竖向荷载作用于半无限体内部时的粘弹性解

建筑物的持续沉降,特别是软土地区的建筑物基础沉降通常与地基土的流变性密切相关。考虑地基土的粘弹性特征,系统研究了空间半无限体内部作用集中力时的粘弹性解。研究假定半无限体为线性粘弹性介质,半无限体在内部集中力作用下的应力状态为三维应力状态,应力球张量和应变球张量之间符合弹性关系,而应力偏张量和应变偏张量之间符合Kevin固体粘弹性应力应变关系。利用半空间体内部受竖向集中力的Mindlin弹性解,根据准静态弹性-弹粘性对应原理,在相同荷载条件下,首先对弹性解进行Laplace变换,然后将弹性解中的物理参数用线性粘弹性理论中经过Laplace变换的物理参数来替代,最后再进行Laplace逆变换,求得位移、应力粘弹性解答。作为解答的应用,给出了粘弹性半无限空间体内部矩形面积上作用有竖向均布荷载、三角形分布荷载时的粘弹性沉降计算公式。解答的退化验证表明,该粘弹性解答是正确的,所得到的解答对工程实践具有一定的意义。     

基于振动信号的柴油机进排气系统故障诊断研究

提出了一种根据柴油机气缸盖振动信号诊断进排气系统故障的方法 ,介绍了对柴油机的振动信号进行小波降噪和小波分解 ,提取相应特征向量 ,然后将振动样本的特征向量作为径向基函数神经网络的输入参数 ,以故障类别作为输出参数训练该网络 ,训练后的神经网络可以利用测量的振动信号来判断柴油机的故障状况。仿真和试验证明该方法有效可行     

基于小波提升格式理论的隧道衬砌缺陷定量识别分析

为提高探地雷达信号分析中小波基函数选取或构造的针对性和适应性，降低构造计算复杂性，并使所构造的小波基能更准确提取隧道衬砌结构背后空洞检测信号特征点信息，提出一种根据提升格式小波理论和目标信号波形特征来构造匹配小波的方法，并将所构造的小波基应用于空洞检测信号特征点的识别中。该方法以完全重构滤波器条件和提升格式小波为理论基础，首先选择一个简单而一般的初始双正交滤波器组，通过对初始双正交滤波器进行提升和对偶提升，获得不同的提升算子和对偶提升算子，从而得到更新后含自由变量的高阶滤波器组函数表达；其次，依据探地雷达信号的固有特点，对新滤波器组中重构端小波函数中的自由参数进行优化，并对新小波基与实际探地雷达信号的相似度进行计算和检验，最终构造出既满足线性相位、紧支撑性，又具有与探地雷达信号匹配度高等优势的新双正交小波基。将新小波基应用于室内空腔检测试验及实际工程中空洞缺陷的定量分析中，结果表明，同其他类型小波相比，用提升方法构造的小波能更准确地识别空洞缺陷信号突变点发生的时刻和位置，能更准确地实现隧道工程中空洞缺陷的位置和垂直尺寸的定量分析，从而大大提高探地雷达对缺陷探测的可靠度和准确度。     

沿视平面任意方向上运动模糊图像的几何变换

运动所产生的图像模糊在生活中是常见的,对其进行处理的方法有很多种.常见的一种方法是将这个过程用矩阵的方程表示出来,但是这种方法只适合于求解水平方向上的直线运动模型.对非水平方向上的运动来说,就要对运动图像进行预处理,将其转换到水平方向上,介绍如何对运动方向进行识别及利用几何变换对图像进行处理的过程.     

一种基于小波去噪的脉冲噪声抑制方法

小波去噪是近年来兴起的信号处理领域中的高新技术,而目前许多研究方法都是以高斯噪声为背景的.在小波阈值去噪的基础上,将伪随机m序列引入小波去噪方法中,可有效去高斯噪声中掺杂的脉冲噪声.     

基于小波变换的传感器故障检测技术研究

介绍了小波变换的基本理论及小波技术用于传感器故障检测的基本原理，给出了传感器故障检测方法，仿真实例证明了这一技术的有效性。     

LAPPED TRANSFORM DOMAIN INTERFERENCE EXCISION USING MODIFIED MEDIAN FILTER

ＩｎｔｒｏｄｕｃｔｉｏｎＩｎｏｒｄｅｒｔｏｍｉｔｉｇａｔｅＮＢＩｉｎｓｐｒｅａｄｓｐｅｃｔｒｕｍｃｏｍｍｕｎｉｃａｔｉｏｎｓｙｓｔｅｍ，ｉｔｉｓｏｆｔｅｎｎｅｃｅｓｓａｒｙｔｏｓｕｐｐｌｅｍｅｎｔｔｈｅｉｎｎａｔｅｐｒｏｃｅｓｓｉｎｇｇａｉｎｂｙｕｓｉｎｇａｄｄｉｔｉｏｎａｌｓｉｇｎａｌｐｒｏｃｅｓｓｉｎｇｔｅｃｈｎｉｑｕｅｓｓｕｃｈａｓｔｒａｎｓｆｏｒｍｄｏｍａｉｎｉｎｔｅｒｆｅｒｅｎｃｅｅｘｃｉｓｉｏｎ（ＴＤＩＥ）．ＴＤＩＥｈａｓｔｗｏｋｅｙｐａｒｔｓ．Ｔｈｅｆｉｒｓｔｉｓｔｏｃｈｏｏｓｅａ…     

小波分析的应用及其MATLAB程序实现

主要介绍几种常用的小波函数及小波分析的特点，在此基础之上又介绍了一维小波、二维小波及小波包的应用，并给出一个用MATLAB程序实现一维小波在信号奇异性检测例子。     

Forecasting container throughput based on wavelet transforms within a decomposition-ensemble methodology: a case study of China

To improve predictive accuracy, new hybrid models are proposed for container throughput forecasting based on wavelet transforms and data characteristic analysis (DCA) within a decomposition-ensemble methodology. Because of the complexity and nonlinearity of the time series of container throughputs at ports, the methodology decomposes the original time series into several components, which are rather simpler sub-sequences. Consequently, difficult forecasting tasks are simplified into a number of relatively easier subtasks. In this way, the proposed hybrid models can improve the accuracy of forecasting significantly. In the methodology, four main steps are involved: data decomposition, component reconstruction based on the DCA, individual prediction for each reconstructed component, and ensemble prediction as the final output. An empirical analysis was conducted for illustration and verification purposes by using time series of container throughputs at three main ports in Bohai Rim, China. The results suggest that the proposed hybrid models are able to forecast better than do other benchmark models. Forecasting may facilitate effective real-time decision making for strategic management and policy drafting. Predictions of container throughput can help port managers make tactical and operational decisions, such as operations planning in ports, the scheduling of port equipment, and route optimization.