基于LS-SVM多分类器融合决策的混合故障诊断算法

故障诊断的关键是特征向量提取和分类器的选择, 提出一种综合运用多特征提取和多分类器组融合决策的故障诊断算法. 多特征提取选择小波包变换、总体平均经验模式分解方法(Empirical Mode Decomposition, EEMD)和改进小波能熵方法, 得到三组不同的故障特征信息; 将这三组特征信息输入由3个最小二乘支持向量机(Least Square Support Vector Machine, LS-SVM)组成的分类器组进行初步诊断; 采用自整定权值的决策模板法(Self-adjusting weighted Decision Templates, SWDT)进行多分类器诊断结果的融合决策. 实验证明, 该方法能实现轴承不同故障类型, 尤其是复合故障的可靠识别, 验证了该算法提取轴承故障特征信息的完备性, 以及分类器组融合决策的可靠性.     

基于内禀模态能量比呼吸信号特征参数提取方法

呼吸信号组成成分复杂,且是非平稳信号。对呼吸信号进行时域特征分析时,由于呼吸间隔提取存在误差,有时得到的特征值不能精确判断哮喘。为了提高诊断哮喘的精度,提出了检测哮喘的2个新的参数。首先对呼吸信号进行EMD(经验模态分解)分解,提出了一个参数——内禀模态能量比。然后对呼吸信号进行时域分析,利用HHT(Hilbert-Huang)变换和阈值法相结合的方法检测呼吸间隔,根据呼吸间隔符合指数定律,得到另一个参数。最后通过2个参数进行对比判别。通过典型数据分析结果表明,基于EMD分解的内禀模态能量比检测不受波形和基线漂移的影响,能够正确地反映呼吸信息,准确率高,可作哮喘病情评估随访的重要手段。     

自动提取章节标题到Word页眉或页脚中

对于一篇较长的Word文档,其中包含有多个章节标题,如果我们要在其相应页面的页眉或页脚中显示其标题名,除了一般添加页眉或页脚的方法外（这种方法要涉及到分节符）,我们可以使用“域”功能来自动提取章节标题到页眉或页脚中。     

使用Photoshop CS4快速调出照片的古典黄色捌效果

本例我们将在Photoshop CS4软件中,使用“应用图像”、“可选颜色”、“黑白”等命令,来将照片的色调调整为古典黄色调的效果。     

巧用Photoshop照片滤镜校正偏色照片

有时候有些偏色的照片会有一些特殊的效果,如果我们想得到色彩比较准确的照片,有什么办法呢？在这里我们将介绍一种比较简单的另类方法——通过Photoshop的“照片滤镜”添加反相的偏色效果,从而将色偏中和掉。     

不用打开Word文档一样能“统计字数”

对一些经常进行文字工作的人来说,用Word编辑文档往往要用到它的“字数统计”功能。但大多数人都是通过打开Word文档后,再使用“工具”菜单的“字数统计”命令来统计文档中的字数。其实,完全没有必要每次都打开文档来统计字数。这里介绍一种更为简单的方法,不用打开Word文档就可以快速的查看该文档中的字数。     

精细复合多尺度波动散布熵在液压泵故障诊断中的应用

液压泵振动信号具有非线性、非平稳性的特点,熵算法在该类信号分析方面有着独到的优势,但传统的熵算法在液压泵振动信号特征提取中有计算速度慢、熵值不准确、不稳定等不足,为了更有效地提取故障特征信息并提高故障诊断准确性,将精细复合多尺度波动散布摘(refined composite multiscale fluctuation...     

基于混沌与模糊聚类的机械故障自动识别

针对大型设备旋转部件故障模式复杂难以识别的特点,给出一种基于混沌与模糊最大似然估计(Fuzzy maximum likelihood estimates,FMLE)聚类相结合的机械故障自动识别方法。利用混沌振子在非平衡相变对小信号非常敏感,而对噪声和高频信号具有强免疫力的特点,可检测出微弱的周期故障特征信号的频率信息,并将其作为故障特征矢量输入模糊聚类分类器进行聚类分析。同时针对传统的模糊C均值(Fuzzy center means,FCM)聚类算法只适用于球形或者类球形数集分布的缺陷,将基于最大似然估计的距离测度引入故障特征聚类中,实现对不同形状、大小和密度的故障数据集模糊聚类,达到对机械故障自动识别的效果。试验及工程实例结果证明了方法的有效性,同时证明FMLE聚类具有更好的聚类效果。     

教你制作规范的Word2007文档

在学会了Word2007的基本应用后，完成一篇文章的编写也许已经是非常的轻而易举的事，那么我们如何使文章更加的规范美观呢？这就需要进行一些相关的设置了。那么就让我们共同来学习如何规范Word2007文档吧!制作规范的文本文档主要从三个方面进行改进：即页面的整体设定（方便打印和后期装订）、文字内容样式和段落的调整以及增添页眉页脚和其他页面美化设置。