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

学习目标： ① 能说出结构单元（Structural unit）和重复单元（Repeating unit）的异同点，并能举例说明。 ② 能根据要求规范地书写高分子结构式，根据要求分析判断结构式是否书写规范。 ③ 能分辨聚合反应的两种分类法：（1）按组成结构变化 （Carothers分类法）分；（2）按聚合机理（ Flory分类法 ）分，并能将实际的反应根据定义分类。 ④ 区分均聚物和共聚物，并能画出不同共聚物的示意图来说明 ⑤ 能给基本的聚合物命名，根据聚合物的名称能知道聚合物相应的特征结构（可以结合后面的缩聚、自由基聚合等章节中的重点聚合物） ⑥ 能写出数均分子量和重均分子量的定义，分子量分布的定义

提出了一种面向网络长文本的话题检测方法.针对文本表示的高维稀疏性和忽略潜在语义的问题，提出了Word2vec&LDA（latent dirichlet allocation）的文本表示方法.将LDA提取的文本特征词隐含主题和Word2vec映射的特征词向量进行加权融合既能够进行降维的作用又可以较为完整的表示出文本信息.针对传统话题发现方法对长文本输入顺序敏感问题，提出了基于文本聚类的Single-Pass&HAC（hierarchical agglomerative clustering）的话题发现方法，在引入时间窗口和凝聚式层次聚类的基础上对于文本的输入顺序具有了更强的鲁棒性，同时提高了聚类的精度和效率.为了评估所提出方法的有效性，本文从某大学社交平台收集了来自真实世界的多源数据集，并基于此进行了大量的实验.实验结果证明，本文提出的方法相对于现有的方法，如VSM（state vector space model）、Single-Pass等拥有更好的效果，话题检测的精度提高了10%~20%

对GCr15轴承钢表面渗硼层的生长动力学与机械性能进行了研究.采用固体渗硼的方法,在1123、1173、1223和1323 K温度条件下,分别保温处理2、4、6和8 h,进行渗硼层制备.采用光学显微镜、扫描电镜、X射线衍射仪、维氏硬度计等对制备的渗硼层进行组织观察与性能分析,并通过试验数据对渗硼层的生长动力学特性进行了研究.研究结果表明:试样表面获得了均匀致密的渗硼层,渗硼层的相成分主要是FeB和Fe2B;渗硼层的厚度随处理温度与保温时间的增加而增厚,变化范围为33.4~318.5 μm;渗硼层的表面硬度随处理温度及保温时间的增加而增大,主要是由于随着渗硼层厚度的增加,高硬度FeB相的含量上升,低硬度Fe2B相的含量下降,表面硬度HV0.1变化范围为1630~1950,与基体组织相比,提高了5~6倍;渗层截面硬度测试结果表明,渗层与基体之间有较宽的硬度梯度过渡;通过Arrhenius公式,对渗硼层的生长动力学方程进行了推导,可知B元素在GCr15轴承钢中的扩散激活能为188.595 kJ·mol-1,对推导的动力学方程进行了试验验证,结果表明最大误差仅4.93%,可有效的实现对渗层厚度的预测

Al−Li 合金具有低密度、高强韧性和低的腐蚀疲劳扩展速率的优点，在航空领域有着广泛应用. Al3Li（δ′）相是 Al−Li 合金中主要强化相之一，因含有活性元素 Li 对该合金的腐蚀行为产生显著影响. 为明确 δ′相在 Al−Li 合金电化学腐蚀中的 作用，真空熔炼制备 Al−2Li 二元合金，固溶后进行 180 ℃ 等温时效，用 X 射线衍射（XRD）检测合金的相组成. 在质量分数为 3.5% 的 NaCl 水溶液中，用动电位极化的方法测量了该合金的极化曲线. −0.85 V vs SCE 钝化电位下形成钝化膜后，用电化学 阻抗（EIS）检验钝化膜的耐蚀性；用恒电位阳极极化和 Mott−Schottky（M−S）曲线对该合金钝化膜的结构进行分析