基于两步式融合重构的压缩频谱检测方法

在宽带频谱检测技术中,针对传统分布式压缩感知方法(DCS)数据传输量大、能耗高的问题,提出了一种基于两步式融合重构的压缩频谱检测(TS-CSS)方法.该方法的数据重构过程分为先支撑集信息融合,后信号联合重构两步,通过支撑集信息融合获得的先验信息可指导信号的联合重构.仿真结果表明,联合重构时随机选择50％的用户参与,即可获得与传统DCS接近甚至更优的频谱检测性能,因而,该方法能够有效地降低系统数据传输量,节省频谱检测耗能.     

感知中继网络中依据检测结果的频谱共享机制

在感知中继网络中,为实现授权频带在主次用户间的高效利用,提出一种基于检测结果的频谱共享机制,允许次用户根据频谱检测的结果自适应地选择传输方式. 并在该机制下,考虑主次用户间的干扰情况,进而根据信干噪比(SINR)推导出次用户网络的中断概率和符号错误概率的闭式表达式. 仿真结果表明,本机制与传统的频谱共享机制相比,能在保证主用户通信的前提下,使次用户网络获得较高的性能增益.     

磁性液体性能及运行工况对密封耐压值的影响

为研究不同种类磁性液体及密封工况对密封效果的影响,以Fe3O4为磁性颗粒,以链状氟醚油为基液,制备一系列不同颗粒含量、基液分子量的磁性液体,对磁性颗粒及磁性液体的结构、性能进行表征,在搭建的密封试验台上测试磁性液体种类及运行工况对密封耐压效果的影响。结果表明：制备的磁性颗粒粒径为纳米级,呈近球形形貌,具有较高的饱和磁化强度,磁性液体具有较好的分散稳定性;随颗粒含量增加、基液分子量增大,密封耐压值先增大后减小;在颗粒质量分数为30%、基液分子量为4 600 g/mol时,密封耐压值最高;随主轴转速增大,密封耐压值逐渐减小;随密封时间延长,密封耐压值先减小后趋于稳定。     

多域信息融合结合改进残差密集网络的轴承故障诊断

针对滚动轴承原始时域信号信息单一、深度卷积神经网络提取的特征对信息的传递存在差异等问题,该研究提出了一种多域信息融合与改进残差密集网络的轴承故障诊断方法。为了获取故障的多方面信息,先对原始数据进行多域变换,再将融合信息输入经卷积注意力改进的残差密集网络进行深度学习。经注意力机制改进的网络能够实现对提取特征的重要性区分,提高网络的训练速度、改善识别准确率。试验结果及对比分析表明该算法可以提取较为全面的特征,较传统方法具有更好的识别效果。     

类别标签辅助改进稠密网络的变工况轴承故障诊断

基于数据驱动的滚动轴承智能故障诊断得到广泛研究,但多数研究中均假设训练数据与测试数据同分布,考虑到旋转机械实际运转中复杂多变的工况往往导致数据分布产生偏差,使得识别方法的通用性差、实际识别效果不佳。将域适应引入轴承故障诊断过程中,基于迁移学习提出了一种特征空间域和标签概率分布同步适应的迁移学习网络。该网络将一维稠密卷积网络及注意力机制融合实现复杂故障特征的自动提取;域适应处理通过联合最小化特征概率分布差异和标签概率分布差异来约束网络学习域不变特征;最终对变工况滚动轴承故障实现了高准确度的识别。实验结果表明了该方法的可行性及良好的性能。