基于WPD和模糊神经网络的轴承故障诊断

提出一种结合小波包分解和模糊神经网络的故障诊断方法,采用小波包分解与重构提取各频带的能量作为故障特征向量,并以此为学习样本,再利用正交最小二乘学习算法训练模糊神经网络,确定故障诊断系统模型,对轴承故障进行诊断和识别.仿真结果及与其它一些方法比较表明:该轴承故障诊断方法可以有效识别和预测轴承的状态,且学习效率、准确性和可靠性等方面均有较大提高.     

与任意图(m,r)-正交的(g,f)-因子分解

设G是一个图,用V(G)和E(G)分别表示它的顶点集和边集,并设g(x)和f(x)分别是定义在V(G)上的非负整数值函数,且对每个x∈V(G)有g(x)相似文献   

基于VAR模型的辽宁省经济增长波动分析

通过建立向量自回归模型，运用脉冲响应函数和预测方差分解的方法对辽宁省宏观经济系统中经济增长的波动情况进行实证分析．研究结论表明：辽宁省经济发展基本符合出口导向型增长假说，影响辽宁省宏观经济波动的变量中，出口额占主要地位，长期上看GDP变化对其响应显著为正，且方差分解中来自出口的新息对GDP波动的贡献也最大．因此，目前加速辽宁省宏观经济增长的有效途径是实施出口导向型战略，在振兴东北老工业基地的基础上大力发展现代化工业并逐步扩大出口。     

基于EMD技术的语音特征提取方法

利用软件MATLAB仿真了语音信号的经验模态分解（EMD）特性,并与相关文献报导的其他分解方法进行了比较,结果表明：EMD法能达到更好的说话人识别效果。当不同的人发相同语音时,其频谱特性是不同的,把语音信号进行EMD分解后的IMF做频谱变换,便能得到一个特征向量,于是根据特征向量的不同而达到说话人识别的目的。以上实验结果有助于开辟说话人识别的新途径。     

基于过程神经网络时变系统的参数辨识

提出了一种基于过程神经网络时变系统的参数辨识方法,过程神经网络具有强大的非线性映射功能以及自学习、自适应等功能,其输入与时间有关,输出可为变量.文中基于过程神经网络,对一刚度随时间变化的三自由度系统进行参数辨识.实验结果表明:提出的方法对于时变系统具有较好的辨识效果.     

紫外光固化水性聚氨酯-丙烯酸酯乳液性能的研究

选用异佛尔酮二异氰酸酯(IPDI)、聚酯二元醇、二羟甲基丙酸(DMPA)、甲基丙烯酸-β-羟乙酯(HEMA)等为原料,采用阴离子自乳化法制备了紫外光(UV)固化水性聚氨酯-丙烯酸酯乳液.考察了n(-NCO)/n(-OH)、DMPA及HEMA质量分数对乳液性能的影响.结果表明,n(-NCO)/n(-OH)为1.4～1.5,DMPA的质量分数为4.5%时乳液性能最好.同时,HEMA质量分数越高,乳液黏度越小.     

基于经验模式分解的包络解调技术及其应用

提出了一种新的调制信号解调分析技术,来抑制传统的包络解调方法中经常出现的无意义的频率成分.首先,对复杂的振动信号进行经验模式分解,得到若干个基本模式分量,再对包含调制信号的基本模式分量进行包络分析以提取故障信息.该方法利用经验模式分解来实现故障信息的有效分离,从而提高了诊断信号的信噪比.利用该方法对某齿轮箱轴承座振动信号进行经验模式分解,进而解调出高速轴转频这一调制频率,准确地诊断出该故障是由齿轮轴不对中所引起的,通过针对性的维修后,消除了故障,从而验证了该方法的有效性.     

一种改善EMD端点效应的可行方法

EMD方法自1998年推出以来已经成功地应用在许多非线性研究领域,但是,在应用EMD方法时有一个非常棘手的问题即端点效应问题。本文基于不必破坏信号本身端部特征的原则,提出了一种对信号端点极值进行合理预测的方法,在信号的端点分别添加两个极值点进行极值延拓。通过仿真实验分析,此方法对于处理较短数据序列,能够有效地抑制端点效应。     

基于小波包变换和人类视觉系统的数字水印算法研究

针对多媒体产品的产权保护问题,利用数字图像为研究对象,采用小波包和人类视觉特性相结合的方法分析研究数字图像水印的生成、嵌入与提取过程,并通过实验对算法嵌入的水印进行攻击,结果表明:本文算法具有很大的嵌入容量,同时具有很好的鲁棒性和适应性。     

对称Loewner矩阵Moore-Penrose逆的快速算法

对称Loewner矩阵在自然科学及工程技术中有着广泛的应用,许多问题都归结为求对称Loewner矩阵及其相关矩阵的代数问题.论文通过构造特殊分块矩阵并研究其逆矩阵,给出了秩为n的m×n对称Loewner矩阵Moore-Penrose逆的快速算法,该算法的计算复杂度为O(mn)+O(n2),而通过L+=(LTL)-1LT计算的复杂度为O(mn2)+O(n3).实验数据也表明前者在用时和效率方面均优于后者.