活血清利法治疗睑黡1例

1病历摘要患者男,44岁,因“双眼严重睑黡3年”于2022年10月22日就诊。患者双眼貌似大熊猫眼,自觉影响外观,多次求诊于中医治疗,前医多从肾虚论治,效果欠佳。刻诊:双眼黑眼圈明显,范围大,伴身困、腰酸、性功能减退,夜间睡眠欠佳,日间精神欠佳,进食正常,大便偏烂且臭,小便偏黄,无夜尿增多,腹部隆硬;舌偏暗红苔薄白,脉沉涩。患者每周饮酒两次,每次饮白酒半斤。血生化结果示:血尿酸473.0μmol/L(正常值150~416μmol/L),甘油三酯5.4 mmol/L(正常值<1.70 mmol/L),总胆固醇6.0 mmol/L(正常值<5.18 mmol/L),低密度脂蛋白胆固醇4.1 mmol/L(正常值≤3.37 mmol/L),空腹血糖6.8 mmol/L(正常值3.9~6.1 mmol/L)。辨证为实证,水湿内结,瘀积阻滞,肾水上泛证;治以清利水湿,活血化瘀;予大柴胡汤合桂枝茯苓丸加减。

阶次跟踪在齿轮磨损中的应用

研究旋转机械在变速过程中振动信号的分析方法。在利用B&K3560多分析仪对齿轮箱加速时测得的振动信号进行时域采样的基础上,利用样条插值算法进行角域重采样得到等角度分布的采样点,并对其进行阶次跟踪分析。结果显示出阶次跟踪分析法在处理转速变化信号时的优越性:能够有效地避免传统频谱方法所无法解决的“频率模糊”现象,对齿轮箱的早期故障有一定的识别能力。该方法是对传统的频谱分析法的有力补充,具有很广阔的应用前景。

运用阶次跟踪和奇异谱降噪诊断齿轮早期故障

针对齿轮箱升降速过程中振动信号非平稳的特点,将阶次跟踪分析与奇异谱降噪技术相结合,提出了一种针对齿轮早期故障的诊断方法。首先对齿轮箱加速时测得的瞬态信号进行时域采样,再对时域信号进行等角域重采样,转化为角域伪稳态信号;然后对角域信号进行奇异谱降噪处理,以减小背景噪声的影响;最后对降噪后的信号进行阶次谱分析。通过对齿轮箱早期故障信号的分析表明,该方法能准确地识别出齿轮的故障特征。

基于阶次包络谱的轴承故障诊断研究

研究旋转机械在变速过程中振动信号的分析方法。在利用B&K3560多分析仪对齿轮箱加速时测得的振动信号进行时域采样的基础上,利用样条插值算法进行角域重采样得到等角度分布的采样点,并对其进行阶次跟踪分析,在此基础上利用Hilbert包络解调得到轴承故障信息的阶次包络谱。结果显示阶次包络谱分析法在处理轴承转速变化信号的优越性:能够有效地避免传统频谱方法所无法解决的“频率模糊”现象,对轴承的早期故障有一定的识别能力。该方法是对传统的频谱分析法的有力补充,具有很广阔的应用前景。

基于阶次跟踪和经验模态分解的滚动轴承包络解调分析

针对齿轮箱升降速过程中振动信号非平稳的特点,将计算阶次跟踪方法与经验模态分解技术相结合,提出一种研究旋转机械瞬态信号故障诊断的分析方法。首先对齿轮箱启动时测得的振动信号进行时域采样,再对时域信号进行等角度重采样,将其转化为角域准平稳信号,然后对角域里的信号进行经验模态分解得到多个固有模态函数分量,最后对包含轴承故障信息的高频固有模态分量进行包络解调分析。结果显示:阶次跟踪技术能够有效地避免传统频谱方法所无法解决的'频率模糊'现象,将非平稳信号转化为准平稳信号;经验模态分解方法能够提取包含故障信息的固有模态分量,将两种方法相结合是对传统频谱分析法的有力补充,具有很广阔的应用前景。

利用倒阶次谱和经验模态分解的轴承故障诊断

针对齿轮箱升降速过程中振动信号非平稳的特点,将阶次跟踪分析与希尔波特-黄变换技术相结合,提出了基于倒阶次谱和经验模态分解的滚动轴承故障诊断方法。首先,对齿轮箱加速时测得的瞬态信号进行时域采样,对时域信号进行等角度重采样,转化为角域伪平稳信号,然后对角域信号进行经验模态分解。最后,对包含轴承故障信息的高频固有模态函数进行倒阶次谱分析,就可以提取轴承的故障特征。通过对轴承内圈和外圈故障信号的分析表明,该方法能准确识别轴承的故障类型和部位。

基于阶次跟踪和HHT边际谱的轴承故障诊断研究

提出一种研究旋转机械瞬态信号的分析方法。对齿轮箱启动时测得的原始振动信号进行角域重采样,然后对角域里的信号进行EMD(Empirical Mode Decomposition)分解得到多个IMF(Intrinsic Mode Function)分量,最后对各个IMF分量进行了边际谱分析。结果显示:阶次跟踪技术能够有效地避免传统频谱方法所无法解决的"频率模糊"现象,EMD方法能够将稳态信号分解为多个IMF分量,边际谱能够对轴承故障进行准确诊断。将两种方法相结合是对传统的频谱分析法的有力补充,具有很广阔的应用前景。

两种检测生鲜乳中β-内酰胺酶方法的比较

采用Unisensor试剂盒法和杯碟法对22份来自不同奶站的生鲜乳中β-内酰胺酶进行了检测,指出了两种方法各自的优点和缺点。β-内酰胺酶检测过程中,两种方法应配合使用,简便、快捷的Unisensor试剂盒法可以做现场及快速检测,杯碟法可以对Unisensor试剂盒法的检测结果进行确证。

基于阶次跟踪和经验模式分解的齿轮故障诊断

提出了一种研究旋转机械瞬态信号的分析方法.对齿轮箱加速时测得的原始振动信号进行角域重采样,并对角域里的信号进行经验模式分解(EMD)得到多个固有模式函数(IMF),最后对包含齿轮故障信息的IMF分量进行阶次谱分析.结果表明,阶次跟踪技术能够有效地避免传统频谱方法所无法解决的频率模糊现象,EMD方法能够提取包含故障信息的IMF分量,将两种方法相结合是对传统的频谱分析法的有力补充,具有很广阔的应用前景.

1AP中铀钚在线分析

为及时监测后处理台架实验1AP中铀和钚浓度,设计加工了1套用于铀钚浓度在线测量的X射线荧光装置,该装置几何光路入射光线与出射光线夹角为60°。为保护光管和探测器不受环境腐蚀,对装置进行了密封。采用已定值的铀和钚配制不同浓度的系列溶液作标准溶液,绘制工作曲线,在此基础上,建立了测量铀钚浓度的分析方法。经测试,本装置测量铀浓度的相对标准偏差为0.42%;连续测量3h,相对极差为1.6%,说明该装置稳定性良好。应用该装置对台架实验1AP中铀浓度进行在线测量,能及时检测铀浓度的波动,测量值与滴定法得到的值较一致。

基于阶次跟踪与伪魏格纳分布的齿轮故障诊断

提出了一种研究旋转机械瞬态信号的分析方法。对齿轮箱加速时测得的原始振动信号进行角域重采样,然后对角域里的信号进行伪魏格纳分布研究。结果显示:阶次跟踪技术能够有效避免传统频谱方法无法解决的"频率模糊"现象,伪魏格纳分布能够从三维的角度来描述齿轮的啮合情况,将两种方法相结合是对传统的频谱分析法的有力补充,具有广阔的应用前景。

L边密度计稳定性监控及U、Pu测量

本文采用金属Zr片作为质控样品监控L边密度计的长期稳定性,在此基础上采用L边密度计测量系列水相U标准溶液和水相Pu标准溶液,绘制水相U工作曲线和水相Pu工作曲线,建立了L边密度计测量U、Pu的分析方法,并采用该工作曲线测量了系列U和Pu标准溶液。结果显示,该方法既可测量水相U、Pu,也可测量有机相U、Pu,对于10 g/L以上的U溶液,测量结果的相对偏差小于5%;对于5 g/L以上的Pu溶液,测量结果的相对偏差小于1.7%。以上结果表明,本文所建立的L边密度计测量U、Pu的方法准确度良好,可用于实际U、Pu的测量。

基于阶次跟踪和HHT能量谱的轴承故障诊断

提出了一种研究旋转机械瞬态信号的分析方法。对齿轮箱传动加速时测得的原始振动信号进行角域重采样,然后对角域里的信号进行EMD分解得到多个IMF分量,最后对包含故障信息的IMF分量进行了能量谱分析。结果显示:阶次跟踪技术能够有效地避免传统频谱方法所无法解决的“频率模糊”现象,EMD方法能够将稳态信号分解为多个IMF分量,能量谱能够对轴承故障进行有效诊断。

基于阶次跟踪和HHT瞬时相位法的轴承故障诊断

提出了一种基于阶次跟踪和HHT(Hilbert-Huang transform)瞬时相位法的轴承故障诊断新方法。对齿轮箱启动时的振动信号进行角域重采样,并对角域里的信号进行经验模态分析(EMD)分解得到多个固态模态函数(IMF)分量及其各自的瞬时相位谱,最后对包含故障信息的瞬时相位分量进行了快速傅里叶变换(FFT)。结果表明,该方法能对轴承的故障部位和类型进行准确诊断。

基于小波包和阶次包络谱的轴承故障诊断

研究旋转机械在变速过程中振动信号的分析方法。利用小波包提取了齿轮箱启动过程中振动信号的高频成分,并对其进行了角域重采样,在此基础上利用H ilbert包络解调得到轴承故障信息的阶次包络谱。结果显示:将小波包和阶次包络谱分析法相结合处理轴承瞬态信号时,能够有效地避免传统频谱方法无法解决的“频率模糊”现象,对轴承的早期故障有一定的识别能力,是对传统的频谱分析法的有力补充。

基于时频和频谱分析的齿轮箱故障诊断

对频谱分析方法和时频分析方法的原理进行了分析,根据频谱分析与时频分析的特点以及齿轮箱故障诊断研究的需要,将两种方法有效地结合起来应用于齿轮箱的故障诊断中.结果表明,此方法能够有效地解决各自方法中的不足,得到比较理想的诊断结果.

基于小波包变换和BP网络的齿轮箱故障诊断

利用小波包分析提取出齿轮箱在各种工况下振动信号的有效成分,根据时频域特点提取比较典型的特征参量,利用改进的BP网络进行训练,根据训练结果判别齿轮箱的故障状态.

基于小波包变换和伪魏格纳分布的轴承故障诊断

将小波包变换理论和伪魏格纳分布应用于齿轮箱故障诊断中,结合实例对轴承的振动信号进行分析,结果表明:小波包变换能有效地提取各频段的高频成分,通过对提取的信号做伪魏格纳分布,结果能形象、直观地反映出轴承故障的时-频信息,而且对故障信息具有较强的判别能力.

源激发X射线荧光测定头发中Ca、Fe、Cu、Zn、Pb的方法优化

同位素源激发X射线荧光(XRF)已广泛应用于头发中的微量元素测定。中国原子能科学研究院曾经建立了源激发X射线荧光分析技术分析头发样品,Pb的检测限(LLD)约10μg/g。本工作在原来工作的基础上优化仪器参数,降低背景信号强度,提高了灵敏度,尤其是对Pb的灵敏度,使Ca、Fe、Cu、Zn、Pb的检测限分别达到19、1.2、1.1、0.62、1.1μg。首次采用V做内标元素,取样量为0.5g,仪器的短期稳定性相对标准偏差(RSD)为0.38%,长期稳定性相对标准偏差为0.98%。

基于时域平均的齿轮故障诊断

提出了信号时域平均处理的新算法，解决了周期截断误差对平均结果的影响，并对测取的齿轮箱齿轮故障振动信号进行了处理。实验结果表明：该方法在齿轮故障信号的处理中能够消除背景噪声的影响，取得比较理想的效果。