温度对8种底栖硅藻生长及其理化成分的影响

考察了不同温度对8种底栖硅藻生长及其理化成分的影响.结果表明:温度低于15℃或高于30℃均不利于细胞生长,同时也不利于胞内理化成分的积累.在15~25℃之间细胞比生长速率及主要理化成分(叶绿素、胞内蛋白和多糖、胞外多糖及总脂肪)含量均可达到最大,而不同藻种的理化成分最大含量也有较大的差异,最高和最低叶绿素含量差值可达8.0 mg/L,胞内蛋白含量差约4.0%多糖含量差约14.0%,总脂肪含量差约为8.0%,胞外多糖浓度含量差约15mg/L.     

新农村文化建设视野中的陶渊明诗与沈从文小说

在新农村文化建设视域中,一切有益于文化建构的传统文化精髓、现代文明成果和经典文艺创造都应得到眷顾和青昧.陶渊明诗与沈从文小说因其题材的乡土性、意蕴的契合性与审美的穿越性而有资格获此礼遇.他们的创作所彰显的自然之趣、田园诗意,人性之美、淳朴民风与和谐理想,闪耀着人文主义的光芒,是当下新农村文化建设极有价值的精神文化资源.     

基于部分信道状态信息的多模式天线选择算法

分析了基于部分信道状态信息的天线选择的必要性,并对相关信道情况下角度扩散、信噪比和发送端天线配置方式对信道容量的影响进行了研究.提出根据信道状态动态确定发送天线子阵中的天线数目,从而确定反馈信息的数量.然后利用反馈向量在发送天线端进行波束形成,使得具有较高信道增益的子信道被选择用来进行数据传输.仿真结果表明,采用天线选择后系统可以根据信道状态确定参与传输的发送天线的数目,减小了系统配置的复杂度,降低了成本,并且在信道存在严重相关的场合下算法仍适用.     

自适应阈值AdaBoost.RT算法及其在轴承剩余寿命预测中的应用

针对自适应增强回归阈值(adaptive boosting regression threshold, AdaBoost.RT)算法用于判断训练样本好坏的阈值为常数,不能自适应地对每个测试样本动态调整判断标准的问题,提出了一种动态自适应调整阈值的改进AdaBoost.RT算法。通过引入训练结果的均值与标准差构造奇异系数作为判断相对误差的阈值,实现算法训练计算过程中阈值的自适应调整,在提高预测精度的同时,可以减少选择算法参数带来的繁重工作量。采用4组经典测试函数构造不同规模的训练样本数据进行算法检验,实验结果表明,提出的自适应调整阈值算法可以有效利用测试样本之间的差异性,克服了大噪声数据带来的干扰,改进后的集成算法可以改善回归模型的预测效果,提高模型的泛化性能。利用IEEE PHM 2012数据集验证所提方法的有效性,并与极限学习机(extreme learning machine, ELM)和原始AdaBoost.RT算法进行对比分析。结果表明：采用所提方法获得的轴承寿命预测均方根误差降低了5.18%,决定系数提高了3.11%。     

基于改进相似性的装备部件剩余寿命预测及经济性储备策略

针对传统基于相似性的剩余寿命(remaining useful lifetime, RUL)预测方法未考虑运行条件差异, 从而影响预测准确性及部件储备策略科学性的问题, 提出一种基于改进相似性的装备部件RUL预测及经济性储备策略。基于提出的改进相似性方法, 区分装备部件的运行条件类别, 通过各类别内服役部件和参考部件的性能状态相似性, 预测服役部件的RUL; 基于RUL预测结果, 以装备部件维修储备总费用最低为目标, 以资源利用率为约束, 建立经济性储备策略决策模型; 采用差分进化算法对模型寻优求解, 得到最优装备部件储备策略。实例分析表明, 所提方法能够有效提升RUL预测的准确性和部件储备策略的科学性, 具备工程应用价值。     

Remaining useful lifetime prediction for equipment based on nonlinear implicit degradation modeling

Nonlinearity and implicitness are common degradation features of the stochastic degradation equipment for prognostics.These features have an uncertain effect on the remaining useful life(RUL)prediction of the equipment.The current data-driven RUL prediction method has not systematically studied the nonlinear hidden degradation modeling and the RUL distribution function.This paper uses the nonlinear Wiener process to build a dual nonlinear implicit degradation model.Based on the historical measured data of similar equipment,the maximum likelihood estimation algorithm is used to estimate the fixed coefficients and the prior distribution of a random coefficient.Using the on-site measured data of the target equipment,the posterior distribution of a random coefficient and actual degradation state are step-by-step updated based on Bayesian inference and the extended Kalman filtering algorithm.The analytical form of the RUL distribution function is derived based on the first hitting time distribution.Combined with the two case studies,the proposed method is verified to have certain advantages over the existing methods in the accuracy of prediction.     

基于比例关系加速退化建模的设备剩余寿命在线预测

针对传统基于加速退化建模的剩余寿命在线预测方法需在特定共轭分布条件下才能实现漂移系数和扩散系数同步更新的问题,提出一种基于比例关系加速退化建模的设备剩余寿命在线预测方法.首先,在传统Wiener退化模型中引入扩散系数与漂移系数的比例关系,从建模角度保证了扩散系数与漂移系数同步更新的可能性.其次,提出一种基于两步极大似然...     

基于时间序列数据扩增和BLSTM的滚动轴承剩余寿命预测方法

针对滚动轴承全寿命周期监测数据不足导致剩余寿命预测精度不高的问题,提出一种基于时间序列数据扩增和双向长短时记忆(bidirectional long-short term memory, BLSTM)网络的剩余寿命预测方法。首先,采集训练用滚动轴承全寿命周期振动加速度和测试轴承振动加速度数据。其次,对采集得到的原始数据预处理后提取健康因子,将训练用数据和测试数据分别构成参考数据集和目标数据集。然后,以参考数据集为基础,利用动态时间规整算法扩增目标数据集数据。最后,使用数据扩增后的测试数据训练BLSTM网络,利用训练好的BLSTM网络预测滚动轴承性能退化趋势和剩余寿命。实验结果表明,基于动态时间规整算法的数据扩增模型能够根据已有全寿命周期数据,扩增性能退化过程相似的滚动轴承运行数据,利用扩增数据训练BLSTM网络,能够有效提高性能退化趋势预测能力,进而提高剩余寿命预测精度。     

大别山主峰天堂寨地区蝶类资源及区系组成研究

在2007~2009年间对大别山主峰天堂寨地区的蝶类进行调查,共采集到蝶类163种,隶属于10科99属,其中东洋界种76种,古北界种35种,广布种53种,分别占总数的46.34%、21.34%和32.32%,表明该地区是东洋界与古北界的过渡带;应用Jaccard相似性系数对天堂寨地区蝶类的相似性进行了分析,结果表明桃花冲森林公园与鹞落坪保护区相似程度最低,罗田天堂寨与安徽天堂寨的相似程度最高,表现在蝶类种类上也是相似度最高的.     

基于相关向量机的发动机剩余寿命预测

针对民航发动机寿命预测中监测参数较多筛选困难的问题,提出一种基于信息融合与相关向量机的发动机剩余寿命预测方法。首先通过核主元分析方法从发动机多维监测数据中提取退化特征信息;然后利用非线性模型将主元序列融合成反映发动机退化趋势的健康指数序列;最后采用相关向量机以历史失效数据为训练样本建立预测模型,对现有的发动机健康指数序列进行外推预测得到当前样本的寿命预测值。通过NASA Ames研究中心公开的涡轮风扇发动机仿真数据验证了该方法的有效性,其预测性能优于常用的支持向量机模型和过程神经网络模型。