In_(1-x)Ga_xAs_(1-y)P_y液相外延组分的初步研究

In_(1-x)Ga_xAs_(1-y)P_y四元合金是近几年来研究较活跃、发展较快和很有希望的Ⅲ-Ⅴ族多元化合物半导体材料。它引起人们注意的主要原因是它的组分参数X、Y值可以独立地改变,而且能在较宽的范围内调节禁带宽度和晶格常数,能与几种衬底材料(如InP、GaAs、GaAsP等)相匹配,相对应的禁带宽度在0.4～2.2eV之间。其中,InGaAsP/InP异质结的优越性尤为突出,因为它们晶格匹配的带隙范围为0.7～1.4eV,相应的发射和响应波长在0.9～1.7μm之间[2、4],目前光纤通讯中石英光纤在1.0～1.7μm波段内有损耗低和零色散区域。因此InGaAsP/     

基于EEMD降噪与非抽样提升小波包的滚动轴承故障诊断方法

针对传统小波包在诊断滚动轴承隐含故障中存在频率混叠、精度不高等问题,提出一种基于集成经验模态分解(ensemble empirical mode decomposition,EEMD)降噪与非抽样提升小波包相融合的故障诊断方法.首先利用EEMD方法分解原始故障信号得到多个本征模态函数(intrinsic mode function,IMF)分量,然后计算各个IMF分量与原始信号间的相关系数,并与设置的相关系数阈值相比较,将小于阈值的IMF分量视为伪分量予以剔除; 对剩余的IMF分量采用峭度准则再次筛选最优IMF分量进行重构,进而实现降噪目的.为了避免传统小波包因采取抽样运算方式导致频率混叠情况,文中采用非抽样运算的提升小波包来分解降噪信号,并采用Hilbert变换进行包络解调分析得到滚动轴承的故障位置.仿真实验和滚动轴承内圈故障应用实例表明:采用EEMD分解原始故障信号,结合相关系数-峭度准则,达到了很好的降噪效果; 采用非抽样提升小波包比传统小波包具有更高的故障诊断精度,且不存在频率混叠问题.