针对转子不平衡故障和滚动轴承微弱损伤性故障的复合故障诊断问题,提出了一种基于经验模式分解的故障诊断方法,进行复合故障的耦合特征分离和轴承损伤性故障信号特征提取研究.该方法首先通过经验模式分解将复合信号分解为若干个本征模函数(intrinsic mode function,IMF);然后通过计算各IMF与原始复合信号的相关系数确定包含故障特征信息的主要成分,除去虚假分量;最后针对主要成分中的低频成分进行频谱分析提出转子故障特征,针对主要成分中的高频成分进行Hilbert包络解调提取调制故障特征,即轴承损伤性故障特征.仿真及实验结果表明该方法的有效性和实用性

第一节细胞信息传递概述 第二节受体 第三节细胞信息的传递途径及其分子机理 第四节信息传递途径的交互联系

“信息安全”没有公认和统一的定义,但国内外对信息安全的论述大致可以分成两大类: 一类是指具体的信息技术系统的安全;而另 一类则是指某一特定信息体系(如一个国家的银行信息系统、军事指挥系统等)的安全

信号与系统2001年6月期末考题 (一)填空 1.一个张牙舞爪的信号流图(11章内容)要求把它化简求新的系数容易 经过努力我实在画不出来/但是是最简单的搞法 2.已知fl(t)=F1(w),是带限信号Wm p(t)方波卷积冲击序列 求相乘后函数的表达式,就是抽样啦 或者有f2(t)fl(nt) 求与p(t)相乘后的频域表达式 然后怎么恢复?一共4个空~! 3.一个逆变换很胖的式子 FT还很不容易描述

象富里哀级数,富里哀变换以及它们离散时间相应部分构成了信号处理的基础。为了 便于这类问题的分析, MATLAB提供了函数fff fft2 fftshift这类函数集执行一 维和二维离散富里哀变换及其逆变换。这些函数允许人们完成很多信号处理任务。除此之外, 还可在可选的信号处理工具箱中得到其他扩展的信号处理工具

以前的学习,一般需要预先在肚子里存储下足够的知识,必要时 ,就从海量的信息中提取所需的部分。 但是,到了信息领域大大超出四书五经的新时期,预先无目的 的吞下海量信息的学习方式就有些不合时宜了。 旧有的学习方式需要变更以适应这个信息爆炸的年代。目的明确 的去学习,即先知道要学什么,然后有目的的去寻找答案,这种 方式看上去更加有效率

1-4信息检索新编年 Abstract Introduction Childhood (1945-1955)

针对粗糙集中连续属性需要离散化问题进行了研究.根据数据对象的可分辨性原理构造超立方体,在数据空间上对信息表中的连续属性进行整体离散化处理.根据条件属性与决策属性的一致性关系,依照条件属性在粗糙集边界域中的分类能力来确定条件属性的重要性,在此基础上选取重要划分点对信息表中的连续属性进行局部离散化,同时以信息熵作为迭代约束条件.数值示例和实验表明这种整体与局部相结合的离散化方法是有效可行的

为了研究铁磁性材料金属磁记忆信号与其内部机械应力之间的关系,应用小波分析技术,将金属磁记忆信号分解为大尺度逼近和细节分量两个部分,然后计算其细节分量的关联维数,并考察机械应力与关联维数变化之间的关系.结果表明,随着机械应力的增加,磁记忆信号关联维数降低

• §4.1 上的傅里叶级数 • §4.2 典型周期信号的谱 • §4.3 上函数的傅里叶变换 • §4.4 傅里叶变换的性质 • §4.5 周期信号的傅里叶变换