云模型和集成极限学习机相结合的滚动轴承故障诊断方法

针对轴承振动信号的不确定性和非平稳性以及BP神经网络学习算法收敛速度慢、稳定性差等问题,提出了基于云模型和集成极限学习机的滚动轴承故障模式识别方法.将经预处理之后的信号进行云化,产生滚动轴承在不同状态下的信号云;提取出决定信号云分布的期望、熵和超熵三个参数作为表征轴承状态的特征量并依此构造出原始的轴承状态数据集;再将故障特征数据集经归一化处理后送入集成极限学习机进行识别.研究结果表明:云-集成极限学习机方法可以有效地实现轴承故障模式识别,与传统神经网络识别方法相比,该方法拥有更高的识别准确率和稳定性,并且集成极限学习机在抗噪性方面有较好的表现.     

基于代表的交叉验证分类

基于代表的邻域覆盖粗糙集分类算法,在某些数据集上表现良好,数据的类别不平衡问题严重影响算法的分类精度.为尽量消除类别不平衡问题的影响,在k折交叉验证方法的基础上,针对基于代表的邻域覆盖粗糙集分类算法,提出了3种集成策略.策略1依靠k折交叉验证,获得对应的k个基分类器,所有的基分类器组成委员会对未分类样本分类;在策略1的基础上,策略2选择分类精度相对较高的基分类器组成委员会,对未分类的样本进行分类;策略3在前2种策略的基础上,利用主动学习的思想,对训练集进行扩充,得到新的分类器再对未分类样本分类.实验所用数据集为UCI标准数据集,且对k的取值做了对比实验.结果显示,3种策略均有不同程度的提升,且k取5时总能取得较好的提升效果.对于不同数据集,应选择相适应的改进策略.     

不同坐标系中的正则量子化要求

阐明了在利用正则对易关系[q^i，p^j]=ihδij得到q^i和p^j的具体表达式时，必须同时考虑p^j的厄米性要求，为了得到在非笛卡儿坐标系中的正确的哈密顿算符H^，总是从笛卡儿直角坐标系出发找出H^，再通过坐标变换关系将笛卡儿坐标系中的H^变换到所需要的非笛卡儿坐标系．     

矩阵若当标准形的另一种求法

文章通过先求矩阵的特征值，然后确定属于每一个特征值的若当块的个数和每一个若当块的级数来给出矩阵若当标准形的另一种求法。     

关于整函数和亚纯函数的代数相关

本文将ＦＧＲＯＳＳ关于两个亚纯函数代数相关定理作一推广，给出了两个亚纯函数在级罗低的亚纯函数域上的代数相关性，并讨论了整函数的情形。     

氢在碳纳米管中的存储与分布

采用巨正则蒙特卡罗方法对碳纳米管的储氢过程做了模拟,通过对锯齿管中大量氢气分子的研究,得到了氢在纳米管中的轴向和径向分布,并做了初步分析.     

论歌剧重唱的审美特征及其表现形式

在西洋歌剧中 ,重唱艺术是一种非常重要的艺术形式 ,其表现形式、作品结构和规模多种多样 ,起到了展开剧情、揭示人物心理、刻画人物性格的作用 ,同时传达出作曲家的审美理念。从巴洛克时代到古典、浪漫直到近现代的一些大作曲家 ,有许多影响深远、脍炙人口的精美的歌剧重唱。分析歌剧重唱的审美特征、表现类型、基本结构 ,探究歌剧重唱艺术的审美特征和其丰富的表现手法 ,从中发掘其特有的艺术价值和美的实质 ,可以为我国的歌剧创作提供参考和借鉴     

基于Riesz分数阶导数的分数阶运动微分方程

研究分数阶系统的变分原理和运动微分方程.建立了基于Riesz分数阶导数的分数阶Hamilton原理,并由分数阶Hamilton原理推导出了分数阶Lagrange方程和分数阶Hamilton正则方程.算例表明,分数阶Lagrange方程与分数阶Hamilton正则方程给出相同的结果.