PZT薄膜厚度对BMT/PZT复合薄膜结构及介电性能的影响

采用液相旋涂法制备了Ba(Mg1/3Ta2/3)O3(BMT)/Pb(Zr0.52Ti0.48)O3(PZT)复合薄膜,研究了PZT薄膜厚度对BMT/PZT复合薄膜结构及介电性能的影响。随着PZT薄膜厚度的增加,BMT/PZT复合薄膜的介电常数呈线性增加。当PZT薄膜的厚度较小时,会明显地增加BMT/PZT复合薄膜的介电损耗;当继续增加PZT薄膜的厚度,介电损耗反而下降直到与BMT薄膜的介电损耗值接近。这是由于PZT的介电常数与介电损耗均明显高于BMT薄膜所致,而异质界面的存在抑制了PZT薄膜中畴壁的运动,使其对复合薄膜介电损耗的影响减弱。研究结果表明,PZT薄膜的引入可以提升BMT薄膜的介电常数而对介电损耗的影响不大。     

量子模糊形态学联想记忆网络及在齿轮振动信号识别中的应用

针对传统模糊形态学联想记忆网络(FMAM)不能自适应选择结构元素的形状和大小,在对样本进行分类时存在错分问题,以量子的叠加、坍塌性质为基础,提出量子模糊形态学联想记忆网络(QFMAM),用量子位系统构造结构元素,量子位概率代表相应的隶属度,获取具有自适应特性的结构元素,在分类前先对样本进行处理从而降低无用干扰信息对分类精度的影响。利用QFMAM分别对仿真数据和齿轮箱台架实验信号进行分类,并与FMAM、支持向量机(SVM)、朴素贝叶斯分类器(NBC)的分类性能作比较,验证了提出的QFMAM训练效率高、学习能力强、分类精度高,是一种很好用的智能分类器。     

超声磨粒传感器非线性声场的数值模拟与实验研究

针对超声磨粒传感器声场的非线性特性对磨粒散射与识别模型的影响问题,利用KZK方程对超声磨粒传感器的非线性声场进行建模。采用时域有限差分法对KZK方程进行数值求解,对聚焦声场的时、频域特性进行分析,发现焦点位置会发生一定偏移;焦斑的轴向长度较大而径向长度很小;焦点附近区域的声压波形及其中心频率均不相同;由于衍射与吸收作用,声场中心频率低于激励中心频率。实验结果验证了仿真结论的正确性。     

SONOS结构EEPROM单元辐射效应分析

随着EEPROM存储器件在太空和军事领域的广泛应用,对EEPROM抗辐射性能的研究越来越多。为了满足应用的需要,文章比较了FLOTOX和SONOS两种EEPROM工艺制成的存储单元在辐射条件下所受的影响,分析了FLOTOX和SONOS单元抗辐射性能的优劣,得出:SONOS结构的EEPROM单元,其抗辐射性能优于FLOTOX结构。并分析了在辐射条件下,SONOS结构受辐射影响的数学模型。文章的研究不但满足了目前的工作需要,还为以后抗辐射EEPROM研究提供了理论基础。     

基于超声传感器的油液磨粒在线监测系统的研究

油液在线监测技术相比传统的离线检测具有实时性、同步性、连续性等优点,超声波具有良好的实时性、较高的空间分辨力、较强的油液穿透性,因此发展超声磨粒在线监测技术具有重要意义。本文基于超声散射原理,设计了一套油液磨粒在线监测系统,由工控机、超声波检测卡、超声波传感器、在线油温传感器、齿轮泵等部分组成,采用Delphi进行程序开发。并进行实装试验,结果表明,系统能够实时在线监测润滑油中的磨粒数量和大小。     

一种用于磨粒识别的基于改进PSO 算法的支持向量机模型

为提高磨粒智能识别的准确率,以传统支持向量机和粒子群优化(PSO)算法为基础,提出一种基于改进PSO算法的支持向量机(SVM)识别模型。该识别模型的惩罚参数和核函数参数可同时得到最佳优化,从而可建立模型参数最优的自适应SVM识别模型。采用该识别模型对油液中的磨粒进行智能识别,结果表明该模型识别准确率高达98%,明显优于BP神经网络模型。     

油液磨粒超声回波信号双树复小波自适应降噪最优分解层数的研究

磨粒超声回波信号受到各种因素的影响,从而存在噪声,分解层数的选取对降噪效果影响很大。为此,提出了一种基于粒子群优化算法(PSO)的最优分解层数选取方法,将得到的最优分解层数代入双树复小波域,采用一种渐近半软阈值函数与一种自适应阈值选择方法相结合,对含噪磨粒回波信号进行双树复小波阈值降噪,选取信噪比(SNR)和均方根误差(RMSE)两个参数评价降噪结果。仿真与实验结果表明:通过粒子群优化算法选取的分解层数得到的信噪比最高,油液磨粒超声回波信号自适应降噪方法对磨粒超声回波信号具有显著的降噪效果,明显提高了信噪比,降低了均方根误差,还原了信号的波形特征,为后续的特征提取与智能识别打下了良好的基础。