钢框架模型结构的损伤诊断

提出了一种基于结构振动特性的两阶段损伤诊断方法,先由基于柔度矩阵的损伤定位技术确定可能损伤的单元位置,然后采用二阶特征灵敏度分析法对其损伤程度进行估计,对一两层空间钢框架模型结构进行了模拟损伤试验研究,采用环境与力锤脉冲两种激励方式,考虑了4种损伤模式、损伤诊断的结果表明,该方法能够有效地识别出结构损伤单元的位置与严重程度．     

基于神经网络的传感器故障监测与诊断方法研究

提出了一种基于神经网络的传感器故障监测与诊断的新方法。该方法先用BP网络的预测输出和传感器实际输出之差来判断传感器是否发生了故障，然后用函数型连接神经网络模拟传感器的输出特性函数，通过计算神经元连接权值的变化，确定传感器哪个输出特性参数发生了变化，最终推断传感器发生了哪一类故障。该方法的特点是只需要知道一个传感器的信息。电阻应变式力传感器故障诊断实验结果证明了该方法的实用性，为传感器故障监测与诊断提供了一条新途径。     

基于模糊神经网络的MVB故障诊断算法

针对多功能车辆总线具有随机性和不确定性导致故障诊断准确率较低的问题, 设计一种基于模糊神经网络的MVB故障诊断算法. 首先根据MVB故障类型给出诊断模型, 然后采用减法聚类生成数量较少的模糊规则, 最后采用T-S模糊神经网络对故障进行分类. 在MATLAB环境下对该算法的拟合能力及诊断准确率进行仿真分析的结果表明, 该算法简化了模糊神经网络结构, 有效提高了故障诊断准确率.     

浅谈当代大学生诚信缺失的原因及解决对策

诚信是大学生全面发展的必要条件，但当代大学生诚信缺失的现象却越来越突出。本文通过分析大学生诚信缺失的主要原因，从社会环境、学校教育和评价体系等方面提出了解决大学生诚信缺失问题的主要途径。     

人工神经网络在车辆故障诊断中的应用

人工神经网络具有适合于解决复杂的非线性问题的特点,因此经常被用于车辆故障诊断。该文介绍人工神经网络的基本原理以及网络结构,通过利用Matlab人工神经网络工具箱,建立某车辆动力总成BP单网络结构的故障诊断模型,提出基于人工神经网络的车辆故障诊断方法。由于各类人工神经网络在处理复杂问题时均有不足之处,该文进一步研究混合网络的工作原理及其在车辆故障诊断中的应用,并认为此类方法将是人工神经网络在车辆故障诊断研究领域的主要发展方向。     

多时滞不确定非线性系统传感器鲁棒故障诊断

提出了一种带有多时滞不确定非线性系统的传感器鲁棒故障诊断方案,非线性仅与系统输入和输出有关,不确定性包括系统输入和状态等环节;通过构造观测器对状态和输出进行估计,得到具有鲁棒性的阈值;若系统的实际输出与估计输出之差(即残差)超出阈值,说明有故障发生,同时用自适应跟踪器对故障进行跟踪;在理论上证明了该方案的鲁棒性、灵敏度和稳定性,最后通过仿真说明了该方法的有效性。     

基于多角度特征提取的舵机故障诊断方法

针对舵机故障中的抖动问题,提出一种基于多角度特征提取的故障诊断方法.利用短时分析法分帧舵机数据,以获得短时平稳的时间序列;引入能熵比概念提取舵机数据帧内的电流特征,并利用动态时间规整思想提取舵机数据帧内的位置特征,形成多角度特征以增强输入特征的显著性.在此基础上,利用双向长短时记忆网络提高后续舵机故障分类过程的准确性.通过某型舵机抖动实测数据的仿真,并与传统长短时记忆网络的故障诊断结果比较,验证了所提方法的有效性.     

基于域适应与分类器差异的滚动轴承跨域故障诊断

基于数据驱动方法诊断滚动轴承故障时,不同工况下的数据特征分布差异会导致模型诊断性能严重下降.针对这一问题,提出了基于域适应与分类器差异的滚动轴承跨域故障诊断方法.首先利用卷积神经网络对带标记的源域样本和无标记的目标域样本进行特征提取;然后通过2个全连接分类器进行故障分类;最后通过分步优化分类损失、域最大平均差异损失和分...     

混沌同步系统降噪方法及其在滚动轴承故障诊断中的应用

提出了一种基于混沌同步系统的降噪方法,将其应用于滚动轴承振动信号的前期处理,并结合功率谱密度进行故障诊断.分析Chua电路混沌同步系统的降噪机理,讨论系统处于不同运行状态时,输入信号对相空间运行轨迹的影响;搭建混沌同步系统降噪模型,分析其检测特性,并与其他方法进行比较;将滚动轴承不同损伤模式下测得的振动信号输入该模型,比较振动信号和同步误差信号的时域波形和功率谱密度,并通过峰值查找,匹配对应的故障特征频率.新方法利用了混沌系统的噪声免疫性和可同步性,避免了现有方法参数设定复杂和运行状态判定困难的问题.结果表明该方法可有效提升被测信号的信噪比,能与传统方法结合形成新的故障诊断方法.      

论欧阳修致仕

欧阳修年六十五而致仕,后世论者多归因于与王安石政论不合,实际上欧公致仕与王安石并无必然的联系。究其原因,首先是仕宦知止,知止则不殆不辱;其次欧公能够见机祸福;再次带职致仕为欧公晚年生活提供了优厚待遇,是以疾病缠身的欧公能够激流勇退。