基于EWT-SVD方法的高速列车滚动轴承故障诊断

针对高速列车齿轮箱滚动轴承早期故障特征提取困难的情况,提出了基于经验小波变换(Empirical Wavelet Transform,EWT)和奇异值分解(Singular value decomposition,SVD)的轴承故障诊断方法。首先对信号进行EWT变换得到各阶固有模态分量,然后计算各阶固有模态分量的峭度值并选取较大峭度值对应的分量。将选取的分量构造矩阵进行正交化奇异值分解,选择合适的阶数重构信号,最后对重构信号进行Hilbert包络解调分析。分别对仿真信号和滚动轴承发生外环故障进行分析,可以较为清晰地看到滚动轴承故障特征。研究结果表明,结合EWT、峭度系数和SVD的诊断方法可以准确、快速地提取轴承故障信息,从而可以对滚动轴承进行有效诊断。     

基于 VMD-GRU 的城市轨道交通短时客流预测

精准的客流预测是轨道交通运输计划编制的基础和依据,为提高城市轨道交通短时客流的预测精准度, 基于城市轨道交通短时客流的动态性、非线性、不确定性、周期性、非平稳性及时序性等特点,提出一种组合 模型预测方法,即 VMD-GRU 神经网络预测模型,由变分模态分解和门控循环单元组合而成。变分模态分解的 作用是分解短时客流,降低数据中的噪声,减少数据波动;门控循环单元的作用是基于分解的短时客流,进行 客流预测。经南京地铁的数据验证,该模型在地铁短时客流预测方面效果良好。与 GRU 相比,VMD-GRU 在 15、30 和 60 min 的时间粒度下,预测准确度分别提升 7.57%,16.93%,18.47%。该模型可为地铁运营管理部 门对车站客流管理、日常行车计划制定等提供有效的数据支撑,从而提升线网总体运营效率以及轨道交通系统 的服务水平。     

基于奇异值分解强跟踪滤波的机车黏着系数估计

提出一种基于奇异值分解的改进强跟踪滤波算法,并将其用于机车黏着系数的在线估计。针对传统的强跟踪滤波算法由于引入了渐消矩阵,在递推更新预测误差方差阵时变成不对称,可能导致滤波发散的现象,研究了基于奇异值分解的更新算法,保证其收敛性。利用改进算法在线估计机车运行过程中的干扰转矩,进而估计黏着系数。仿真试验表明,该方法能有效在线估计机车黏着系数并具有较好的鲁棒性。     

Network Decomposition and Maximum Independent Set Part Ⅰ:Theoretic Basis

IntroductionItisofsignificanttheoreticalmeaningtofindthemaximumindependentsetwithinanetwork .Thisisnotonlyrelatedtoclique ,nodecovering ,coloringandmatchingissues ,butalsoassociatedwithmanycombinatorialoptimization problems .In practicalapplications ,find…     

基于特征正交分解的桥梁风场模拟

推导出了随机过程特征正交分解计算公式.为提高原型谱表示法的计算速度,将特征正交分解的强形式,即基于功率谱矩阵的随机过程特征正交分解(SPT)引入到谱表示法中,代替原有的对功率谱矩阵的Cho lesky分解,并给出了实用的模拟公式.该算法可用FFT加速.结合模态截断技术,POD的引进可节省谱表示法模拟的计算量.通过算例,定义了风的吹动模态,说明了风场SPT的明确的物理意义,同时模拟方法的有效性亦得到验证.     

基于奇异值分解的灰色模型参数估计

提出了一种新的基于奇异值分解的GM(1,1),GM(1,N)等灰色模型参数估计方法,该方法在进行奇异值分解时,借助2个辅助矩阵将奇异值分解矩阵分解为多个矩阵之积.研究了该估计方法下对原始序列进行数乘变换后参数的变化特征.研究表明该方法充分利用了奇异值分解的优点,回避了由于最小二乘法给灰色模型带来病态性的缺点,提高了模型的稳定性,同时还减少了计算量.     

时空信息多模式融合模型应用研究

给出了时空多模式融合模型(MM模型)的实用建模方法.利用华北地震和北京SARS 2个时空数据集对MM模型进行了建模应用和性能评价,与单纯神经网络模型相比,MM模型的预测准确性与预测趋势变化的能力均有所提高.分析表明,利用MM模型对不同类型时空过程建模时,不同分量信息所起到的作用并不相同.     

基于SVD的柴油机振动信号盲分离预处理

在利用独立分量分析对缸盖振动信号进行盲分离时,原始采样信号不满足独立分量分析的基本假设,而且缸盖振动信号信噪比较低,影响分离的速度和精度.采用小波阈值降噪的方法进行了降噪处理,提高了信噪比.采用奇异值分解的方法估计了缸盖振动的独立源数,并对缸盖振动信号进行了白化处理,为独立分量分析的应用建立了基础.     

基于小波包分解和特征能量提取技术的车内传导干扰源识别

车内大功率用电设备的电压波动是车内产生传导干扰的主要原因。文中介绍了通过对采集的干扰信号进行小波包分解,对系数进行最小风险的去噪处理,然后提取特征能量来识别车内传导干扰源。最后采用EM-test设备发生干扰信号进行实验,结果表明该方法对车内电压波动的主要干扰源有较强的识别能力。     

14MnNbq钢中夹杂物对焊接接头低温冲击功的影响

对新钢种１４ＭｎＮｂｑ中存在的夹杂物及其对焊接接头的性能影响进行了分析研究。结果表明：１４ＭｎＮｂｑ钢中存在大量的硫化物（ＭｎＳ,ＦｅＳ）等非金属夹杂物,这些非金属夹杂物数量较多,分布极不均匀,导致了焊接接头低温冲击韧性值离散性大,数值偏低。