PMMA在MlM后续热脱脂过程中的分解行为

金属粉末注射成形(MIM)粘结剂中高分子物质的分解和排除是一个较缓慢的过程,对这一过程进行理论研究,有助于指导粘结剂的设计和脱脂过程优化.为此,当Fe-2Ni粉末的注射成形坯经充分溶剂脱脂后,用热重法对坯块中的PMMA的热分解行为进行了理论研究和实验验证.假设进行一级反应,根据各种升温速率的热重计算结果,得到了喂料中PMMA热分解反应速率的理论计算表达式In(1-α)=1.33×10     

小断面收缩率轴类零件楔横轧成形的可行性分析

利用ANSYS/LS-DYNA软件,对楔横轧小断面收缩率轴类零件的成形过程进行了有限元数值模拟,通过与常规断面收缩率轧件对比,分析了小断面收缩率轧件的表面和心部质量情况.结果表明:相同工艺参数条件下,小断面收缩率轧件横截面的椭圆度大于常规断面收缩率轧件;由于小断面收缩率轧件中心点处的平均应力和最大主应力均较大,因而更容易发生心部缺陷.提出了改善轧件表面和心部质量的措施.经轧制实验验证,楔横轧成形小断面收缩率轴类零件是可行的.     

信号分析中的正交变换

信号分析的主要目的是寻找一种简单有效的信号变换方法，以便突出信号中的重要特性、简化运算的复杂程度，其中希尔伯特(Hibert)空间中的正交变换得到了广泛的应用。投影定理在平稳时间序列的预报及函数逼近研究中起着重要的作用。本文从数学分析的角度推证了正交变换与投影定理的内在联系，通过信号分析中典型正交变换的应用进行了验证，从而揭示了正交变换的内在本质。     

综合有源电力滤波系统研究

有源电力滤波器是当前对电网中谐波污染的有效手段 ,文中对综合式有源电力滤波系统的工作原理进行了理论研究和分析 ,提出了基于 80C1 96KC系统的控制电路 ,以大功率MOSFET作为主电路实现电压源PWM逆变器 ,采用一种高次谐波和无功电流同时能被检测的方法 ,由有源电力滤波器与无源滤波器相串联构成综合有源滤波系统 ,结果表明系统加入小容量的有源滤波器 ,系统滤波和补偿特性得以明显提高     

线性调频-巴克码雷达信号的分析与处理

介绍了一种新型的雷达信号,该雷达信号是一种采用脉内和脉间混合编码的脉冲压缩信号．通过理论推导和分析得出混合信号的频谱与子脉冲线性调频信号的频谱基本相同,这个结果与用计算机模拟所得结论一致;分析该混合信号的处理机理并且给出这种信号的一种处理方法．     

电光信号检测的理论分析与实验方法

介绍移相扫描电光采样的基本原理,对电光信号检测理论进行分析,并给出实际测量方法和结果。     

齿轮故障诊断中振动信号的提纯和重构

在分析了齿轮振动产生机理和振动信号频谱特征的基础上 ,提出了齿轮振动信号提纯和重构的诊断分析方法 .与传统的窄带滤波相比 ,该方法可识别出齿轮啮合副中有故障的齿轮 .由于消除了 2个齿轮间的相互干扰 ,由该方法提纯重构信号的幅值包络、相位信息和瞬态频率 ,能更准确地反映出齿轮的故障 .     

卫星姿态测量系统的故障诊断技术

以挠性陀螺仪、红外地平仪和太阳敏感器组成的对地观测卫星的姿态测量系统为对象,研究了该系统传感器硬件故障的诊断技术．在给出系统方程的基础上,对传感器的故障作了假设,并对该系统进行基于广义简化滤波器（多重滤波器）故障诊断方法的应用．该方法利用测量系统自身的卡尔曼滤波器,故只需增加有限的计算量．结果表明,这一方法有较好的实时性和较高的故障检出率,有利于卫星姿态测量系统可靠性的提高和高精度卫星的研制．     

流体室温磷光法测定痕量钛（Ⅳ）

基于曲拉通X-100和HAc-NaAc(pH=5．9)存在，不除氧条件下，曲拉通X-100能增敏钛(Ⅳ)-4，5-二溴苯基荧光酮流体室温磷光信号的增强效应，建立了曲拉通X-100增敏4，5-二溴苯基荧光酮的超高灵敏度流体室温磷光增强法测定痕量钛(Ⅳ)的新方法。钛(Ⅳ)量为3．2-6．4pg／mL与△Ip值成线性关系，其工作曲线的回归方程△Ip=-31．12 147．2CTi (pg／mL)，r=0．9997，检出限为1．38pg／mL。该方法用于人发和茶叶中钛含量的测定，结果满意。     

基于麻雀搜索算法优化支持向量机的刀具磨损识别

针对微小深孔钻削刀具磨损状态检测的工程需求,提出了基于钻削声信号的麻花钻头磨损状态识别方法。根据不同磨损程度的麻花钻在钻削过程中的声信号,使用经验模态分解(empirical mode decomposition, EMD)将声信号分解成若干个固有模态函数(intrinsic mode functions, IMFs),通过时频联合分析探索刀具磨损与声信号特征之间的关联规律;再使用麻雀搜索算法(sparrow search algorithm, SSA)优化支持向量机(support vector machine, SVM)的参数,并利用SVM实现基于声信号特征的刀具磨损状态识别。实验结果表明,微小深孔钻头磨损程度与钻削声信号特征之间存在非线性耦合关系,声信号高频特征对钻头磨损程度的变化非常敏感;采用经过SSA优化后的SVM算法,基于优选的IMF特征能够准确识别钻削刀具磨损状态,识别准确率可达98.246%。