紫薇田园都市国际学校和国家级示范高中

新的教育模式和新的教学理念对校园功能布局、总体规划及单体建筑提出了新的要求。学校创作主题应是创造功能齐全、环境亲切、空间渗透并有时代气息和文化品位的人文学校建筑,紫薇田园都市国际学校和国家级示范高中项目就此作出了尝试。     

The relative influence of wind,sunlight and temperature on user comfort in urban outdoor spaces

This paper presents the development of a comfort index that measures adaptivity in outdoor spaces. Over a 9-month period 649 people were surveyed in three locations, in temperatures between 10 and 28 °C. An exploratory factor analysis develops a 15-item scale of comfort that includes measures of adaptivity: clothing, exposure time and seating location. The scale is regressed on physical measures: average instantaneous wind speed; maximum wind speed; mean-exposed radiant temperature; mean-shaded radiant temperature and ambient temperature. The results model the relative contributions of the microclimatic factors for the comfort in the outdoor space. Analyses suggest gustiness and wind speed are most important in determining user satisfaction. There is strong support for the theory that people actively adapt to microclimatic conditions.     

基于改进变分模态分解和Hilbert变换的变压器局部放电信号特征提取及分类

针对现有局部放电(PD)信号特征提取方法存在的不足,提出一种基于变分模态分解(VMD)和Hilbert变换(Hilbert-VMD)的特征提取方法,并提出一种双阈值筛选法来确定VMD算法中的分解模态数。首先,根据PD信号功率谱,采用双阈值筛选法确定VMD算法中的分解模态数;其次,采用VMD算法对PD信号进行分解,得到数个有限带宽的固有模态分量(BLIMFs);然后,对各模态分量进行Hilbert变换并线性叠加后得到PD信号的Hilbert时频谱,并计算各模态分量的边际谱;最后,根据各模态分量的边际谱提取PD信号频域内的特征量,并用支持向量机(SVM)对所提取的特征量进行分类。实验结果表明,对试验环境下和现场实测两种环境下的PD信号,采用该文方法提取得到的特征量均具有较高的正确识别率,充分说明该特征提取方法可以有效提取PD信号特征。对于噪声较大的实测信号,采用该方法得到的正确识别率并未明显降低,说明该方法具有较好的噪声鲁棒性。此外,该文所提Hilbert-VMD方法也为PD信号提供了一种新的时频分析方法。     

基于切削声信号与优化SVM的刀具磨损状态监测

提出了一种利用切削声实现刀具磨损状态多特征监测的方法。根据经验模态分解与Hilbert变换理论,提取切削声信号的内禀模态能量与不同频段的Hilbert谱能量作为监测信号的备选特征。采用支持向量机作为分类器,针对备选特征的有效筛选问题,利用多种群遗传算法对分类器的输入特征进行了优化,剔除备选特征中的干扰特征,利用多种群遗传算法对分类器的模型参数进行了优化。利用优化后的分类器对测试样本进行分类,并与优化前的分类结果进行了对比。结果表明,优化后分类器的分类性能得到了明显提升,该方法可以对刀具磨损状态进行有效识别。     

Cognitive information delivery in geo‐location database based cognitive radio networks

For the problem of spectrum scarcity and wastage, cognitive radio (CR) technology provides a solution to utilizing the vacant spectrum more efficiently. As one of the most promising techniques to obtain the cognitive information in TV white spaces, geo‐location database approach has attracted a lot of recent attentions, with its goal of enhancing the efficiency of spectrum usage and avoiding the interference to TV receivers. However, existing works mainly focus on the construction and applications of geo‐location database, and seldom consider how to deliver the cognitive information from the database to TV band devices. In this paper, we investigate the tradeoff between increasing the accuracy of cognitive information delivery and reducing the overhead. We design two mesh fusion algorithms to reduce the redundancy of cognitive information and improve the efficiency of cognitive information delivery. Finally, we verify our analysis and evaluate the efficiency of the proposed mesh fusion algorithms through numerical studies. Copyright © 2016 John Wiley & Sons, Ltd.     

α-β坐标系下瞬时无功功率的笼型异步电机转子故障诊断

根据α-β两相静止坐标下的瞬时无功功率理论,推导出笼型异步电动机定子瞬时无功功率在正常状态、转子断条故障、转子偏心故障、以及两者的复合故障状态下的表达式,并提取出不易被基频淹没、易于辨识的故障特征频率,以此达到诊断电机的目的。同时,转子复合状态下的故障特征频率得到有效分离。最后,利用双Hilbert变换,滤除瞬时无功功率频谱中的直流成分,更好地突出故障特征分量。实验采集定子三相电压电流,经过坐标变换,运用两相静止坐标系瞬时无功功率理论得到瞬时无功功率,进行频谱分析,验证了此法对电机转子各种故障诊断的准确性。     

振动信号频谱相对幅值的计算方法研究

针对高速列车振动信号因速度变化而导致的谱密度参数幅值不一致问题,提出一种振动信号谱密度相对幅值的计算方法.该方法通过希尔伯特变换对振动信号求取瞬时相位,并对信号相位曲线进行傅里叶谱计算,求取振动信号的归一化谱密度,将列车在不同速度集下的振动谱密度统一起来.通过仿真测试和列车在160,200,250km/h速度集下的实测齿轮箱振动信号频谱相对幅值计算,表明该方法在列车不同速度下结果具有良好的一致性,受噪声影响小,较好反应列车的真实运行状态,具有一定可靠性.     

基于改进的希尔伯特振动分解的机械故障诊断方法研究

针对多分量机械故障振动信号的特征提取问题,介绍一种基于希尔伯特振动分解(HVD)的时频分析方法。该方法首先利用Hilbert变换得到原始振动信号的解析信号,然后通过对解析信号的瞬时频率低通滤波获得信号中幅值最大分量的瞬时频率,同时经同步检测获得相应的瞬时幅值和初相位,最后经过迭代运算自适应地检测出原信号各分量的时频信息。针对HVD方法的边界效应问题,提出一种基于相关系数准则的波形匹配边界延拓法对其进行改进。通过两组仿真信号分析验证了HVD方法对多分量非平稳信号的分解能力,同时表明改进的HVD方法能很好地抑制边界效应。给出转子系统油膜涡动故障诊断实例,验证了该方法的工程实用性。     

基于形态分量分析的希尔伯特变换在滚动轴承故障诊断中的应用

形态分量分析是一种基于信号形态多样性和信号稀疏表示的信号处理方法。滚动轴承故障信号具有振幅呈指数衰减与环境噪声大的特点。通过构建一个对冲击信号敏感的字典,利用形态分量分析对轴承故障信号的时域形态特征进行最优化稀疏表示,得到滚动轴承冲击信号。并对形态分量分析后的冲击信号进行希尔伯特变换,得到明确的故障特征频率及其倍频。仿真分析与实验结果表明：该方法具有良好的降噪功能,能够准确地提取滚动轴承故障信号中的早期冲击特征。     

基于排列熵的电磁声发射信号到达时间识别

排列熵算法简单高效,能够反映出信号的微小变化,是一种有效的信号突变检测工具。通过引入信号包络排列熵分析方法,对声发射信号到达时间识别问题进行求解。排列熵对信号幅值的大小不敏感,但对信号幅值的变化敏感,通过记录信号包络排列熵的变化,根据包络排列熵第一个极小值时刻来识别信号到达时间。根据裂纹电磁声发射实测信号识别结果可知,包络排列熵方法对声发射信号到达时间具有较高的识别精度。