变分模态分解在去除心电图信号基线漂移中的应用

心电图(ECG)信号可反映心脏电生理功能活动状态并能为临床心脏病准确诊断提供有重要价值的信息。检测到人体的心电图信号,通常伴随着很多干扰,其中基线漂移干扰很大程度影响了对心电图信号的准确判断。根据变分模态分解(VMD)理论,提出了一种去除心电图信号基线漂移的方法。选择合适的分解层数,利用变分模态分解将心电图信号分解为一组模态分量,去除含有基线漂移成分的模态分量,重构剩余模态分量得到去除基线漂移后的心电图信号。通过ECG信号仿真和实际数据处理实验,与经验模态分解算法比较信噪比提高了4 d B,且能够保持心电图信号的形态特征,有效去除了基线漂移干扰。     

AES类S盒与Camellia类S盒的代数复杂度分析

S盒是很多分组密码算法唯一的非线性部件,它的密码学性质对分组密码的安全性至关重要。该文主要研究与有限域上逆变换仿射等价S盒的代数复杂度问题,利用有限域上的线性化多项式给出了两类S盒的最大代数复杂度,并得到了Camellia类S盒退化为AES类S盒的一个充分必要条件。     

AES列混合变换

为了构造更多＂好＂的AES列混合变换,针对线性变换所对应的矩阵为循环移位矩阵的情形进行研究。用分支数来度量AES线性变换的扩散能力。得到了此类线性变换分支数的界为3≤B≤5,并给出几类线性变换的构造。当分支数为3时,得到了该类线性变换的充要条件;当分支数为4时,构造了一类逆变换与自身相等的线性变换,采用此类线性变换,可使AES的加密电路自动支持解密,节省硬件资源。还构造了一类分支数为5的线性变换。     

轴承故障分析与数据存储系统设计

为了提高轴承故障检测的精度和普适性,设计了一种基于Lab VIEW的滚动轴承故障在线分析系统。采用熵值法构造峭度、均方根的联合评价指标,对滤波信号作初步诊断;调取MATLAB程序,对携带故障信息的信号进行包络谱分析,确定故障发生的具体时间、具体部位;将原始振动信号及分析数据定时分类存储在数据库和TDMS文件中,节约了存储空间,且方便历史数据的调取验证。系统应用案例证实了此设计有较高的环境适应能力和鲁棒性,整体设计具有一定的应用价值。     

风电叶片单轴疲劳试验弯矩匹配智能优化

为了使风电叶片疲劳试验中的试验弯矩与目标弯矩匹配,进而准确获得叶片疲劳特性,提出了采用改进的智能优化算法进行等效配重块布置的智能优化方案。通过模态试验参数辨识确定旋转质量块激振频率应等于叶片一阶固有频率,引入叶片自重作用弯矩分量并构建截面弯矩计算模型。基于差分进化变异的混合粒子群优化算法,以均方误差为适应度函数进行弯矩分布和幅值控制问题联合优化。采用LZ40.3?1.5叶片进行优化技术应用,得出疲劳试验弯矩分布的主要影响因素为激振装置及配重块个数、质量及位置,所设计的算法将关键截面弯矩误差控制在7%以内,验证了单轴疲劳试验弯矩匹配的配重优化方案的正确性及可行性。