基于传递矩阵法的电主轴动态特性分析

针对电主轴的结构特点,利用Prohl传递矩阵法对其进行了简化建模,建立了传递矩阵方程。以某型电主轴为例,求解出轴系的固有频率和临界转速,得到其对应的主振型图。分析结果表明该电主轴具有良好的动态特性,可以满足加工需要。     

关于一个矩阵等式及其补充证明（英）

解决了陈孝娟和郭文斌提出的一个关于矩阵广义逆等式的问题.最后还给出了一个更简单的补充证明.     

基于正则化正交非负矩阵分解的旋转目标检测方法

小样本的旋转目标检测是指在样本数少的情况下进行旋转目标检测模型的训练,深度学习在旋转目标检测领域往往需要庞大的样本数和计算算力。现有的基于机器学习的旋转目标检测方法大多有着对目标尺度和姿态敏感的缺点。因此提出一种基于正则化正交非负矩阵分解的旋转目标检测方法,来解决小样本的旋转目标检测难题。首先,针对样本不具有各种角度的图片,对样本进行旋转后进行背景填充,这样便于更好的表征学习。其次,提出一种基于正则化正交非负矩阵分解算法对旋转样本的梯度直方图特征进行表征学习。最后,为了测试算法在特征学习后的有效性,利用支持向量机对特征提取后的数据进行训练和测试。实验结果表明本文的目标检测方法在多个数据集中可以取得不错的效果。     

模态测试不确定性影响因素分析及传感器布置应用

模态测试结果的准确性会受测试数据采集、数据处理、建模假设和参数估计等不确定性因素的影响. 为研究模态测试中模态参数的不确定性水平及不同影响因素对其的影响规律,本文采用状态空间模型和费希尔信息矩阵的快速模态参数不确定性分析方法,探讨包括振动信号的采样时长、采样频率、采样信噪比和结构的阻尼比等多种因素对模态参数不确定性水平的影响,同时提出利用模态参数不确定性水平来优化传感器布置策略的实用性建议. 结果表明：模态参数的不确定性水平随采样时长、采样频率、信噪比和传感器数量的增加而降低,随结构阻尼比的增大而升高;对于均匀分布结构,多数传感器布置在结构顶部和中上部,少数布置在中下部时,模态参数的整体不确定性水平较低,是一种相对较优的传感器布置方案.     

基于极小析取范式的属性约简算法

属性约简是粗糙集理论的核心问题之一，针对求取决策表所有决策约简集的NP问题，化繁为简将问题转化为对象动态增加下的决策约简求取问题。在深入分析了可辨识矩阵中可辨识集的特点及相互关系的基础上，优化改进决策辨识矩阵：①两对象之间不作逆向比较；②将决策可辨识矩阵列简化为属性等价类；③正域等价类作为决策可辨识矩阵的行，分情况给出了新决策表求取所有决策约简集的极小析取范式属性约简方法。该方法统一解决了相容和不相容决策表所有决策约简集的求取问题，最后通过实例分析验证了算法的可行性与有效性，为决策表的属性约简提供了一条高效的途径。     

基于方向补偿匹配算法和脚跟着地特征的鲁棒步态识别简

针对步态识别中传感器方向不一致和动作信号分割问题,提出利用方向补偿匹配算法解决传感器方向不一致问题,利用脚跟着地的观测特征计算似然度.首先,通过IMUZ传感器获得动作的加速度和旋转速度,根据加速度计算出脚跟着地(HST)特征的似然度;然后,利用IMUZ传感器的旋转矩阵进行倾斜校正,利用方向补偿信号匹配算法解决传感器方向不一致问题;最后,通过计算数据库样本与探针样本的距离获得匹配度.实验结果表明,与固定窗口方法、动态窗口方法、运动角联合方法和传感器融合方法相比,本文方法对5种步态类别的识别率更加稳定,对4种步态的识别率明显高于其他方法.     

层次分析中判断矩阵排序的新方法——广义最小平方法

提出了判断矩阵排序的一类新方法——广义最小平方法（ＧＬＳＭ）,并研究了其优良性质,同时给出了其收敛性迭代算法和仿真实例。理论分析和仿真结果表明：应用ＧＬＳＭ是可行且有效的。     

层次分析新标度法

针对（０,２）ＥＭ法及（１／９,９）ＥＭ法的不足,提出了效果较好的（－２,２）ＥＭ法。     

Zmin上秩-1矩阵的周长不等式及线性保持算子

利用Boolean秩-1矩阵的周长保持性质和Boolean代数B与Z_min上矩阵之间支配关系的等价性获得了Z_min上秩-1矩阵和的周长所满足的不等式, 保持其秩与周长的线性算子以及保持秩-1和周长2的性质.