基于小波包分析的滚珠丝杠状态监测

为了研究丝杠在不同寿命下的运行状态,准确判断出丝杠的性能退化程度,提出了一种基于小波包分析的丝杠运行状态监测方法。以丝杠性能退化试验平台为研究对象,安装三向加速度传感器,来采集丝杠的振动信号。通过对振动信号的进行小波包变换,采用能量谱筛选出包含丝杠状态信息的频率带,再从这些频率带中通过时域、频域分析的方法提取出敏感特征,最后运用机器学习的方法对特征进行分类,以达到监测丝杠运行状态的目的。试验结果表明通过该方法可以有效监测丝杠状态,平均识别准确率达到了95%以上。

基于AR模型和谱熵的自适应小波包络检测

针对传统故障诊断的包络问题,提出了一种基于自回归(auto regressive,AR)模型和谱熵的自适应复解析小波包络检测方法。通过AR模型从数据内在规律性上剔除机械振动信号中可线性预测的平稳成分,提取共振衰减的非平稳成分,在不同频带下进行复解析小波包络,结合谱熵在频域内与通带滤波的相关性选定最佳包络。仿真和试验数据分析结果表明,该方法能有效地提取故障特征频率,较传统方法自适应性更强,鲁棒性更高,包络效果更好,在工程应用中具有良好的前景。

RAS基因突变在甲状腺癌中的研究进展

RAS基因编码的蛋白在细胞内信号转导,细胞增殖和分化中起重要作用。RAS突变和人类甲状腺癌的发生、发展有密切关系。对RAS突变的研究有利于甲状腺癌的早期诊断、药物治疗和预后分析。本文就RAS突变与甲状腺癌的关系及其潜在的临床意义进行综述。

采用字典学习和AdaBoost算法的信号诊断

信号处理和机器学习是故障诊断过程中的关键技术,针对机械关键零部件的传统诊断技术,提出了一种采用字典学习和AdaBoost算法的信号诊断方法。该方法基于原始振动信号驱动训练数据,通过K-SVD和OMP算法更新字典并对其在字典空间稀疏表示,筛选重构所得增强信号时、频域特征,采用集成算法在AdaBoost神经网络分类器中实现振动信号的诊断。研究表明,采用字典学习和AdaBoost算法的信号诊断方法自适应强,能准确提取信号本质特征,诊断精度高,优于传统诊断技术。

氧化锌催化木质素选择性解聚制备对香豆酸甲酯

木质素是自然界中含量最丰富的芳香族可再生碳资源,具有极高的利用价值。针对当前木质素解聚技术存在反应条件苛刻、产物选择性低等难题,构建了一种廉价的金属氧化物催化剂体系,研究了草本木质素选择性解聚制备对香豆酸甲酯的性能。考察了不同金属氧化物、反应温度、反应时间以及溶剂等因素对于对香豆酸酯收率和选择性的影响。研究结果表明,金属氧化物ZnO对于草本木质素选择性解聚制备对香豆酸甲酯的过程具有最佳的催化活性。在优化的反应条件下,可获得9.8%的对香豆酸甲酯收率和61.6%的选择性;通过对木质素解聚产物的分析并结合反应前后木质素的傅里叶红外光谱(FT-IR)和二维核磁(2D HSQC NMR)表征结果发现,木质素分子中H结构单元的选择性断裂是其催化解聚过程中对香豆酸甲酯收率和选择性高的主要原因。

计算机信息管理技术在网络安全中的应用

随着互联网技术的普及,网络安全受到人们的日益关注。计算机信息管理技术对于保证网络安全起着积极的作用。文章对影响网络安全的因素进行了探讨,结合计算机信息管理技术在网络安全中的具体应用,分析了其优化策略。