基于改进奇异值分解滤波和谱峭度的滚动轴承故障诊断

针对含噪信号的有效奇异值个数难以确定的问题，提出了一种改进的奇异值分解降噪方法--奇异值累积法。该方法通过计算奇异值的实际下降值与奇异值平均下降速度累积量的差值，并取该差值最大值点的位置作为有效奇异值的分界点来确定有效奇异值的个数。在此基础上，提出了一种基于奇异值累积法与快速谱峭度的滚动轴承故障诊断方法。采用奇异值累积法对原信号进行降噪处理，然后利用快速谱峭度确定滤波器中心频率及带宽，通过分析频段包络谱中明显的频率成分来诊断故障。该方法可以有效去除信号中的噪声，使得到的峭度值所反映的故障冲击更接近实际情况。对含内圈、外圈故障的滚动轴承实验数据进行分析，实验结果表明，相比快速谱峭度的故障诊断方法，该方法具有更好的故障识别效果。     

超精密气体静压系统节流器法向随机微振动研究

以无气腔平面节流器为研究对象,对节流器流固耦合法向随机微振动进行了理论仿真和实验研究。受限于节流器厚度与气膜厚度尺寸的差异和输入初始边界条件,建立了节流器的COMSOL仿真简化模型,对节流器-气膜微流场进行双向流固耦合数值模拟。仿真结果表明,节流器的法向随机微振动幅值关于节流器中心对称,且由中心向边缘逐渐增大;微振动幅值随气体入口流速的增大而增大。实验采用纳米级激光测振仪,依次测量供气压力为0.1,0.2,…,0.5 MPa时尺寸为75 mm×50 mm×14 mm的HEXAGON双环联结型节流器多个不同位置的法向振动,实验结果表明,法向随机微振动幅值分布特性与仿真结果一致,关于节流器中心对称,且由中心向边缘逐渐增大,验证了节流器法向微振动的"跷跷板"振动形式;在0.5 MPa供气压力下,边缘振动幅值超过1 nm。对实验数据进行功率谱密度分析,结果表明不同供气压力下法向随机微振动均在9.4 kHz和10.6 kHz处产生较大功率,可认为与节流器-气膜流固耦合系统的固有频率有关。研究结果有效地揭示了节流器法向随机微振动的特性,为气体静压系统避开随机共振区、优化气体静压系统的设计提供了理论指导。     

基于深度学习的两阶段联合声学回波和混响抑制技术

在现代通信系统中，通信语音的质量和可懂度会被回波与混响严重损害，人与人之间的交流因此会被严重干扰。为了同时消除回波与混响的负面影响，本文提出了一种基于深度学习的两阶段联合声学回波和混响抑制系统。该系统逐步地消除加性声学回波与多径效应产生的混响干扰，从而获得目标语音。系统首先使用基于理想比值掩蔽（Ideal Ratio Mask，IRM）的模型去除与目标信号不相关的声学回波，紧接着对于与目标信号强相关的混响干扰，系统通过利用一个基于“隐掩蔽”的谱映射模型将其去除。两阶段模型最后进行联合训练以获得更好的系统性能。一系列不同声学环境下的实验结果表明，本文所提出的系统可显著地消除回波与混响干扰，从而极大地增强了目标语音的语音质量与可懂度。      

基于自适应阈值活动语音检测和最小均方误差对数谱幅度估计的低信噪比降噪算法

针对低信噪比(SNR)环境下传统方法对声信号降噪的局限性，提出了一种联合自适应阈值活动语音检测（VAD）算法和最小均方误差对数谱幅度估计（MMSE-LSA）的实时降噪算法。首先，在VAD算法中通过基于能量概率最大值的概率统计来对背景噪声进行估计，对得到的背景噪声进行实时更新并保存；然后，将实时更新的背景噪声作为MMSE-LSA的参考噪声，并对噪声幅度谱进行自适应更新，最后进行降噪处理。通过在真实场景中对四类声信号进行实验，结果表明，该算法在保证对低SNR声信号的实时处理的情况下，相较于传统MMSE-LSA算法，降噪信号的SNR能够提高10~15 dB，且不存在信号过减的情况，可应用于实际工程。     

基于变分模态分解与快速谱峭图的齿轮箱滚动轴承故障特征提取

针对齿轮箱的滚动轴承故障信号因噪声干扰,难以进行有效提取的问题,提出了基于变分模态分解与快速谱峭图相结合的轴承故障特征提取方法。首先,利用变分模态分解(Variational Mode Decomposition,VMD)将振动信号分解成若干个本征模态分量(Intrinsic Mode Function,IMF),通过相关峭度计算选取故障信息最突出的分量信号;然后,利用快速谱峭图自适应地确定带通滤波;最后,对滤波后的信号进行平方包络谱分析,提取出故障信息。通过公开数据分析和齿轮箱轴承故障实验,证明了该方法的有效性和可行性。     

半纤维素基阿维菌素载药微囊的制备及性能

目前阿维菌素以高效性、无污染和低抗药性等特点而得到广泛应用，但是其稳定性较差，易降解导致使用量较大从而造成浪费。为解决上述问题，本文以半纤维素为基体，利用原位聚合法制备阿维菌素载药微囊（HDCM），通过制备条件、热降解性、储存稳定性和释放动力学研究，确定了HDCM的载药量、热稳定性及释放性能。结果表明，在芯壁比为1∶34（质量比），温度为65℃，pH为3.5的制备条件下，HDCM的载药量可达66.5%，粒径较小且分散均匀。HDCM的热降解性能和恒温热稳定性能较阿维菌素原药有所提高，最高热分解温度从261℃增加到272℃，阿维菌素原药10h后降解率达到12.1%，而载药量为66.5%的HDCM降解率仅为5.2%。HDCM的释放机理满足Fick扩散，阿维菌素原药在水中的累积释放率在12h之内达到83.8%，而HDCM的累积释放率在24h之后才有所增大，12h内其释放率仅为33.7%，表明HDCM具有极好的缓释性能。     

Ni-P/HZSM-5催化木质素降解制备酚类化学品

采用Ni-P复合改性HZSM-5催化剂催化木质素降解制备高附加值的单酚类化学品，探讨了催化剂种类、金属负载量、反应温度、反应时间以及溶剂种类对木质素催化降解制备酚类化合物的影响。同时采用X射线衍射仪（XRD）、比表面积和孔径分析仪（BET）、化学吸附仪（NH₃-TPD）、热重分析仪（TG）以及气相色谱质谱联用仪（GC/MS）对催化剂以及液相产物进行分析表征，同时探讨其催化失活以及再生机制。结果表明：Ni、P高度分散在HZSM-5催化剂的表面，Ni的添加有效地弱化了C－C键，致使β-O-4和α-O-4发生断裂，有效地提高了木质素加氢解聚的活性，减少了焦炭的生成，但催化剂的再生水热稳定性较差，重复使用性较低。当采用甲醇为供氢试剂，在反应温度为220℃，氢气压力为2MPa，反应时间为8h，催化剂负载量为10%，NaOH为共催化剂时，其木质素的转化率为98.6%，酚类化合物的含量达到74.97%。产物以苯酚、愈创木酚和紫丁香酚为主，低温促进了紫丁香酚的产生。     

针对多种处理痕迹的数字语音取证算法

现有的数字语音取证研究主要集中于对单一的某种操作进行检测，无法对不相关的操作进行判断。针对该问题，提出了一种能够同时检测经过变调、低通滤波、高通滤波和加噪这四种操作的数字语音取证方法。首先，计算语音的归一化梅尔频率倒谱系数（MFCC）统计矩特征；然后通过多个二分类器对特征进行训练，并组合投票得到多分类器；最后使用该多分类器对待测语音进行分类。在TIMIT以及UME语音库上的实验结果表明，归一化MFCC统计矩特征在库内实验中均达到了97%以上的检测率，且在对MP3压缩鲁棒性测试的实验中，检测率仍能保持在96%以上。