铁尾矿沥青混合料基本性能及老化耐久性研究

为了避免过度使用天然砂石材料做为沥青混合料的骨料以及符合绿色发展的战略方针，采用固体废弃物铁尾矿来代替砂石材料来制备一种新型的铁尾矿沥青混合料。采用质谱仪对所选用铁尾矿进行化学成分分析，并对不同铁尾矿掺量作用下沥青混合料的针入度、锥入度、软化点、延度、粘度以及老化耐久性等方面进行了研究。研究结果表明:铁尾矿沥青混合料的较佳制备温度选定为180℃；综合经济效益和有效性确定铁尾矿的较佳掺量为30%；相对老化后的铁尾矿沥青材料而言，在同一铁尾矿掺量作用下两种不同沥青混合料老化前的针入度和延度均出现了降低的趋势，但是在同一铁尾矿掺量作用下两种不同沥青混合料老化前的软化点却出现了增大的趋势。综合分析得到:温度为180℃以及铁尾矿掺量为30%制备的沥青混合料可以满足公路的路用要求。所有沥青试样的光谱变化规律基本一致，说明了掺入铁尾矿改性沥青的结构与未掺入铁尾矿沥青的结构基本一致；但是随着铁尾矿掺量的增大，沥青的FT-IR光谱在同一波数作用下却呈现出不断减小的变化趋势，说明了铁尾矿可以有效改善沥青的物理性能。      

基于音频特征的工程车辆工况识别研究

高效率地使用工程车辆是工程项目管理中节约成本的有效方法，无人监管环境下工程车辆的工况识别，是实现工程车辆高效率使用的有效手段。目前以GPS等技术为核心的车辆智能管理系统未对工程车辆进行工况识别，提出一种基于GRU循环神经网络的工程车辆工况识别方法，通过对工程车辆在不同工况下产生的音频信号进行分析，从中提取Mel倒谱系数作为主要特征，构建GRU循环神经网络模型进行训练和识别。实验结果表明，该方法可以实现对工程车辆工况的有效识别。     

风力机轴承实时剩余寿命预测新方法

由于传统退化指标对周期性故障冲击缺乏敏感性和鲁棒性,无法实现风力机轴承退化过程的适时跟踪以及剩余寿命的准确预测,提出了基于包络谐噪比(envelope harmonic-to-noise ratio,简称EHNR)和无迹粒子滤波(unscented particle filter,简称UPF)相结合的风力机轴承实时剩余寿命预测方法。首先,通过计算振动信号的EHNR监测轴承的早期退化点,并提取EHNR的趋势特征作为退化指标;其次,以轴承历史数据构建退化模型,利用UPF算法更新模型参数,实现对轴承退化状态的跟踪和预测;最后,使用实际风力机轴承监测数据对所提方法进行验证。结果表明,该方法能适时启动寿命预测机制,有效解决传统粒子滤波算法的粒子退化问题。与常用的支持向量回归模型(support vector regression,简称SVR)、反向传播神经网络(back propagation neural network,简称BPNN)的预测方法相比,具有较高的预测精度,为大型风力机组的健康管理和可靠性评估提供参考依据。     

融入局部几何特征的流形谱聚类图像分割

为了改善谱聚类图像分割的精准性和时效性,文中提出融入局部几何特征的流形谱聚类图像分割算法.首先,考虑图像数据的流形结构,在数据点的K近邻域内执行局部PCA,得到数据间本征维数的关系.然后,引入流形学习中的局部线性重构技术,通过混合线性分析器得到数据间局部切空间的相似性,结合二者构造含有局部几何特征的相似性矩阵.再利用Nystr m技术逼近待分割图像的特征向量,对构造的k个主特征向量执行谱聚类.最后,在Berkeley数据集上的对比实验验证文中算法的准确性和时效性优势.     

FAIMS气体传感器的特性研究

本文针对电晕放电离化FAIMS传感器的主要影响因素进行理论分析与实验研究。首先对离化源电晕放电过程及离子注入过程进行理论分析，找到气流与电场这两个重要因素进行实验研究与分析，观测了保持进入传感器总流量不变(2.5Ｌ/ｍｉｎ)的情况下，调节进入电晕放电区气流(0.5Ｌ/ｍｉｎ~ 2.3Ｌ/ｍｉｎ)对离子注入量和传感器检测的影响，结果表明放电区域气流量增大，离子注入数量显著增加，传感器的总体检测效率单调上升，从2.25％提升至12.5％，提升了约5.5倍，但观测到一个 新的离子峰———电晕放电中间产物离子峰，在离化区施加周期电场，调节离子从离化源注入，通过电压幅度、占空比等参数调整，在频率为1Ｈｚ，占空比为50％，幅度－50Ｖ时，测量样品的离子峰幅度比无电场状况时提高了70％，并且其优势是在于不干扰电晕区域放电及离子反应过程的情况下提高产物离子的注入与使用效率。     

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。