基于经验模态分解的无量纲指标故障诊断定位

无量纲指标作为新的理论工具应用于故障诊断研究中,虽然取得了一定的进展,但在应用时没有考虑到其他噪声干扰信号的影响,对结果分析有一定的干扰.而经验模态分解(EMD)技术能够提取出振动数据的故障特征信号,针对无量纲指标分析数据时的噪声干扰,提出了基于EMD的无量纲指标处理算法.首先对采集到的振动数据做EMD,分解出的前几个固有模态函数(IMF)分量中包含了振动数据的故障特征,去除其他噪声干扰信号的影响;其次求出含有振动数据特征信号的IMF分量的无量纲指标值,做出其无量纲指标的特征范围值;最后进行故障诊断分析.将此算法应用于旋转机械的故障诊断实验中,通过实验验证了该方法的可行性和有效性.     

人事选拔情景判断测验作假的实证研究

选用情境差异范式,以情景判断测验为实验材料,以140名大学生为被试,探讨警告以及标准识别能力对考生作假的影响.结果表明,情景判断测验中存在作假现象.标准识别能力显著正向预测作假.警告与标准识别能力的交互作用可预测作假,对于标准识别能力较高的考生,警告不但不能减少作假,反而助长作假;对于标准识别能力较低的考生,警告无明显作用.     

聚羧酸减水剂对磷酸镁水泥性能的影响

以重烧氧化镁和磷酸二氢铵为主要原料,以硼砂为缓凝剂,加入聚羧酸减水剂(PCE)制备磷酸镁水泥(MPC),研究PCE的加入量对MPC的凝结时间、流动度、强度及软化系数的影响.并采用X射线衍射(XRD)分析MPC体系中的物相组成,利用Topas 6.0软件中的Rietveld方法定量分析MPC物相含量,用场发射扫描电镜(SEM)分析其微观形貌.实验表明,随着PCE加入量的增加,MPC流动度、凝结时间以及早期强度都呈现先上升后下降的趋势.当PCE加入量为4％时,MPC流动度达到248 mm,终凝时间为15 min,1.5 h强度达到36.4 MPa,28 d强度达到108.5 MPa,浸水28d后软化系数为0.91.浸水超过94 d后,MPC强度均明显下降,试样表面析出白色晶体,造成表面层结构疏松,但加入4％PCE的试样内部结构较致密,因此强度损失率较低.     

农业技术创新体系带动低碳农业发展的现实困境与政策建议

如今全球的环境问题和气候变暖问题日益严重,为了能够可持续发展农业,人们逐渐开始重视发展低碳农业,把农业技术创新和推广看得越来越重要.其中农业技术创新体系包含了技术运用、技术研究和推广、技术创新、技术服务四个方面.目前我国农业技术创新对于绿色低碳农业来说还存在一些问题,比如创新体制不健全、政策制度不全面、应用主体观念弱、技术总结体系不完善、推广组织结构不正确等多个问题.因此,为了推动低碳农业的发展要以政府主导干预为中心,不断推进农业技术创新组织、加快农村土地交互改革、加强农业金融制度完善和对外合作这五个方面,从而进一步推进低碳农业发展.     

基于云理论的斜拉索可靠性评价方法

为准确评估易损难修的斜拉索的可靠性，保证行车安全舒适，提出一种基于云理论的斜拉索可靠性评估方法.首先根据拉索力学特点和常见病害，以斜拉索的运营状态应力极值、恒载索力变幅、应力幅、基频、服役时间、PE护套开裂程度及阻尼系统完好程度为指标，建立了斜拉索可靠性评估指标体系.咨询专家意见建立权重云模型，并根据泛概念树的概念扩充原理实现权重的群决策.最后将指标对各等级的平均确定度与权重云模型加权汇总，得到可靠等级确定度的云模型并以此确定最终评级.规范评估结果与拉索实际病害情况对比验证了所提方法结果的合理性和可操作性.     

L1范数下有噪信号恢复的误差估计

在压缩感知有噪信号恢复的研究中,引入新范数,获得L1范数最小化恢复的误差估计.结论只依赖于噪声本身,改进了压缩感知中已有的误差估计.     

GPU加速的图像实时分形编码

图像分形编码压缩率大且质量较高,但实时性不好,因此难以推广应用.提出使用GPU对编码进行加速的方案.以图像FW算法为基础,在CUDA规范下,使用GPU并行地对图像中所有的待编码子树同时进行最优父树搜索.实验表明,该文编码方案在保持原有算法图像解码质量的情况下,可将编码时间缩短至毫秒级,满足了实时性的要求.     

移动交界面流固耦合传热的数值稳定性分析

研究了交界面移动情况下流固耦合稳态传热的数值稳定性问题.考虑Dirichlet-Robin组合边界条件,用速度表征交界面的移动情况,流体域和固体域分别采用有限体积法和有限单元法进行离散及数值求解,利用Goudonov-Ryabenkii理论正则模态分析方法重点研究了交界面移动时数值方法的稳定性,最终获得了一条由耦合系数和移动速度组成的最优曲线,并且证明了当耦合系数和移动速度在这条曲线上取值时,离散的求解域能够达到最快的收敛速度及绝对的稳定性特征.为设计人员进行数值仿真时选取合理的参数提供了参考.     

面向同源蛋白质探测的一种新型混合深度学习模型

根据蛋白质氨基酸链探测其同源蛋白质,进而预测蛋白质的功能,是生物信息学研究领域的一个重要挑战,也是众多生物医学研究领域的基础研究内容,有着重要的科研价值和广泛的应用需求。其研究难点在于:(1)如何学习对同源蛋白质预测有效、有用的蛋白质特征信息;(2)如何更好地运用蛋白质特征信息,实现同源蛋白质的探测与识别。为了解决同源蛋白质探测与识别研究中的关键难点,本文提出一种基于混合深度学习架构的同源蛋白质探测与识别模型(HDLM-PHP)。通过采用统一的"管道式"深度学习架构,将蛋白质特征学习和探测识别统一为一个整体,提高同源蛋白质探测与识别的效能。采用多组并行的深度卷积神经网络,学习蛋白质的各种属性信息,以期获得丰富的待检测蛋白质和靶蛋白质的高级相关性特征,并通过全连接方式使用多层RBM结构融合和精炼这些相关性特征为全局相关性特征。通过统一的深度网络连接方式,以探测和识别任务为导向,学习到对于同源蛋白质预测最有效、最全面的蛋白质特征信息。在标准数据集SCOPe上,对所提模型进行性能与效率评测,结果表明:本文提出的模型能有效地学习到符合任务导向的蛋白质特征数据,提升同源蛋白质探测与识别的准确度和召回率,优于现有的模型和算法。     

非奇异快速终端滑模控制

现有的非奇异终端滑模控制方法和非奇异快速终端滑模控制方法都存在收敛速度缓慢以及“收敛停滞”等问题,针对这些问题提出了一种改进方法。在保证控制器非奇异的条件下将原滑模面中指数项设计参数由分数扩展到正实数域,既提高了收敛速度又扩大了参数选择的灵活性;引入快速终端趋近律,将原来的线性或指数渐近趋近改进为快速终端趋近,提高了系统状态的趋近速度;对“收敛停滞”问题产生的原因进行分析,提出了设计参数所应满足的条件。最后对某无人平台进行航向跟踪数值仿真,仿真结果验证了改进方法的有效性。