针对实际振动信号中多分量分离问题,在生成微分方程解调技术的基础上,提出一种新的迭代分解方法.首先采用生成微分方程(generating differential equation,GDE),估计初始振动信号的瞬时频率和幅值包络,然后对瞬时频率通过低通滤波分离出第一个频率,基于此频率对原始信号通过高通滤波器后提取的成分作为第一个分量,最后用初始信号减去第一个分量的余值作为下一次迭代的初始值,迭代同样的步骤分析分解直到获取所有信号分量,以低于能量比阈值作为迭代终止条件.本方法不需要先验信息.通过仿真信号验证并与传统方法进行对比分析,证明了方法的有效性.通过实测轴承试验信号的故障分析,证明了方法的实用性

根据变厚度轧制特点和前滑定义，推导了一种变厚度轧制的前滑值的理论模型.用MARC软件建立变厚度轧制的有限元模型，针对四种不同变厚度区形状的轧件在轧制摩擦因数为0.08和0.1工况条件下的轧制过程进行了数值模拟.此外，采用轧制试验方法实测了总前滑量.对比分析结果表明：前滑理论模型的计算值与有限元数值模拟结果接近，两种方法计算所得前滑值的差值小于0.005.与常规恒厚度轧制中稳定前滑值不同，在变厚度区轧制时，前滑值在0.02～0.10波动.变厚度区的压下率越大，其前滑值也越大；较小变厚度区斜度设计和低的摩擦因数会使变厚度轧制有更好的轧制稳定性和小的前滑波动范围.TRB变厚度轧制试验也验证了前滑理论模型的精度.减薄轧制实测前滑值和计算值偏差大与变形区应变状态及增加的打滑趋势有关

针对地磁导航方向适配性分析时人工提取的特征主观性较强且难以表达深层的结构性特征的问题,提出一种基于深度卷积神经网络(convolutional neural network,CNN)的地磁导航方向适配性分析方法.首先,利用Gabor滤波器的方向选择特性建立了6个典型方向的适配特征图;然后,设计了卷积神经网络对深层次的方向适配特征进行提取,并通过混和粒子群算法(hybrid particle swarm optimization,HPSO)对卷积神经网络的训练参数进行优选;最后,通过仿真实验对所提方法进行了验证.结果表明,该方法可有效避免复杂的计算以及人工特征提取的盲目性,实现了地磁导航方向适配性分析的自动化,且所提方法的准确率高于传统的BP网络和支持向量机,对地磁导航和航迹规划具有指导意义

滚动轴承局部故障振动信号中的周期性冲击是识别故障的关键特征.形态分量分析在由多种形态原子组成的过完备字典基础上提取信号中的不同形态成分,基于这种思想提出了一种基于新型过完备复合字典的形态分量分析方法.依据滚动轴承故障振动信号中分量间的形态差异性,改进字典后该方法可以更具针对性地提取出包含故障特征的冲击分量,配合包络谱分析准确提取故障特征频率,诊断滚动轴承局部故障.对比基于快速谱峭度法的轴承故障诊断方法,该方法可以避免人为选择共振带产生的不准确性和非最优问题,提高了故障诊断效果.通过轴承仿真信号和故障实验信号分析验证了该方法的有效性

提出了一种基于多变量相重构的混沌时间序列预测方法.该预测方法从非线性动力学系统中获取与待预测时间序列相关的信息组成多变量时间序列,首先进行多变量相空间重构,然后利用局域多元线性回归模型在相空间中进行预测,最后从预测出的高维相点中分离出时间序列的预测值.由于考虑了动力学系统中多个变量之间相互耦合的关系,从而增加了重构相空间的系统信息量,使得相空间的相点轨迹更加逼近原系统的动力学行为.与采用单变量进行预测的方法相比,基于多变量相重构的预测方法无论是单步预测还是多步预测,都能有效地提高预测精度,且具有嵌入维数的选择对预测精度影响较小的优点.通过对Lorenz混沌信号进行预测,实验结果验证了方法的有效性

由于复杂地质条件的约束,油藏非均质性较强,水驱油过程中各渗流通道阻力差异大,流体容易沿渗流阻力小的高渗透率通道流动,这就造成储层波及范围小、动用程度低.为了控制渗流场各渗流通道的阻力,尽可能使各渗流通道阻力相同,提出了多段塞等渗阻调控驱油方法.根据质量传输流体力学、物质平衡原理和各级化学驱段塞特征建立了等渗阻调驱复杂渗流数学模型,简化后通过积分变换求出一维多层分析解.结合实验验证和理论计算压力特征分析发现等渗阻调驱能够大幅扩大波及体积,降低含水率,动用低渗透层原油,从而大幅提高采收率

将支持向量机(SVM)和遗传算法(GA)集成应用到矿体品位插值问题中,利用遗传算法全局搜索的优势对支持向量机的三个关键参数——惩罚系数C、不敏感系数ε和核函数参数σ进行寻优,克服单纯支持向量机法中依靠经验确定参数的局限性.将优化参数代入到支持向量机中进行迭代训练,得到基于遗传算法参数优化的支持向量机(GA-SVM)矿体品位插值模型.以国内典型矿山的实际勘探数据为例,通过该品位插值模型计算结果与传统插值方法计算结果和矿山生产实际数据的对比分析,验证了其可行性和有效性

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

利用光镜、扫描电镜和能谱仪等显微组织分析方法研究了镍基耐蚀合金C-276经真空冶炼+电渣重溶后铸锭的枝晶特点和元素偏析情况,根据残余偏析指数模型计算结果选取了四种均匀化实验制度,并通过均匀化实验后的组织分析和Gleeble1500试验机热模拟锻造实验验证,最终确立了适合C-276合金的均匀化工艺.结果表明:合金中偏析程度最严重的元素为Mo;在选取的四种均匀化制度中,采用1170℃下加热20h的处理方式不仅可以较好地实现成分均匀化,还能保证晶粒尺寸不过度长大,从而确保合金的热加工塑性,是最为合理的均匀化制度.实验也证明利用残余偏析指数模型,计算结果与实验结果基本吻合,在预测和评价C-276合金均匀化工艺上是可信的

用包括奥氏体γ相和两个碳氮化物相三相溶解度间隙平衡处理的方法计算了V-Ti-N微合金非调质油井管钢中的碳氮化物析出.计算结果表明,此钢奥氏体中的析出模式为1473℃时TiN即开始析出;其后部分TiN逐渐转变为复合(TixV1-x)(CyN1-y)颗粒,而其他的TiN直到低温仍保持其化学性质;最后富V-C的V (CxN1-x)在846℃开始析出.实验数据验证了这种析出模式.计算结果支持了中碳含钒微合金钢中800℃以下奥氏体中的析出对其后的奥氏体分解相变具有明显的调控作用的观点