基于相关能量波动评估的学习样本筛选与深度置信神经网络的滚动轴承故障诊断研究

在数据驱动的滚动轴承状态智能辨识中,针对辨识模型构建过程中由于学习样本“质量差”造成其故障识别率低的问题,提出一种如何筛选学习样本的准则来提升基于深度置信神经网络滚动轴承智能辨识模型识别率的方法。首先,基于变分模态分解将具有时变调制特性的滚动轴承振动信号分解为有限个表征原信号不同成分的本征模函数分量;其次,根据其故障能量波动及其相关来量化并评估上述每个分量包含故障成分的比重,并据此对振动信号进行筛选重构来获取学习样本;最后,将上述学习样本集作为深度置信网络的输入来构建滚动轴承的故障辨识模型。实验结果表明,所提方法不仅筛选出滚动轴承振动信号中包含故障主成分的本征模函数分量并实现学习样本集构建,而且提高了基于振动数据的滚动轴承状态辨识模型的故障识别率。     

哈尔滨市跆拳道俱乐部教练员现状分析

本文运用文献资料法、问卷调查法、访谈法对哈尔滨市俱乐部教练员的年龄结构、学历结构、段位水平、训练年限、参加培训情况等方面进行调查分析,为哈尔滨市跆拳道俱乐部的发展提供一定的参考依据。     

基于小波分析的分数阶系统辨识

分数阶系统是整数阶系统的进一步发展,更适合于描述控制系统。提出了一种分步响应系统参数辨识的方法。该方法利用小波函数积分运算矩阵将分数阶微分系统方程转化为代数方程,用包含小波积分运算矩阵的方程表示待辨识系统的输出和输入。通过寻找最小值之间的区别实际的输出部分系统和识别系统的输出,获得最优解,分数微分方程系统的参数识别问题转化为寻找最优解的问题。该方法可以同时识别分数阶系统的系数和阶数。此外,该方法避免了直接对输入和输出数据微分的复杂计算,简化了输入和输出信号。     

履带式消防车起重臂取力装置的开发

履带式消防车因其高机动性、出色的通过性而常服役于易发生森林火灾的原始森林中，在山丘、沟壑等特殊地理环境下可以轻松通行。某履带式消防车除具有灭火功能外，还具有清障作用，用于清理火灾现场的断树、土石等障碍物，便于其它消防车迅速通过并执行任务。限于动力舱布局的局限性，亟需开发一种新型适用于该消防车驱动起重臂的取力装置。文中从取力装置的边界条件出发，运用理论方法对取力装置的传动齿轮进行设计和强度校核，并且通过有限元软件对取力装置的壳体进行了静力学分析和模态分析。为特种作业车的核心零部件的设计提供了一种思路。     

体育锻炼对民办高校大学生体质健康影响的研究

体育作为一种有意识、有针对性的社会活动之一，属于发展体力、强化体制教育的核心内容。随着素质教育的推进，体质健康逐渐变成学生教育培养的核心内容之一，而体育虽然是一门公共课程，却具有重要意义。根据现阶段的实际情况而言，大学体育课没有激发学生自主参加体育锻炼的效果，基于重体育技能与考核背景下，大部分学生都没有得益于课堂教学。由于体育锻炼能够促进学生身心的持续发展。因此，许多高校就应该在创新体育课的同时，对体育教学形式予以优化，加强学生体育锻炼的思想意识，提高其参与体育锻炼的自主性与积极性，以此增强学生体质健康。