古代西北地区酿造业的再现

我国的酿造业有悠久的历史。在远古时代,我国人民就懂得利用霉菌等微生物酵制酒,从制酒母开始以至掌握制曲技术。欧洲用淀粉发酵制造酒精,所用菌种是从中国传去的。从历史资料得知,远在六千年前,我国新石器时代晚期,中国刚进入父系氏族公社的时候,就是黄帝时代,已经有了原始的制酒方法。《说文解字》载: 古者仪狄酒醪,禹尝之而美,逐疏仪     

变转速下滚动轴承的阶频谱相关域微弱故障特征增强与提取

滚动轴承是旋转机械常用且故障率较高的部件之一,其故障的及时发现,对于设备安全、稳定运行具有重要意义。滚动轴承的早期故障特征十分微弱,容易被强背景噪声干扰所掩盖。同时,滚动轴承往往在变转速工况下运行,故障特征的时变特性导致特征提取较为困难。针对上述问题,提出一种变转速下滚动轴承的阶频谱相关(OFSC)域微弱故障特征增强与提取方法。首先,利用变转速下滚动轴承故障信号的角度时间域循环平稳特性,将故障信号转换到阶频谱相关域。然后,采用鲁棒主成分分析(RPCA)的低秩稀疏分解方法,将轴承振动信号的阶频谱相关矩阵分解为表征轴承故障特征的稀疏成分,并去除表征噪声的低秩成分,进一步提高稀疏分量的分辨率。最后对分解出的稀疏分量构建增强包络阶次谱(EEOS)来检测滚动轴承的故障特征。仿真和实验分析验证了该方法对于变转速工况轴承微弱故障特征增强和提取的有效性和鲁棒性。     

发展水利旅游促进水利经济可持续增长

发展水利旅游是提高资源综合利用价值的体现、是促进水管单位体制改革的途径、是提升国民水商品意识、水忧患意识、节水意识有效方式的论述,说明以水利工程为依托发展水利旅游事业,是采取生态措施实现治水事业发展的最高境界,实现人与自然和谐相处和促进水利经济可持续发展的有效途径;说明只要我们发挥主观能动性,加强自律,自觉约束自身行为,与水和谐相处,有意识地保护我们赖以生存的水环境,人与自然和谐的境界就一定能实现。     

大枣牛奶布丁的研究

以大枣和牛奶为主要原料,制作布丁类食品。利用正交试验法对大枣、牛奶、琼脂的配比进行考察。试验结果表明,枣泥30g(白砂糖5g,水30g)、牛奶100g(白砂糖5g)、琼脂1g(水20g)的配比效果最好,所制备的布丁口感细腻、营养丰富、清爽弹滑。     

当前陕西煤化工产业发展及需要关注的问题及建议

煤炭是陕西的优势资源，发展现代煤化工是陕西建设经济强省的必由之路。做强做大煤化工及下游产业，成为构建具有陕西特色的现代产业体系、推进陕西新型工业化进程的重要选择。     

谈城市路灯监控系统实用性设计中应注意的问题

随着社会的发展，科技水平的不断提高，城市照明监控系统设计技术日臻成熟，作者根据实际工作经验，就在城市路灯监控系统设计应注意的几个问题展开论述，旨在能够促使开发单位设计出更完备的控制系统。     

大豆枣糕的研制

枣糕是一种传统美食,以小麦粉为主要材料。本品在枣糕的基础上添加了大豆粉,使其营养更加丰富。研究了影响大豆枣糕质量和口感的因素,确定大豆枣糕的最佳配方。以大豆枣糕的感官评分为评价依据,通过单因素试验和正交试验,对产品配方进行优化。结果表明,大豆枣糕的最佳配方是枣泥300g,小麦粉80g,大豆粉40g。此配方制作的大豆枣糕口感绵密,品质最佳。     

变转速下L1,1,2范数与张量核范数联合约束的TRPCA滚动轴承故障特征提取方法

滚动轴承作为旋转机械设备的重要部件之一,其工作状态直接影响旋转设备的运行安全,因此其故障特征的有效提取对于保障机械设备正常运行具有重要的意义。实际应用中滚动轴承通常以变化的速度运行,并且单一传感器采集的轴承的非平稳信号往往被严重的背景噪声覆盖,使得故障特征的提取非常困难。为了解决这一问题,提出一种变转速下L_1,1,2范数与张量核范数联合约束的张量主成分分析(tensor robust principal component analysis, TRPCA)滚动轴承故障特征提取方法。首先,使用时频表示(time-frequency representation, TFR)作为正向切片构建张量,分别探讨滚动轴承时变故障特征在张量域中的管稀疏性和背景噪声在张量域中的低管秩性。进而使用L_1,1,2范数与张量核范数联合约束的TRPCA对故障特征张量进行提取,得到管稀疏的故障特征张量。最后将提取的故障特征张量在通道索引中进行融合,得到能够有效表征故障特征的时频表示。仿真和试验分析验证了该方法在轴承故障特征提取中的有效性。     

基于低秩和稀疏分解的滚动轴承故障特征提取方法对比研究

滚动轴承是机械设备中广泛使用的关键部件，其故障特征的准确提取对设备稳定运行至关重要。轴承的初始故障很微弱，容易被背景噪声掩盖，这使故障特征的提取较为困难，需要对轴承故障特征与噪声的特性进行准确刻画。针对上述问题，为了深入探究轴承故障特征及噪声在时频域中的低秩与稀疏特性及其内在关联，对轴承故障特征提取低秩稀疏分解框架下的两种代表性方法开展对比研究，以便充分利用故障特征与噪声成分的性质，为噪声干扰下的轴承故障提取方法选择提供一定的依据。利用周期性瞬态冲击信号在时频域中的稀疏与低秩特性建立矩阵分解模型，对比了Go分解(go-decomposition, Go-Dec)和非负矩阵分解(non-negative matrix factorization, NMF)两种具有代表性的分解方法，并将其应用于时频域中滚动轴承的故障特征提取。首先，基于短时傅里叶变换(short time Fourier transform, STFT)生成振动信号的时频矩阵，并揭示了轴承故障脉冲在时频域中具有的稀疏性和低秩性。利用Go-Dec和NMF两种矩阵分解方法，分解出表征故障特征的矩阵。最后，对分解的故障矩阵采用逆...     

组稀疏低秩矩阵估计的变转速滚动轴承故障特征提取EI北大核心CSCD

早期轴承故障特征的有效提取对于避免严重机械事故具有重要的意义。表征轴承故障的脉冲信号往往淹没在强背景噪声干扰中,并且轴承常常在变转速工况下运行,这使故障特征的提取较为困难。针对这一问题,提出一种用于变转速工况下滚动轴承故障特征提取的组稀疏低秩矩阵估计算法。首先,根据变转速工况下轴承故障脉冲信号的角度时间循环平稳特性,利用阶频谱相关(order-frequency spectral correlation, OFSC)将测量信号转换至阶频域中;其次,揭示了轴承故障脉冲在阶频域中的组稀疏性和低秩性,并据此构建一种凸优化问题来增强这两种特性,引入非凸罚函数来提高故障特征的稀疏性;再次,在交替方向乘子法(alternating direction method of multipliers, ADMM)和优化最小化(majorization-minimization, MM)框架下求解该凸优化问题,推导出组稀疏低秩(group sparse low-rank, GSLR)矩阵估计算法;最后,通过构建增强包络阶次谱(enhanced envelope order spectrum, EEOS)对求解得到的目标分量进行故障特征检测。仿真和试验信号的分析验证了该方法在故障特征提取中的有效性。