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

1.了解会计信息的需求与供给。 2.学习会计信息分析的基本步骤。 3.掌握会计信息分析的基本方法。 4.学习财务比率的综合分析法。 5.掌握会计信息分析应该注意的问题

4.10.1周期误差的测定 一、周期误差 测距信号为e1,串扰信号为e2,相位差为,串扰信号与测距信号的强度比为K=e2/e1,串扰信号引起的附加相位移为△。K大,ΔΦ大

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

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

实验三序列信号发生器与序列信号检测器的设计 一、实验目的:用VHDL语言实现序列信号发生器和检测器的设计,并对其进行仿真和硬件测试。 二、实验要求: 1、利用VHDL语言设计一个8位任意序列的序列发生器,编译定义引脚并下载到实验箱中进行验证。 2、利用VHDL语言设计一个8位任意序列的序检测器,显示检测值,编译定义引脚并下载到实验箱中进行验证

为了实时获得冷轧带钢酸洗溶液的浓度值,便于进行酸浓度控制,采用软测量方法实时预测酸浓度.由于酸浓度建模数据中无关成分和特异点会影响模型精度,利用正交信号校正和稳健回归相结合的方法来建立酸浓度预测模型首先利用正交信号校正对建模数据进行预处理,去除自变量中与因变量无关的成分;然后采用基于迭代加权最小二乘的稳健回归算法进行建模,降低特异点对模型的影响;最后将预测结果和多元线性回归、传统稳健回归方法和正交信号校正多元线性回归进行比较.实验结果表明:采用正交信号校正-稳健回归方法后,模型预测能力得到提高,与多元线性回归结果相比,亚铁离子质量浓度和氢离子质量浓度的相对预测误差分别从1.82%降低到1.17%、从5.87%降低到4.73%.本文提出的方法具有更好的模型预测精度,可以满足工业应用要求

有机物质运输与分配直接关系到作物产量的高低和品质的好坏作物的经济产量不仅取决于 光合产物的多少,而且还取决于光合产物向经济器官运输与分配的量。所以,研究有机物的 运输与分配不仅具有理论意义,而且具有重要的实践意义。 生物体的生长发育受遗传因素与环境信号的共同调节控制。以核酸和蛋白质为主的遗传信息 系统,决定生长发育的潜在模式,而生长发育的具体表现又受控于环境信号。本章还将讨论 植物细胞对环境信号的感受及信号的传递与转导问题

一、遥感影像地学分析方法 二、植被信息抽取与应用 三、地质地貌信息抽取 四、水体信息抽取 五、土壤信息抽取 六、人造地物信息抽取 七、高光谱遥感

信度是衡量测验分数一致性或可靠性的一个指标,即用一个或一组测验对同一被试群 体施测多次,所得结果的一致性程度,以及测验分数所反映被试真实水平(即真分数)的可 靠性程度。如果对一组学生用同一个测验实施两次,测试的结果完全一样,可以认为该测 验完全可靠,这时它的信度系数为1。但在现实中这种测验是很难找到的。在测量心理属 性的教学测量中,与测量目标无关的变量(因素)对测量的不准确和不一致的效应,使这 类测量产生各种误差。误差越大,信度越低;而误差越小,信度越高