基于声信号处理的窨井盖盗毁检测方法

为遏制偷盗和毁坏窨井盖行为,提出一种利用声信号对窨井盖偷盗和毁坏进行检测的方法。因不同声信号的能量基于频率的分布存在差异,将窨井盖产生的振动声信号进行FFT变换,将变换后的频谱转化为能量谱,利用统计方法确定窨井盖振动声信号能量在频率上的特征分布区间和分布阈值,计算其他干扰声信号的20个最大能量点在该特征区间的概率分布数并与阈值对比,判断窨井盖的振动声是否是遭受盗毁时敲击引起的。实验结果显示:窨井盖敲击声的能量分布与其他声信号具有明显不同,其能量分布的特征频率为48～504 Hz,分布阈值为85%。该方法能够有效识别盗毁窨井盖声音,且在一定信噪比环境下具有较强鲁棒性。     

基于高光谱技术的籼稻霉变程度鉴别模型构建与优化

为解决快速无损鉴别籼稻霉变程度问题,利用高光谱技术采集200份霉变样本可见/近红外光谱信息,随机选取155份样本作为校正集,剩余45份作为验证集,根据预测浓度残差检验标准对校正集中异常样本进行剔除。以新校正集建立主成分线性判别分析(PCA-LDA)和簇类独立软模式法(SIMCA)模型,选用正确识别率为指标,优选最佳鉴别模型。并采用连续投影算法(SPA)提取特征波长,优化优选的最佳模型构建速度。研究结果表明,PCA-LDA对所有样本的误判总数为15,正确识别率为92.50%;SIMCA和SPASIMCA对所有样本的未能正确识别总数分别为6、2,正确识别率分别为97.00%、99.00%,并且经SPA筛选的变量数为20,仅占原始变量数的7.81%,建模时长缩短为原始变量的40.93%。因此,SPA-SIMCA鉴别效果最好,该方法在快速、准确鉴别籼稻霉变程度上具有可行性。     

法向载荷和滑动速度对纳米摩擦的影响

由于尺度效应,纳米尺度摩擦机制与宏观尺度有很大差别。在原子力显微镜实验基础之上,探讨纳米尺度干摩擦中微摩擦力与法向载荷以及滑动速度之间的关系。当法向载荷较小时,摩擦力与法向载荷之间并非线性关系,而近似与法向载荷的2/3次方成正比。当滑动速度小于摩擦系统临界滑动速度时,摩擦力随速度的对数增长而增长,而当速度超过临界滑动速度时,摩擦力几乎不受滑动速度变化的影响。     

深通孔键槽铣床柔性转轴振动特性研究

为探寻深通孔键槽专用铣床柔性转轴加工过程中的振动特性,结合机床结构,运用欧拉-伯努利理论推导出转轴径向的振动位移响应函数模型,〖JP2〗得到工艺参数单因素变化下转轴的振动位移响应曲线。开展转轴振动试验测试,分别比较转轴振动位移幅值的理论与试验值,相对误差均在10%内,表明理论与试验的一致性较好,验证了柔性转轴振动理论模型推导的正确性。模型数据和试验结果表明：在机床铣削过程中,应尽量选择小的铣削深度、多齿数铣刀配〖JP〗合小的每齿进给量及相对较小的铣削速度,使铣削过程更平稳,降低对深通孔键槽加工质量的影响。该研究结果为机床产品设计提供参考。     

基于湿热参数的油茶籽干燥过程含水率在线预测

为在线获取干燥过程中油茶籽含水率,在不同干燥温度(50?60?70℃)?干燥风速(0.5?1.0?2.0m/s)工况下进行热风干燥试验。通过获取干燥过程实时空气湿热数据,分析了湿热参数与含水率的相关关系。运用随机森林算法,基于干燥工况参数与空气湿热参数建立了8种不同输入参数组合下的含水率在线预测模型。研究表明：采用基于干燥工况参数与干燥腔进出口含湿量差、含湿量差变化率参数建立的随机森林模型具有最佳的预测精度。在预测集上模型预测值与实测值的决定系数R_²为0.9926,均方根误差RMSE为0.035,表明采用本方法可以有效预测油茶籽干燥过程含水率。本研究为干燥领域含水率在线检测提供一种新的方法。     

人体血液及其润滑性能研究的现状与展望

血液的润滑性能研究涉及到血液流变学、生物力学、流体力学、材料科学、摩擦学等多学科领域。目前国内外对血液作了大量的研究工作,但在血液润滑机制的研究上仍处于探索阶段。总结了血液及其摩擦润滑性能研究方面所取得的成果,指出目前血液及其摩擦润滑性能的研究主要是从宏观的角度进行探讨,没有从微观尺度研究血液摩擦润滑的机制。提出了今后血液润滑性能研究的主要内容,包括基于细胞生物力学的血液润滑性能基础理论研究以及物理环境对血细胞生物行为过程及润滑性能影响等方面的研究。     

基于压电传感阵列的萜烯类挥发物鉴别

为了实现柑橘中萜烯类挥发物的鉴别,选取柑橘主要萜烯类挥发物,d-柠檬烯、α-蒎烯和月桂烯作为目标分子。采用本体聚合法,MAA为功能单体,EGDMA为交联剂,AIBN为引发剂,制得对应的分子印迹聚合物(MIP)。使用聚氯乙烯将MIP粉末与石英晶体微天平(QCM)电极结合,制成MIP-QCM传感器,三种传感器组成传感阵列。搭建配气系统并测量传感阵列对纯样和混合样本的响应。以传感器最大频率偏移作为特征值。传感器对各自目标纯样的响应随浓度变化呈良好的线性关系,R²分别为0.992 4、0.983 6和0.985 9,灵敏度均在0.2 Hz/ppm以上,重复性百分比均在95%以上。采用主成分分析法(PCA)鉴别纯样和其对应的混合样本,鉴别准确率为100%。传感阵列对萜烯类挥发物纯样和添加了少量干扰物的混合样本有很强的鉴别能力。     

基于嗅觉可视化技术的食用植物油分类识别

为实现山茶油与3种常见食用植物油(菜籽油、大豆油和玉米油)的区分,制备可视化传感器阵列,采用嗅觉可视化技术对4种不同种类的食用植物油进行分类识别。采用主成分分析(PCA)对4种油样的特征数据进行降维,然后将降维后的数据导入K近邻(KNN)、极限学习机(ELM)、支持向量机(SVM) 3种分类模型中进行模型参数优化,对比了3种分类模型的分类结果。结果表明：建立的SVM分类模型性能最优,当输入主成分向量数为7、c=1.741 1、g=4.549 8时,SVM分类模型的测试集分类识别准确率为95.8%,五折交叉验证准确率为89.6%。制得的可视化传感器阵列可以实现4种食用植物油的分类识别,嗅觉可视化技术用于食用植物油检测是可行的。     

基于反射光谱的油茶籽油掺伪量快速测定 及特征波长特性研究

为了探索紫外-可见-近红外反射光谱测定油茶籽油掺伪量的方法,按照不同掺伪比例制备了244个油茶籽油掺伪大豆油、菜籽油、花生油、玉米油的样本,以自主搭建的实验平台采集所制备样本在200~1 100 nm范围内的反射光谱。将原始光谱进行Savitzky-Golay(SG)-连续小波变换（CWT）预处理后,利用Kennard-Stone(K-S)算法以2∶ 1的比例将样本划分成校正集和预测集。采用竞争性自适应重加权算法（CARS）、连续投影算法（SPA）、自主软收缩算法（BOSS）、迭代变量子集优化算法（IVSO）进行特征波长选择,分别建立基于支持向量机（SVM）、极限学习机（ELM）、随机森林（RF）的油茶籽油掺伪量快速预测模型,同时对特征波长的特性进行了研究。结果表明：原始光谱经过 SG-CWT（L5）预处理和 BOSS 特征波长筛选后,建立的基于SVM的油茶籽油掺伪量快速预测模型能够鉴别掺伪量为1%及以上的油茶籽油,该模型在十折交叉验证和网格搜索法下得到最佳惩罚因子（c）和核函数（γ）分别为5.278 0和0.108 8,其预测决定系数（R2P）、预测均方根误差（RMSEP）、预测平均绝对误差（MAEP）分别为0.998 5、0.013 4、0.010 2。特征波长聚集程度和陡度对模型预测结果存在一定影响。综上,建立的基于反射光谱的油茶籽油掺伪量快速预测模型预测误差小,预测效果较好。     

基于传递效率的多级丝杠结构参数优化

多级丝杠电动缸相比单级丝杠电动缸结构更为复杂,传动机构更多,其效率损失环节相对增加。多级丝杠机构作为多级电动缸的核心传动机构,其传动效率直接影响着电动缸的总体效率。通过对多级丝杠结构分析,对多级丝杠效率进行了建模分析,推导了多级丝杠效率公式。分析了多级丝杠传动效率与各级丝杠公称直径及导程之间的变化规律。结合电动缸结构的特殊要求,以电动缸效率最优为目标,通过加权函数非线性约束最值优化计算,确定最佳的结构参数组合,并分析在最优效率下载荷变化对各级结构参数的影响。研究结果为多级电动缸的设计提供了理论参考。