G321国道沥青路面水损害成因及解决方法

为了治理G321国道佛山路K9-K19段在使用中出现的较严重水损害,恢复道路性能,延长道路的使用寿命,在分析了道路水损害外因和内因的基础上,结合实际施工经验,提出了相应的解决方法。结果表明：经过治理,道路水损害显著改善。     

油价上涨如何省钱?

油价上涨以来,油耗成为车主普遍关心的热门话题：减少油耗有哪些经验和技巧?哪些车型比较省油?对此,有关专家给您支招,不少有心的车主经过长假驾车游的“演练”,自己也总结出不少省油的窍门,这些招数多多少少都会让您的钱包少受冲击。     

渐近最优EB估计的一个充要条件

本文在一个正则性条件下,给出了渐近最优EB枯计的一个充要条件。      

基于WPES与MEEMD的船用主机振动研究

为揭示船用长冲程低速柴油机健康状态下的振动特征,采用小波包能量谱（Wavelet Packet Energy Spectrum, WPES）和改进的总体平均经验模态分解（Modified Ensemble Empirical Mode Decomposition, MEEMD）结合的特征提取方法,对典型推进工况下低速机的表面振动信号进行3层小波包分解和重构。通过对能量占比较大的节点采用MEEMD方法进行分解,获得IMF1分量频谱。研究结果表明,在40%以下的较低发动机负荷时,各单次燃烧循环的振动波动较小,振动幅值基本一致。提升至50%以上发动机负荷时,燃烧引起振动波动明显增强。50%工况下,中高频能量占总能量的41.51%,为主要振动源。     

基于EMD(经验模态分解)奇异值熵的城市轨道交通直流牵引供电系统短路故障辨识

针对现有保护对远端短路电流和列车充电电流区分能力较弱的问题,提出了一种基于EMD(经验模态分解)奇异值熵的辨识方法.通过对暂态电流进行EMD,获得特征向量矩阵,结合SVD(奇异值分解)和信息熵理论构造奇异值熵.远端短路时,暂态短路电流信号复杂,其奇异值熵大;而列车充电电流信号单一,其熵值小.因此,可根据奇异值熵大小识别短路故障.仿真和实测数据验证了该方法的有效性.     

词汇内涵意义的制约因素

词汇内涵意义是附加在词汇表面,通过联想而产生的非本质意义,在英语学习和教学中至关重要。一个词语的真正意义。往往只有通过分析其内涵意义才能获得。文章从社会和个人两个层面,深入探讨人们对同一词语产生不同内涵意义的主要原因,明确指出文化因素和个人经验是制约词汇内涵意义的关键所在。     

基于小波去噪与经验模态分解的混合储能容量优化配置

针对风电出力并网困难的问题,提出采用混合储能系统平抑风电输出功率波动.首先,采用小波分析对风电输出功率信号进行小波去噪;其次采用经验模态分解对去噪后的功率信号进行分解;然后将储能系统内部功率指令划分与系统容量配置相结合,以储能系统容量配置成本最小为目标,建立混合储能容量优化模型,通过穷举对不同分界点所对应的系容量配置成...     

基于形态学滤波和CEEMDAN-WVD的车轮失圆诊断

现有列车车轮失圆监测方法的准确性受车速及线路条件影响较大,为了更准确地监测车轮服役状态,文中提出基于形态学滤波和CEEMDAN-WVD的车轮失圆诊断方法：车辆轴箱垂向振动加速度经数学形态学滤波器滤波降噪后,运用完全噪声辅助聚合经验模态分解（CEEMDAN）将其分解为一系列的固有模态函数（IMF）,然后选取能量熵增量相对较大的几阶IMF分量进行Wigner-Ville分布（WVD）计算,从而叠加得到轴箱振动加速度的多尺度时频图,最后根据多尺度时频图的分布特征来诊断车轮状态。通过仿真分析和工程实例研究结果表明,运用该方法可有效地识别复杂工况下的车轮服役状态。     

基于多块混合网格方法预报螺旋桨非正常工作状态时的水动力性能

运用多块混合网格,结合RNG k-ε湍流模型对非正常工作状态下的螺旋桨水动力性能进行了计算研究。模拟了某型螺旋桨在锁死情况下,螺旋桨表面受力随进速的改变而相应的变化规律;同时,把滑移网格技术和动网格技术运用于模拟自由旋转螺旋桨的水动力性能计算中,获取不同进速下螺旋桨的临界转速和表面受力情况。在文中把采用CFD方法计算的结果与采用经验公式计算的结果进行了对比分析。从对比结果可知,采用CFD方法可近似地获得非正常工作状态下的螺旋桨水动力性能参数,而且可以较真实地模拟流场特性,获取流场信息,相对于经验公式的计算方法存在自己的优势。     

基于经验模式分解的滤波去噪算法

经验模式分解法被认为是非线性、非平稳数据处理方法的新进展.其最大优点是根据信号本身的特性自适应地产生合适的模态函数,这些模态函数能很好地反映信号在任何时间局部的频率特征,克服了小波变换中要选取合适小波基的困难.基于经验模式分解的分解特性,本文提出了一种新的阈值去噪方法,通过事先建立的经验阈值,根据自适应方法对噪声进行去除,然后对去除的噪声进行随机采样后加入到去噪信号中重新滤波,通过反复滤波迭代进行噪声的去除.实验结果证明了本方法与小波相比具有自身独特的优势.