一个完善的可公开验证秘密分享方案

利用离散对数问题的难解性和Williams体制,在假设初始化阶段和秘密恢复阶段始终有一位值得信赖的分发者参与的情况下,提出了一个可公开验证的门限秘密分享方案。在方案中,各用户只需公布其秘密份额的盲化值,每个参与者甚至第三者都可以对这一盲化的秘密份额进行验证;不但能有效地阻止密码分析者窃取秘密或子秘密,也能有效地防止内部成员之间的相互欺诈,而且任一分享者能在多项式时间内恢复密钥。     

冗余提升小波的最优分解层数的确定

针对目前所采集的机械设备故障振动信号中包含大量的强噪声信号,将奇异谱分析方法引入到冗余提升第二代小波阈值算法中,实现了一种基于奇异谱分析的冗余提升第二代小波最优分解层数的自适应选择。主要根据冗余提升小波分解过程中细节信号的奇异谱特性来确定最优分解层数,并与冗余提升小波阈值降噪方法相结合,实现降噪效果最优的自适应选择。通过对比不同分解层数的降噪效果,可以有效提高冗余提升小波降噪中的使用性能。仿真和工程振动信号分析结果验证了该方法的有效性。     

包装线码垛吊具方案设计与分析

提出4种包装线码垛吊具设计方案。通过对市场上现有的包装线产品的包装形式以及码垛形式进行需求及技术分析,提出4种满足绝大多数产品码垛的吊具设计方案。综合分析各吊具方案的结构组成和工作方式,比较各个吊具方案的优缺点,为包装线码垛吊具选择提供依据。     

风力机叶片气动载荷的优化研究

为了研究垂直轴风力机的叶片气动性能,利用流固耦合法模拟了垂直轴风力机在实际工况下的气动载荷分析,模拟结果表明,由于翼型后部较薄,受到的变形应力最大。为了避免因叶片变形而引起风力机整体气动性能下降,提出了通过加大翼型后部厚度的方案来提高叶片的强度,并通过数值模拟对改进后的翼型做了气动性能分析,得出了适当的增加翼型后部厚度,并不会对翼型气动性能造成太大的影响,验证了此方案的有效性。这些研究结论为今后垂直轴风力机的设计制造提供了一定的参考依据。     

某电厂450t发电机定子吊装系统有限元分析

本文运用ANSYS软件,对某电厂450 t发电机定子吊装系统建立三维有限元模型,并进行了有限元分析,得到了该结构的位移、应力等参数,在此基础上提出了设计建议。     

利用模糊数学优选深井开拓方案

深井开拓方案的优选是一个复杂系统,综合考虑影响深井开拓方案的众多因素,采用多层次模糊综合评判法优选确定深井开拓方案的模糊数学模型,建立综合评判矩阵.将该深井开拓方案优选模型应用到某金属矿山,得出了斜坡道加盲竖井开拓方案为最优方案,实践取得了投资少、工期短、安全性好等显著效果,证明该优选方案是有效的,说明了优选方法的可行...     

单轨吊起吊液压回路启动特性分析

随着采矿设备的发展,开采量的增加对近年来广泛应用的单轨吊的性能提出了更高的要求。以单轨吊起吊液压回路为研究对象,分析其液压制动缸进油路上的阻尼孔对马达启动的影响。建立系统的数学模型,并在Simulink中仿真得出结果,再通过AMESim进行仿真试验。结果表明：在制动液压缸的进油路上设置阻尼孔对马达的启动具有延时作用,可以让马达有足够大的启动转矩时迅速启动,防止因解除制动过快而马达启动转矩不足的情况出现;相对于无阻尼孔的回路,其液压冲击也会减弱,随着阻尼孔孔径的减小,延时效果会更加明显。     

基于提升小波的颤振图像边缘检测方法研究

这里基于提升小波理论重点研究了图像边缘检测问题，提出了一种新的图像多尺度边缘检测方法，该检测方法适用于多种线性或非线性双正交小波，具有运算速度快、检测精度高等特点；并基于此边缘检测技术，研究了飞机结构颤振的边界预测问题，给出了一种新的稳定性参数估计方法。     

基于提升小波包变换和集成支持矢量机的早期故障智能诊断

为了解决机电设备早期故障难以正确识别的问题,有效地提高分类的准确率,提出一种基于提升小波包变换和集成支持矢量机的早期故障智能诊断新方法。首先,该方法采用提升策略构造基于冲击故障信号特征的双正交小波,借助提升小波包变换提取信号的敏感频带特征,从而通过对敏感频带中的小波包系数进行包络解调分析检测出故障特征频率。其次,通过距离评估技术从原始信号和小波包系数的统计特征中选取最优特征集。最后,将最优特征输入到集成支持矢量机中,实现对不同故障类型的识别。将该方法应用于滚动轴承的早期故障诊断中,测试结果表明,该方法能够有效地提取故障特征,具有比单一支持矢量机更好的分类性能,故障诊断准确率更高。     

Bearing performance degradation assessment based on lifting wavelet packet decomposition and fuzzy c-means

Bearing performance degradation assessment is crucial to realize condition-based maintenance. In this paper, a new method for it is proposed based on lifting wavelet packet decomposition and fuzzy c-means. Feature vectors are composed of the node energies of lifting wavelet packet decomposition. Normal and final failure data are used as training samples to build assessment model utilizing fuzzy c-means, and the subjection of tested data to normal state is defined as the degradation indicator, which has intuitionistics explanation related to degradation degree. Results of its application to accelerated bearing life test show that this indicator can reflect effectively performance degradation of bearing. And after discussing the influence of outliers in training set, a robust strategy is proposed.