长出高质量（002）晶面取向的ZnO薄膜.通过XRD和AFM研究了射频功率和氧气比例对ZnO薄膜的结构和表面形貌的影响.研究结果显示,射频功率在50W下氧气比例为45%时,所生长的ZnO薄膜可以用于制作高质量的表面声波仪（SAW）.     

基于快速留一交叉验证的核极限学习机在线建模

提出了一种基于快速留一交叉验证(FLOO-CV)的在线核极限学习机(OKELM),以逐次增加新样本与删除旧样本的方式进行在线训练;设计了一种无需人为设定、能够根据系统过程特性自适应改变的FLOO-CV预测误差阈值,根据误差阈值仅引入预报误差较大的样本对模型进行更新,以提高模型的稀疏性和泛化能力;利用Hermitian矩阵求逆引理实现了对网络输出权值的递推求解,减小了在线存储空间和计算时间.经混沌时间序列预测和连续搅拌釜式反应器的过程辨识结果表明,相比于离线核极限学习机、无稀疏策略的在线核极限学习机和在线序贯极限学习机,OKELM具有更快的计算速度和更高的学习精度.     

滚动轴承故障振动模型及其应用研究

建立了滚动轴承外环，内环和滚动体存在局部故障和振动模型，模型综合考虑了滚动轴承的几何尺寸、轴的转速、轴承静态载荷分布，振动传递函数和故障点位置的影响，在自行火炮实车上进行了一系列变速箱滚动轴承故障诊断，试验结果验证了滚动轴承故障振动模型的有效性。     

变速箱振动信号的分解及在故障诊断中的应用

建立了变速箱故障振动理论模型，模型考虑了箱体内部各齿轮，轴承和轴不对中时对箱体复合振动信号的影响，利用时域同步平均技术和小波分析技术分别地将化振动信号，轴不对中故障振动信号和轴承故障振动信号从箱体复合振动信号中分离出来，并利用分离出来的振动信号成功地诊断了变速箱的典型故障。