齿轮信号特征识别的谱相关密度分析

针对齿轮初期故障以调频形式表现且包络解调仅能够解调幅的现状,以一般调制信号为模型,引入解析思想,对各类型调制信号进行二阶循环平稳分析,理论推导了各自的分析结果,给出了调制信号谱相关密度分析的统一构架,证明了解析形式的谱相关密度同时提取调幅、调频特征的能力.仿真分析和齿轮故障实例验证了该分析方法对于调制特征的提取能力,表明该方法能够准确反映齿轮振动信号调制特征的变化,适用于齿轮初期故障的监测和识别.     

基于滑动概率神经网络的早期故障诊断

针对机电设备早期故障难以识别的问题，提出了一种动态的概率密度估计方法——滑动概率神经网络，用以跟踪分析测量信号的概率密度变化过程，及时发现早期故障．该网络以固定不变的抽样集作为第一层，动态滑动的测量信号作为样本层，通过求和层得到抽样集的条件概率密度估计，将样本层内测量信号的概率密度动态地投影到统一的抽样集上．将网络分解成以测量值为中心的子网络，来实现网络的递归运算，并且利用高斯函数的快速衰减特性或使用分段线性函数近似高斯函数，从而提高了网络的计算实时性．通过压缩机喘振过程数据的应用实例，表明该方法能够有效识剐故障的早期征兆．     

高维非自治系统概周期解的存在性和指数型渐进稳定

考虑高维非自治系统.x=A(t,x)x+g(t,x)的概周期解的存在性和稳定性,通过引进实对称有界正定矩阵,利用指数型二分性和稳定性有关理论得到了上述系统在一定的条件下存在着唯一指数型渐进稳定的概周期解,得到了新结果.     

原子簇Fe3BP异构体稳定性的DFT研究

利用含相关能校正的DFT方法在B3LYP／Lard2dz水平下，对原子簇Fe3BP16种可能构型进行单重态下的全参数优化和频率计算，分析比较了优化结果的能量、结合能和过渡态．结果表明：原子簇Fe3BP有5种稳定异构体，具有立体构型的异构体1、2、3和4共存的可能性较大，其中异构体1最稳定，而平面结构的异构体5存在的可能性较小。     

Reconstruction of Temperature Field in 3-D, Absorbing, Emitting, and Anisotropically Scattering Medium

IntroductionRecently ,theinvestigation on numerical radiative heattransfer has been focused onthe reconstruction of temperatureprofile in target space according to its boundary heat fluxgained by detectors[1 8], whichis a kind of inverse problemofradiation. Among these investigation, Li HY[1 4]hasresearched on one-di mension or two-di mension rectangular ,spherical or cylindrical medium which is absorbing ,emitting , and isotropically scattering ; Liu LH[5,6]hasresearched on the semitranspar…     

块衰落信道中的迭代盲信道估计与译码

提出了衰落信道下的一种迭代盲信道估计与译码算法，推导了高阶调制下的MAP估计和ML估计表达式，并证明了在信噪比充分大或块衰落信道的块长充分大时。MAP与ML估计是等价的。通过仿真发现，在对迭代信道估计与译码算法的影响上，信噪比与衰落信道的块长之间存在着折中关系，并分析了块衰落信道的块长对迭代信道估计与译码算法的性能的影响。     

一个数论函数的渐进公式

研究了无k次因子数的性质,并用分析方法给出了以ω(n)为次方的函数的渐进公式.     

基于RAMP密度插值理论的拓扑优化准则法

在研究密度插值法理论和拓扑优化准则基础上,以结构整体柔度最小为目标,推导了基于RAMP插值理论的优化准则,并实现优化准则的迭代算法,二维算例说明了算法正确性、有效性。     

缺失数据下局部M-估计的相合性和渐近正态性

在缺失响应变量的不完全数据下,对非参数回归模型进行研究,利用稳健的变窗宽局部线性回归的方法,给出了回归函数m(x)的估计,并证明了局部M-估计具有相合性和渐近正态性.所提出的方法继承了局部多项式回归的优点并且克服了最小二乘方法缺乏稳健性的缺点.并且使用变窗宽提高了所得M-估计的可塑性,使之能成功地处理空间非齐次曲线、异方差性及非均匀设计密度.所得估计的渐近结果为求渐近最优方案以及直接从数据估计最优变窗宽提供了理论基础.     

二维连续型随机变量和的分布的计算

本文给出一种较直观又简洁的计算二维连续型随机变量和函数分布的方法.