利用本征正交分解的非线性Galerkin降维方法

提出了一种利用本征正交分解(POD)的非线性Galerkin方法,用于复杂流体动力系统的低维建模.该方法将满足流场边界条件的正交基(POD模态)张成的完备空间分解为有限维(低阶模态)子空间和无限维(高阶模态)子空间,并采用近似惯性流形逼近高阶模态和低阶模态的作用关系,用低阶分量来表示高阶分量,将无穷维流体动力系统降维成有限维动力系统.以雷诺数为200、攻角为20°时的NACA0012翼型绕流流动问题为例进行了低维建模分析,结果表明:由于考虑了高阶模态的影响,且不改变原系统的拓扑结构,因此该降维方法能够用较少的模态数来获得准确的动力学描述,弥补了传统POD降维方法由于忽略高阶模态影响而出现的不足,由此验证了该方法的有效性.     

关联维数的超声波电机故障诊断

利用关联维数分析方法对超声波电机进行故障诊断,并针对故障诊断的实际情况,建构特殊实验平台采集故障振动信号.通过互信息法及Cao方法来确定相空间重构的2个重要参数,然后计算超声波电机在不同故障状态下的关联维数.结果表明,不同故障状态产生机制不同,其关联维数也不同,关联维数可用于故障的特征提取.通过分析不同状态下超声波电机...     

不同退火温度下ZnO薄膜表面形貌的演变及粗化机制

采用磁控溅射方法在Si(001)制备ZnO薄膜,利用原子力显微镜对不同退火温度的ZnO薄膜表面形貌进行表征.结果表明:薄膜的微观形貌、表面粗糙度和分形维数取决于退火温度的变化.在退火温度从室温上升到1000℃过程中,薄膜表面粗糙度逐渐降低,700℃降至最小,而后又迅速粗糙.探讨了不同退火温度下薄膜表面的粗糙机理.     

乘积空间上的混合测度和维数

在乘积空间Rm×Rn上定义了一种新的混合维数,给出了它的一些基本性质,并比较了它和Hausdorff维数、填充维数等维数之间的关系,得到了一个乘积公式等相关的结论.     

基于分形关联维的汽轮机转子的振动故障诊断

采用Bently实验台模拟不同转速下碰摩、松动、不对中、不平衡几种常见汽轮机转子振动故障,进行实验研究．通过相空间重构理论,对满足随机分形统计自相似性的振动信号序列进行相空间重构,计算其分形关联维数,从而再现动力学特性．实验分析结果表明：碰摩故障时的分形关联维数最大,松动和不对中时的分形关联维数次之,不平衡时计算所得的分形关联维数最小;不同故障类型下的分形关联维数增量不同．因此,分形关联维数可以作为一种振动故障征兆加以提取．     

紧伪度量空间上的Hausdorff维数和加倍测度

在紧的伪度量空间(X,d)上,论证了支撑在(X,d)上的加倍测度的存在性与(X,d)上的一致度量维数之间的一些相互关系;并证明了若(X,d)有有限的一致度量维数,则对任意α>0,存在(X,d)上的加倍测度在某个Hausdorff维数最多为α的集上满测.     

基于全维观测器的系统控制律重构研究

在控制系统中,控制律与状态变量有着密切的关系,控制律往往是某些状态变量的函数.当控制系统的某些元件发生故障时,系统将无法得到构成控制律所需的状态变量,因而导致系统无法正常工作.针对此类情况,本文探讨了一种基于全维观测器的控制律重构方法,并针对某随动控制系统进行了分析和仿真,结果表明该方法是有效的.     

分形理论在吉林西部干旱指数预测中的应用

干旱指数反映了气候的干旱程度,干旱指数的年际变化能够体现一个地区气候的演变.吉林西部降水不足,蒸发量大,干旱程度逐渐加剧.应用分形理论,首先进行了吉林西部1951-2003年共53 a干旱指数的R/ S分析,计算出Hurst系数,结果表明吉林西部的干旱指数在时间序列上具有显著的自相似性.在此基础上,应用连续变维分形模型预测了2004-2023年的干旱指数,结果表明该区气候将继续向干旱的趋势发展.     

潘集矿区松散沉积物颗粒的分形特征

根据分形理论,对潘集矿区底含沉积物的68个样品进行了颗粒分形计算。结果表明,所有样品皆具有良好的分形特征,分维值(D)在2.52~2.80之间,平均值为2.69;分维值与表征沉积物水理性质的指标黏土质量分数、不均匀系数以及渗透系数有较密切的关系,可以作为沉积物粒度分析的参数之一。     

沥青混合料级配集料的分形特性

基于分形理论,对沥青混合料级配集料的分形特性进行了研究,探讨了集料颗粒、集料粒径分布、集料质量级配以及集料体积的分维等.研究结果表明:分维值可以用来定量地描述沥青混合料中集料的复杂外观结构,在双对数坐标下集料颗粒周长与面积呈现线性关系,相同集料(同料源)不同级配的集料颗粒具有近似相同的分维,相同集料不同截面具有相同的分维,不同集料(不同料源)表现出不同的分维;分维值也可以用来定量地描述沥青混合料中集料粒径分布、集料质量分布、集料体积分布以及集料的空隙率等,集料质量级配分维值越大,其级配就越粗.