(K(1,4);2)-图的3-闭包中的路

对(K1,4;2)-图,证明它的3-闭包的一个性质。G为{K1∨P5,T3}-free或K1∨P4-free的(K1,4;2)图,x,a,b为G中不同三点,x为G中局部3-连通的适宜点,G′由G在点x局部完备所得。若G′中有长为l的(a,b)-路,则G中有长为l的(a,b)-路。     

Ag 掺杂TiO2薄膜的低温制备及其光催化性能研究

以钛酸四丁酯为钛前驱体,硝酸银为银物种掺杂给体,采用溶胶—凝胶法低温制备经Ag+掺杂改性的TiO2溶胶,并采用旋涂法在普通盖玻片上制备TiO2薄膜,用XRD、FTIR等测试手段对制备的样品进行表征。以2,4-二氯苯酚为模拟污染物,考察了Ag+-TiO2薄膜的光催化活性。结果表明:掺杂Ag+对TiO2的晶型转变有影响,可促进锐钛矿相向金红石相转变;银物种以Ag2O与Ag2TiO3形式存在。在实验条件下,掺杂Ag+的摩尔分数为1.5%时,其光催化性能最好,且薄膜的光催化重复使用性能良好。     

基于ANSYS的剪板机机架有限元分析

以某锻压机床厂的剪板机机架体为研究对象,使用大型通用化有限元软件ANSYS作为分析工具。对其进行了线性静态分析和模态分析,分析出机架的刚度值及其强度值,为后续的优化提供依据。     

N,O-羧甲基壳聚糖的合成、表征与应用

以甲壳素为原料,采用连续操作、不分离中间产物的方法合成了羧甲基取代度1．08的水溶性N,O-竣甲基壳聚糖,分别用红外光谱（FTIR）和核磁共振谱（^1H NMR）对其结构进行了表征。进一步通过重构插层法制备羧甲基壳聚糖／Mg—A1双层氢氧化物复合物,X-射线粉末衍射（XRD）分析表明双层氢氧化物的片层已经被层离,N,O-羧甲基壳聚糖是一种有效的插层剂。     

基于ADSP-BF561的视频压缩系统设计

在分析ADSP-BF561结构的基础上,设计实现了MPEG-4编码器。针对ADSP-BF451的结构特点,对MPEG-4编码器算法优化。实现了基于ADSP-BF561的硬件和软件系统设计,具有很强的实用性和扩展性。     

纳斯达克半导体行业股指统计特性及其神经网络预测技术研究

金融时间序列统计特性和神经网络预测研究对于掌握金融市场发展规律,并指导长期或短期投资行为具有重要意义。采用经验模态分解(EMD)、时间内禀相关分析(TDIC)和Hilbert谱分析等方法对纳斯达克半导体行业股指进行了尺度统计分析,并利用先验的神经网络对纳斯达克半导体行业股指进行了预测。统计分析发现,各阶本征模态函数(IMF)呈现一定的周期性,能谱分析的结果显示半导体行业股具有统计行为;利用先验的神经网络对半导体股指进行预测,发现半导体行业股指将会在未来一段时间内保持振荡趋势,不同的反向传播(BP)神经网络预测模型可以有效应对半导体行业长期和短期投资方案,可为投资者提供有效的借鉴。     

辊压适张对75Cr1材质圆锯片模态频率特性的影响

为了改善75Cr1圆锯片的振动特性,运用有限元法对不同辊压工艺参数下的圆锯片进行模态分析,得出圆锯片旋转过程中齿通频率范围内的模态振型以及固有频率。模态试验测试发现辊压后圆锯片各阶固有频率会升高,验证了有限元法的有效性。研究结果表明,在(5 954～7 578) Hz频率范围内,辊压处理后圆锯片模态振型减少;模态振型出现顺序发生改变,高阶振型向低阶移动,中间阶次振型向高阶移动;固有频率分布规律发生改变,辊压前在齿通频率范围内固有频率分布均匀,辊压后不再均匀,而呈现一种前段密、后段疏的分布特性。     

基于EEMD-HHT边际谱的轴承故障诊断

提出一种基于聚合经验模态分解 (ensemble empirical mode decomposition,EEMD)和Hilbert-Huang变换（HHT）边际谱的滚动轴承故障诊断方法。首先采用EEMD方法将轴承振动信号分解成若干个模态混叠得到较好抑制的固有模态函数（IMFs）,然后对各IMF进行Hilbert变换,求出轴承振动信号的总HHT边际谱,最后根据该边际谱的幅值特性,确定滚动轴承的故障特征。本文方法提供了一种滚动轴承故障诊断的有效工具。     

基于改进PSO-VMD的滚动轴承早期故障诊断

针对滚动轴承早期故障信号微弱导致分类识别率低的问题,提出利用复合多尺度模糊熵作为适应度函数的粒子群算法优化变分模态分解,得到多个本征模态分量;利用快速谱峭度图选择最优的本征模态分量,并组成特征向量;将特征向量输入SSA-SVM中进行故障分类。实验结果表明基于复合多尺度模糊熵的PSO-VMD和SSA-SVM的滚动轴承故障诊断更能有效地识别出滚动轴承的早期故障。     

LHBA优化VMD降噪算法及在管道泄漏信号中的应用

针对变分模态分解(VMD:Variational Mode Decomposition)算法在分解信号时参数选择不准确导致降噪效果不理想的问题,提出一种改进的蜜獾优化算法(LHBA:Levy Honey Badger Algorithm)与VMD结合的降噪算法。首先,利用LHBA算法优选VMD的分解模态数K和惩罚因子α;其次,利用优化后的参数进行VMD信号分解;最后,计算各模态分量与原始信号之间的豪斯多夫距离(HD:Hausdorff Distance),选取有效模态分量进行信号降噪处理。实验结果表明,该算法与HBA(Honey Badger Algorithm)-VMD、 GA(Genetic Algorithm)-VMD和PSO(Particle Swarm Optimization)-VMD相比,其4种评价指标均优于其他对比算法,具有较好的降噪效果,验证了该算法的有效性和先进性。