在深入分析机架偏心作用机制的基础上,提出了轧机偏心补偿控制信息相域滤波提取方法,它利用机架偏心轧制作用强度与轧制过程中轧辊的机械转动相位密切相关的特点,将轧机的时域轧制数据转换为以轧辊转动相位为参变量的数据进行处理.在线性化相域空间中,与轧辊偏心作用相关的信号呈现出显著的周期化特征,而其余的原时域周期信号在转换过程中均被非周期化.在线性化相域空间中,将轧辊转动轧制作用的往复周期作为指定的循环统计量统计周期.理论分析表明,基于统计方法能够有效地消除噪声的影响,同时抑制非指定线性化相域循环分量,实现机架偏心特性信息的有效获取,其实质是线性化相域空间中的梳状滤波器滤波.依据统计获取的机架偏心特征信息可以为轧机偏心补偿提供一定的数据参考

提出了一种基于移频技术的短时傅里叶变换阶比分析算法.该算法利用傅里叶变换在频域的卷积性质,对原始信号在时域乘以e-j2πfit使fi的频谱能量搬迁到零频处,按一定的频率间隔改变fi就可以在零频处得到其他频率的频谱能量,以此来提高短时傅里叶变换在时频分析中的频率分辨率.然后在时频面上进行局部阈值降噪,同时跟踪转速的变化,最终应用到变速机械的阶比分析中.与短时傅里叶变换分析结果对比表明,本文方法可以更加准确地跟踪到实际的转速.实际降速过程中轴承信号利用本文方法进行阶比分析,成功提取到轴承的故障特征频率

针对热镀锌线沉没辊装置出现剧烈振动的问题,基于湿模态的结构非完全液固耦合方法,数值模拟了装置在锌液中的振动模态,分析各阶振型及固有频率,并进行现场振动实验.锌液中沉没辊的局部振型改变轴承的装配关系,而在实测信号的时域波形中出现削波现象,表明锌液中滑动轴承存在碰摩;幅值谱中波峰对应的频率为45.05 Hz,与湿模态的第4阶固有频率接近且振型相似,表明实验中的装置主要以第4阶固有振动为主;液固耦合的非线性振动引起倍频振动;锌液流场的持续作用是导致幅值谱中波峰两侧出现边频带的主要原因.理论及数值分析与实验研究有显著的关联性,结构非完全液固耦合方法能有效应用于工程实践

融合手工特征和深度特征，提出了一种集成超限学习机心跳分类方法。手工提取的特征明确地表征了心电信号的特定特性，如相邻心跳时间间隔反映了心跳信号的时域特性，小波系数反映了心跳信号的时频特性。同时设计了一维卷积神经网络对心跳信号特征进行自动提取。基于超限学习机（Extreme leaning machine，ELM），将上述特征融合进行心跳分类。由于ELM初始参数的随机给定可能导致其性能不稳定，进一步提出了一种基于袋装（Bagging）策略的多个ELM集成方法，使分类结果更加稳定且模型泛化能力更强。利用麻省理工心律失常公开数据集对所提方法进行了验证，分类准确率达到了99.02%，实验结果也表明基于融合特征的分类准确率高于基于单独特征的分类准确率

1. 掌握傅里叶变换分析技术和傅里叶级数分析技术的基本概念和计算，尤其要注意应用性质来计算一些常用信号的频谱 2. 熟悉时域特性与频域特性的对应关系 3. 弄清信号频谱的意义以及连续谱与离散谱的区别和联系 4. 卷积定理是系统频域分析的重要工具，要认真掌握 5. 采样定理是离散信号处理的理论基础，应领会其含义并会应用信号与系统 §3-1 非周期信号的频域分析-傅里叶变换 § 3-2 典型非周期信号的傅里叶变换和傅里叶变换的性质

行星齿轮箱振动信号包含多种频率成分和噪声干扰，频谱具有复杂的边带结构，容易对故障识别造成误导甚至引起错判.在不同故障状态下，行星齿轮箱振动信号的多域特征量将偏离正常范围且偏离程度不同，根据这一特点，提取振动信号的时域、频域特征参量用于故障识别.为了避免传统分析方法中负频率及虚假模态问题，增强对噪声干扰的鲁棒性，采用局部均值分解法将信号自适应地分解为单分量之和，提取时频域单分量瞬时幅值能量.针对多域特征空间构造过程中出现的高维及非线性问题，采用流形学习对数据进行降维处理.提出基于改进的虚假近邻点的本征维数估计及最优k邻域确定方法，并通过等距映射对多域特征空间进行降维分析.对于行星齿轮箱实验信号，根据样本流形特征聚类结果，分别识别出了太阳轮、行星轮和齿圈的局部故障，从而验证了上述方法的有效性

针对滚动轴承故障振动信号的特点,考虑变分模式分解在复杂信号分解及微积分增强能量算子在瞬态成分检测方面的优势,提出基于变分模式分解和微积分增强能量算子的滚动轴承故障诊断方法.首先利用变分模式分解将复杂信号分解为多个本质模式函数,以削弱背景噪声的影响和满足能量算子对信号单分量的要求;然后根据提出的敏感分量选取原则,从本质模式函数中选出包含主要故障信息的本质模式函数为敏感分量;最后利用微积分增强能量算子强化敏感分量中的瞬态冲击,并根据敏感分量瞬时能量的时域波形及Fourier频谱诊断滚动轴承故障.分析结果表明该方法能够有效诊断滚动轴承故障

第六章 频率响应综合法 系统综合： 根据系统已知部分的特性，确定校正方式和校正装置，使系统的整体特性符合要求。 综合的核心是设计校正装置。 校正方式： 串联（重点）、反馈、前馈、复合。 频域综合：设计校正装置，使开环频率特性曲线（主要是幅频特性的Bode图）满足要求。 状态空间方法（现代控制理论） 数学模型—— 一阶微分方程组 分析—— 时域 核心内容—— 状态变量的可控、可观性 设计—— 状态反馈、极点配置、最优控制 状态信息的获取——状态观测器 （涉及第二、三、七、八章） 第九章 离散控制系统 1. 信号的采样与保持 采样过程与采样定理，零阶保持器 2. 离散系统的数学描述 z变换，差分方程，脉冲传递函数（开环、闭环） 3. 离散系统的z域分析法 稳定性，极点分布与暂态性能，稳态误差 第十章 非线性控制系统： 非线性系统的特点 典型非线性特性及其特征（死区、饱和、间隙、继电特性） 二阶线性系统的相轨迹（与极点的关系） 相轨迹的绘制（解析法，等倾线法） 由相轨迹图求时间及时间响应（积分法，增量法） 非线性控制系统的相平面分析

随着我国隧道工程建设的快速发展,由隧道病害引发的隧道质量和安全问题越发常见.通过地质雷达探测隧道病害对于减少隧道质量和安全问题具有十分重要的意义,为了提高病害探测的效率及可靠性,基于雷达反射波信号多维度分析,提出一种隧道病害智能辨识的新方法.根据反射波信号时域、频域及时频域分析结果提取病害信号辨识的6个典型特征,利用支持向量机算法对典型特征的训练构建病害信号的二分类模型,实现了病害水平分布范围的自动辨识;再依据病害信号的第一本征模态函数分量振幅包络计算病害深度分布范围,最终实现隧道病害的智能辨识.结合某隧道回填层雷达实测数据对智能辨识算法的性能进行评价,与人工辨识结果的对比表明,该智能算法对于病害的辨识能力较强,病害的识别率高达100%,但辨识结果中同时存在少量误判,准确率达78.6%,满足工程应用的需求.该算法可用于隧道工程各类地质雷达探测数据中病害的智能辨识,而对于其他领域的地质雷达探测数据,本文研究成果亦可为不同类型探测目标智能辨识算法的设计提供可行思路

 Z变换的正变换和逆变换定义，以及收敛域与序列特性之间的关系。  Z变换的定理和性质： 移位、 反转、 z域微分、 共轭序列的Z变换、 时域卷积定理、 初值定理、 终值定理、帕斯瓦尔定理。  系统的传输函数和系统函数的求解。  用极点分布判断系统的因果性和稳定性。  零状态响应、 零输入响应和稳态响应的求解。  用零极点分布定性分析并画出系统的幅频特性。  4.1 Z变换定义  4.2 Z变换收敛域  4.3 Z变换的基本性质  4.4 Z反变换  4.5 几种变换的对应关系  4.5 系统函数与频率特性