应用独立分量分析的激光测风雷达湍流频谱分解

针对大型风力发电机机组中常见的脉动湍流、风机尾流与涡流等湍流信号,研究了利用自然梯度下降的独立分量分析方法的湍流频谱分离效果,以区分中心风速与湍流信号,提高风机机组的综合工作效率。首先分析了风机组中常见湍流信号的后向散射与频谱分布特点,然后依据这些特点设计了对应的独立分量分析模型。在仿真结果符合要求的基础上,进行了双目激光雷达天线的风速采集与实际分离效果检测。实验结果表明,在大气折射率结构常数C2n≤10-14同时广义大气常数α≥4的通常情况下,利用双目信号能够分离出一个湍流中心和一个中心风速。对1 s内两个谱峰的波动范围进行统计,获得(2.59±0.05)MHz的中心风速以及(1.22±0.19)MHz的湍流中心估计,且二者的平均信噪比分别为25.93 dB和31.01 dB,能够在获得稳定的中心风速估计的同时得到一个较为稳定的湍流中心估计。     

电动汽车用ISG永磁电机在弱磁条件下的永磁体涡流损耗分析

针对内转子内置式永磁同步电机在高速运行时转子永磁体所产生温升严重的问题,以"一"型和"V"型两种不同磁极结构的35kW永磁同步电机为研究对象,在永磁体总量和磁极分块相同的情况下,利用有限元法与解析法,分析了两种磁极结构在弱磁条件下永磁体表面的磁通及其变化情况,探究了两种磁极结构的电机在相同的弱磁条件下不同转速、不同弱磁角和不同去磁电流时的转子永磁体涡流损耗大小和特点,得到在相同弱磁条件下"V"型磁极结构的永磁体涡流损耗大于"一"型磁极结构的结论。最后制造样机并进行试验,验证了有限元模型的有效性,为永磁同步电机在弱磁条件下的永磁体涡流损耗情况提供参考。     

面部运动单元检测研究综述

面部运动单元检测旨在让计算机从给定的人脸图像或视频中自动检测需要关注的运动单元目标。经过二十多年的研究，尤其是近年来越来越多的面部运动单元数据库的建立和深度学习的兴起，面部运动单元检测技术发展迅速。首先，阐述了面部运动单元的基本概念，介绍了已有的常用面部运动单元检测数据库，概括了包括预处理、特征提取、分类器学习等步骤在内的传统检测方法；然后针对区域学习、面部运动单元关联学习、弱监督学习等几个关键研究方向进行了系统性的回顾梳理与分析；最后讨论了目前面部运动单元检测研究存在的不足以及未来潜在的发展方向。     

弱相互作用调控表面活性剂自组装(Ⅱ)——表面活性剂的结构与设计

介绍了表面活性剂的结构、性质以及分类,综述了阴离子表面活性剂、阳离子表面活性剂、两性离子表面活性剂、非离子表面活性剂的分子间弱相互作用。另外,简述了低聚型表面活性剂和其他新型表面活性剂的结构及应用。     

热量表示值误差测量结果的不确定度评定

将组成热量表的流量传感器的参数、温度传感器的参数和计算器的参数视为热量的分量,按照分量组合法分别检测,对热量表的流量传感器、单支温度传感器和配对温度传感器以及计算器示值误差测量结果进行不确定度评定。     

多共振分量融合CNN的行星齿轮箱故障诊断

针对行星齿轮箱中各部件所激起的振动成分混叠、早期故障特征经常被较强的各级齿轮谐波成分以及环境噪声所湮没的问题，提出一种多共振分量融合卷积神经网络（multi-resonance component fusion based convolutional neural network，简称MRCF-CNN）的行星齿轮箱故障诊断方法。首先，对振动信号进行共振稀疏分解，得到包含齿轮谐波成分的高共振分量和可能包含轴承故障冲击成分的低共振分量；其次，构建多共振分量融合卷积神经网络，将得到的高、低共振分量和原始振动信号进行自适应的特征级融合，通过有监督的方式训练模型并进行行星齿轮箱故障诊断。对行星齿轮箱实验数据的分析结果表明，该方法能够有效分类行星齿轮箱中滚动轴承和齿轮的故障，成功对行星齿轮箱故障进行诊断，同时能够进一步增强卷积神经网络对振动信号所蕴含的故障信息的辨识能力。