汽车电源系统故障浅析

介绍了汽车电源系统常见的故障，并通过实例分析了造成电源系统故障原因，指出了各种故障排除的方法，对于其他汽车相关期间的检测和维修也有一定的指导意义。     

生物学的发展与未来人类健康

近三百年来生物学的发展促进了医学的发展，今天人类基本控制了绝大多数由细菌或病毒引起的感染性疾病，遗传病成为当今危害人类的健康的主要原因之一，生物学的研究已阐明许多遗传病（包括癌症）发生的机理，绘制了人类基因组图谱，开展了基因诊断和基因治疗的探索，推动医学腾飞，必将空前提高人类健康水平。     

基于脑的阅读障碍的诊断:阅读障碍诊断的新视角

阅读障碍是学习障碍最主要的类型.阅读障碍的诊断受到世界各国研究者的广泛关注.本文在总结评价传统的基于认知行为的阅读障碍诊断模式的基础上,提出了"基于脑的阅读障碍的诊断"这一新的模式,并从理论和方法上对这一模式的可行性,多种神经影像技术在阅读障碍诊断中的合理应用等问题进行了初步探讨.     

心脏早博分类的支持向量机模型(英文)

临床上,由于心电图特征信息的交错而难以对患者的心脏早博类型进行正确识别.作为计算机辅助的一种方法,基于从临床收集到的82个患者的样本,建立了支持向量机模型.该模型的训练准确度为94.44%、测试准确度达到92.86%,其留一法交叉检验准确度为92.59%.满意的结果表明所建议的模型可以应用于临床辅助诊断.     

基于BP神经网络的皮肤病诊断方法

自动诊断系统是当前人工智能研究中的一个重要课题，有着十分广泛的应用前景。本文提出了基于BP神经网络的皮肤病诊断方法，讨论了网络隐含层神经元数选取问题、网络输入矢量的标准化处理问题以及网络连接权值的初值选取问题。对366名皮肤病患者的数据做了自动诊断识别实验，实验结果表明，文中所设计的神经网络诊断方法比常用的最近邻方法更有效地降低了诊断错误率。     

基于无监督迁移成分分析和深度信念网络的轴承故障诊断方法

针对轴承故障样本少导致识别精度低的问题,提出一种基于无监督迁移成分分析(unsupervised transfer component analysis,UTCA)和深度信念网络(deep belief network,DBN)的故障诊断方法。首先利用UTCA的核函数将不同工况样本特征映射到一个共享再生核Hilbert空间中,使得源域和目标域样本集更加相似,并通过最大均值偏差嵌入法(maximum mean discrepancy embedding,MMDE)判断能够迁移的源域数据,将源域样本迁移到目标域中,为深度学习提供充足的训练样本,解决了实际故障样本较少的问题;然后采用DBN模型对源域样本进行训练,再对映射后无标记的目标域样本进行故障诊断分析。利用不同工况下的滚动轴承实验数据进行算法验证,结果表明,与普通DBN、SVM、BPNN以及传统机器学习-UTCA融合方法相比,本文方法对滚动轴承故障的诊断精度更高。     

基于深度置信网络和信息融合技术的轴承故障诊断

提出一种基于深度置信网络(DBN)和信息融合技术的轴承故障诊断新方法。首先采用集合经验模式分解将轴承振动时域信号分解为若干个固有模态函数,并分别输入至若干个DBN中进行故障状态识别,然后通过简单投票法将每个DBN识别的结果进行决策层信息融合,从而得到轴承故障的最终诊断结果。通过对单负载和多负载下不同类型和不同损伤程度的滚动轴承故障诊断进行实例分析,验证了本文方法的有效性和精确性。     

增程器轴系不对中故障动力学响应特性分析

通过分析增程器轴系在不对中故障时的运动状态与受力情况,建立增程器轴系的动力学模型,并利用多体动力学软件对增程器轴系平行不对中、偏角不对中、综合不对中三种类型的故障进行仿真,分析不同类型不对中故障产生的动力学响应特性。结果表明,系统振动频谱中1谐次和2谐次的幅值可作为增程器轴系不对中故障诊断特征参数,平行不对中导致2谐次的幅值大幅增长,偏角不对中使1谐次幅值变化明显;增程器轴系左右两侧在2谐次下的振动相位差可进一步对不对中故障类型进行辨识,其中平行不对中故障时轴系两侧振动相位差接近0°,偏角不对中故障时轴系两侧振动相位差接近180°,综合不对中故障时轴系两侧振动相位差远大于180°。     

基于多尺度形态学的舞台机械控制系统编码器故障诊断方法

针对舞台控制系统中常用的一类传感器——编码器故障问题,提出一种多尺度形态学分解方法.通过对故障原因及故障模式的分析,采用多尺度形态学对故障信号进行分解;借助于DIF滤波器本身具有展现信号冲击特征的能力,采用其对分解后的信号进行处理,并用于信号的重构,从而使重构后的信号在故障发生时刻能够突显故障的特征,以此实现对故障编码器的检测.通过模拟不同类型的故障,仿真实验及实践应用验证本文算法的有效性.     

Analysis and Simulation for Planetary Gear Fault of Helicopter Based on Vibration Signal

Fault diagnosis for helicopter’s main gearbox based on vibration signals by experiments always requires high costs. To solve this problem,a helicopter’s planetary gear system is taken as an example. Firstly,a simulation model is established by McFadden,and analyzed under ideal condition. Then this model is developed and improved as the delay-time model of the vibration signal which determines the phase-change of sidebands when the system is running. The cause and change-rules of planetary gear system’s vibration signal are analyzed to establish the fault diagnosis model.At the same time,the vibration signal of fault condition is simulated and analyzed. This simulation method can provide a reference for fault monitoring and diagnosis for planetary gear system.