多轴段转子系统的畸变试验模型动力学相似设计

基于Riccati传递矩阵法和灵敏度分析,提出了一种多轴段转子-支承系统畸变试验模型的动力学相似设计方法.分析了转子固有特性的系统参数灵敏度,对原型系统进行动力学模化得到畸变模型,并进行必要的模型修正,然后对修正后的畸变模型进行缩尺设计得到最终试验模型.以设计某空压机高压转子的缩尺试验模型为例,通过对比原型和所设计缩尺试验模型的临界转速和固有特性,验证了所提试验模型动力学相似设计方法的有效性和实用性.     

基于最小二乘支持向量机的脑电信号分类

研究了基于运动想象脑电信号对大脑的想象运动状态进行分类识别的问题.根据事件相关同步和事件相关去同步现象识别出被试的想象运动状态,通过频带能量特征提取方法获得了想象左右手运动时的脑电信号特征,使用最小二乘支持向量机对提取到的频带能量特征进行分类.结果表明,使用最小二乘支持向量机可以对运动想象脑电信号的频带能量特征进行有效分类,分类正确率达到92%,其分类效果与使用标准支持向量机相当,但在计算速度上更有优势.     

轴承-转子系统中滚动球轴承的动力学相似设计

针对轴承-转子系统缩尺模型中轴承的动力学相似设计问题,基于量纲分析法和相似π定理,建立了轴承-转子系统中滚动球轴承模型的动力相似准则,获得了滚动球轴承模型与原型各动力参数的相似关系.在此基础上根据滚动球轴承刚度计算公式得出刚度与基本参数之间的相似关系,并进行了滚动球轴承接触变形和最小油膜厚度的数值验证.最后通过设计实例说明了所建立的相似关系在实际轴承-转子模型设计中的有效性和实用性.     

采用Fisher线性判别分析进行MEG信号的分类

脑磁图(MEG)具有比脑电(EEG)信号更高的时空分辨率,可以作为输入信号建立脑-机接口系统.提出一种脑磁图的特征提取和分类方法,首先对MEG信号进行预处理,然后提取时域特征,最后采用Fisher线性判别分析进行分类.将该算法用于2008年脑-机接口数据竞赛的数据集Ⅲ,该数据集为一个典型的采用MEG信号的脑-机接口系统.离线分析结果表明,该算法取得了很好的分类准确率,对两个测试者(S1和S2)的分类正确率分别为5946%和4324%.与其他方法相比,该方法简单有效,运算速度快,具有较高的参考价值.