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。     

IEEE-1394b光纤总线互连实时性分析

重点对IEEE—1394b互连系统的静态等时传输模型和动态传输模型进行了详细研究,分别得到了上述两个模型下消息的平均等待时间的数学表达式,指出了IEEE—1394b互连系统中影响实时特性的因素,并对分析结果进行了仿真。关键参数消息的平均等待时间是IEEE—1394b光纤总线互联系统实时性研究的重点。介绍了IEEE—1394互连系统实时性的特点,重点推导了等时传输和异步传输模型的消息平均等待时间的数学表达式,通过仿真得出等时传输对异步传输具有很大影响。     

翼吊发动机吊架结构等效建模及减振特性分析

为了验证翼吊发动机吊架结构设计对发动机振动传递的减振效果,必须对其进行相关的结构动力学分析。本文根据实际发动机吊架结构,采用ANSYS软件建立了吊架结构的等效模型,并对其进行了振动模态分析;在发动机三种典型工况（起飞、巡航、空慢）的实测载荷作用下,分析了吊架结构的减振特性,并研究了吊架结构减振效果与结构动刚度的关系。研究结果表明,发动机吊架结构设计具有较好的减振效果,但由于吊架结构的动刚度随激振力频率变大而增大,其高频减振效果稍有降低。     

VC＋＋环境下Siemens PLC与PC的串行通信

利用VC＋＋6.0开发工具,完成了西门子S7—200型PLC与PC的串行通信。其中,通信协议采用西门子PLC特有的自由口通信协议;串行通信采用WindowsAPI函数实现。试验结果表明,这种串行通信方法,传输数据准确、简单、移植性强。     

DS—UWB中的一种基于检测反馈-存储的门限值设置方法

研究了直扩超宽带通信系统的关键技术——定时捕获系统,提出了一种基于检测反馈和存储的门限值设置方法,理论分析和仿真结果表明该方法能有效地提高直扩超宽带同步系统的定时捕获概率,大大减少平均定时捕获时间,具有很强的抗定时抖动性能。     

基于分解的深度学习模型在粮堆温度预测中的应用

在粮食储存过程中,存储温度过高或过低都会造成粮食的损失,准确检测粮堆温度对粮食有效存储至关重要.提出了一种基于分解和深度学习方法的SSA-BiGRU-MLP组合模型来预测粮堆中层温度.首先针对粮堆的外温、外湿、仓温、仓湿和中层温度等多因素变量,使用奇异谱分析（SSA）方法对粮堆的中层温度进行分解,得到本征模态函数（IMF）;然后运用多层感知机（MLP）优化的双向门控循环神经网络（BiGRU）对粮堆温度进行预测.实验结果表明：所提出的SSA-BiGRU-MLP模型与SSA-BiLSTM-MLP,SSA-LSTM-MLP,SSA-GRU-MLP相比,不论是在绝对平均误差、均方误差,还是均方根误差上所提出的SSA-BiGRU-MLP方法都优于其它组合模型,具有更好的预测精度.     

基于EMD-LSTM的国际黄金期货价格预测

黄金是一种特殊的金融商品,黄金期货作为黄金市场的衍生品,其价格受到多方面的影响,且具有金融序列非线性不平稳的特点,因此传统的统计预测模型通常难以预测其走势.将美元指数、纳斯达克综合指数、道琼斯工业平均指数和标准普尔500指数作为国际黄金期货价格的影响因素,选择2011―2021年交易日收盘价基于EMD-LSTM的组合模型进行预测,并通过与SVR、RF、RNN和LSTM模型对比分析,结果表明：EMD-LSTM模型在国际黄金期货价格的预测上具有更良好的效果,精度更高,能更准确地预测国际黄金期货价格走势.