基于VMD-SSA-LSSVM的短期风电预测

为解决由于风电预测中出现的波动性和随机性造成风电功率预测精确度不高的问题,提出一种基于变分模态分解(variational mode decomposition,VMD)、Tent混沌映射、随机游走的麻雀搜索优化算法(sparrow search algorithm,SSA)和最小二乘支持向量机(least squares support vector machines,LSSVM)的组合模型。首先应用鲸鱼优化算法(whales optimization algorithm,WOA)对VMD的核心参数(K值和惩罚系数α)进行自动寻优。经过WOA-VMD对原始风电功率时间序列分解过后,引入改进的麻雀搜索算法SSA优化最小二乘支持向量机LSSVM中的学习参数,然后对分解得到的各个子序列建立SSA-LSSVM预测模型;最后叠加各个子序列的预测值并得到最终预测值。经实验仿真对比,该文组合模型较现有单一预测模型和普通组合模型在预测精度上有较大提高。

声波反射法测量电流变液参数

电流变(Electrorheological,ER)液是一种新型智能材料,在外部电场作用下其物理特性可调节。文章设计了一种电流变液的声学测量系统,利用声波反射法测量电流变液的反射系数和相位差,根据声阻抗率与弹性模量关系,得到电流变液储能模量、耗能模量和损耗角等参数。实验结果表明:声阻抗率、储能模量和损耗角等参数与所施加外部电场的电压有关,采用电极绝缘漆处理工艺能有效兼顾电流变液对较大剪切应力和快速响应时间的性能要求。

数字分数微分器系数的快速算法

提出了一种理想数字分数微分器系数的快速算法。从理想数字分数微分器系数计算公式的特点考虑,利用变量代换把积分函数中的振荡因子转换成积分上限,避免高阶振荡函数积分计算,给出了计算分数微分器系数的递推公式。分析了快速算法的计算复杂度、稳定性和收敛性等问题。实验结果表明新算法具有运算量少,运算速度快并具有较好的稳定性和收敛性。

基于数字PWM的新型超声波清洗电源的研制

介绍了一种基于CPLD芯片的数字PWM超声波清洗电源的设计,其中包括数字PWM信号产生电路、单片机控制电路、功率放大电路、保护电路以及超声波电源与换能器的匹配和频率跟踪设计,并给出了系统软件设计流程。

基于DWT变换的语音端点检测

根据语音特性,提出一种基于离散子波变换(DWT)的语音端点检测方法.该方法利用(数字)语音信号的多尺度能量分布特性和不同分辨率下重构语音信号的相关特性来刻画(数字)语音信号,从而在噪声中检测出语音信号的端点.仿真试验结果表明:基于DWT变换的端点检测法与常用的端点检测方法相比,具有更好的抗噪性和识别稳定性.

基于CPLD的数字PWM信号发生器的设计

提出一种基于CPLD(复杂可编程逻辑器件)的数字脉宽调制波形发生器的设计。文中详细介绍以计数器为中心的PWM波形产生原理和设计过程,并给出数字PWM信号发生器的应用实例。测试结果表明,基于CPLD的数字脉宽调制波形具有频率稳定性好、死区时间可控,结构简单和调整灵活等特点,易于实现智能控制。

固体粘接界面的非线性共振特性研究

研究考虑粘接界面非线性的条件下,双层固体粘接薄板的振动特性。将双层板间的振动耦合看作一组非线性弹簧,理论上运用分离变量等数学方法,求解得到粘接层的应力应变关系为线性条件下的解析解,以及考虑非线性参量时系统共振的数值解。通过对双层铝板的环氧树脂粘接模型进行仿真研究分析,发现界面的共振频率随着界面粘接强度非线性参量的增加呈现先增大后减小的趋势,当界面强度弹性参量为300GN/m3时,共振频率的最大偏移量达到10%。在粘接强度退化早期,利用界面的非线性共振特性可以更好地检测粘接质量。

基于数字PWM的新型超声波电源的研究

介绍了一种基于数字PWM信号的超声波功率电源的设计。文中详细介绍了数字化超声波电源设计原理、数字PWM信号产生电路、功率放大电路、保护电路以及超声波电源与换能器的匹配和频率跟踪设计,并给出了系统软件设计流程。

高精度数字跟踪式压电陶瓷驱动电源设计

设计了一种数字跟踪式复合结构的压电陶瓷驱动电源。采用数字式自适应信号源,驱动高精度运放OP07和高压大电流运放PA04组成复合式放大器,通过合理的相位补偿、保护电路设计和散热计算,实现高精度低漂移的压电陶瓷驱动。

发动机高压涡轮转子卡滞分析

发动机地面起动时高压涡轮转子卡滞,通过对该发动机卡滞物及正面环喷管断口的失效分析认为,卡滞原因是由于正面环喷管平面与正面环的球面组合时有不同程度的间隙,在间隙大的部位采用搭桥焊接,焊点细腰部位产生横向收缩裂纹,在校正喷管角度时应力过大,裂纹扩展直至断裂,在工作过程中当3个焊点全部断裂时,正面环喷管脱落并卡滞在高压涡轮工作叶片之间,导致转子卡滞。通过改进焊接工艺,取消校正工艺,加强焊后检查,能有效预防正面环喷管脱落而导致的高压转子卡滞故障。

“高频电子线路实验”课程翻转教学模式的探索

传统的高频实验教学模式,过于重视理论验证,对高频理论的工程应用能力训练较少。为此,我们引入翻转教学思想,从教学形式和教学方法上进行探索。采用开放式实验模块,将验证和设计结合,课内指导和课外实验相结合,让学生从工程角度来实验电路和分析问题,突出设计性和实用性,从而有效地激发学生的自主学习和主动探究兴趣。

燃气涡轮起动机减速器离合器弹簧断裂分析

燃气涡轮起动机在返厂大修试车后检查发现减速器超越离合器的弹簧有3处断裂。为分析弹簧断裂的原因,对故障件进行外观形貌与裂纹检查、电镜观察、样件对比和金相组织检查,并通过建模对弹簧U形弯出现挤压尖角时应力集中系数进行分析,得出结论:弹簧断裂的失效模式是过载断裂,弹簧断裂的原因是弹簧冲压模具R转接处过渡不良、模具调整定位不准确、冲压工艺存在受力不均造成弹簧冲压成型时R转接外圆处产生原始裂纹损伤,在后续磨合试车中应力作用下发生过载断裂。通过对离合器的组成和原理分析,对弹簧断裂造成的危害性进行深入分析,明确了处置措施,有效地解决了弹簧断裂故障。

常用周期信号的分数阶微分运算

分数计算———分数阶微分与分数阶积分受到众多领域的广泛关注。从信号处理的观点来考察分数阶微分问题。首先 ,在频域中将微分算子分解为幅度算子和相位算子 ,导出正弦、余弦和复指数信号的分数阶微分表达式 ;然后考察矩形、三角形、梯形等常用周期信号的分数阶微分。给出了一些常用周期信号分数阶微分的解析形式 ,同时也研究了周期序列的分数阶微分运算的数字实现。结果表明分数微分运算确实存在 ,它同时改变了信号的幅度和相位 ,可以对之进行非线性分析。

广义希尔伯特变换及其数字实现

基于广义Hilbert变换将传统的Hilbert变换由整数阶向分数阶的推广,其应用领域也得到了扩展。首先,在频域定义广义Hilbert变换,利用广义Hilbert变换来构造新的广义解析信号。然后从数字信号处理角度来考察理想的广义数字Hilbert变换器的基本性质及其数字实现。文中利用窗函数法和频率采样法设计了FIR广义数字Hilbert变换器,并分析了设计误差。

复方忍冬藤提取物促进骨折愈合及抗炎作用研究

试验旨在探讨复方忍冬藤提取物对骨折愈合和抗炎的作用。采用牙科电钻制备兔右侧桡骨骨折模型,通过测定血清中钙、磷和碱性磷酸酶的含量,探明其对骨折家兔血清生化指标的影响。利用LPS诱导的RAW 264.7细胞建立炎症模型,采用ELISA法测定复方忍冬藤提取物对LPS诱导的RAW264.7细胞释放的炎症因子IL-6、TNF-α、IL-1β和NO含量的变化。结果显示,利用牙科电钻可成功制备兔骨折模型,复方忍冬藤提取物可增加骨折家兔血清中钙和碱性磷酸酶的水平,降低血清中磷含量。与LPS组相比,50~200μg/mL复方忍冬藤提取物对LPS诱导的RAW264.7细胞分泌的炎症因子TNF-α、IL-1β和NO的含量具有显著的抑制作用(P<0.05),对IL-6的含量无显著影响(P>0.05)。综上所述,复方忍冬藤提取物对骨折愈合有促进作用,并具有较好的抗炎效果。

基于分数希尔伯特变换的广义解析信号

从分数Hilbert变换出发,来考察实信号的复数形式,特别是新的解析信号构造问题.首先简述解析信号和分数Hilbert变换的概念,接着从经典的解析信号入手,提出基于分数Hilbert变换的解析信号构造方法,从而得到一类新解析信号.最后计论新解析信号的一些基本性质其应用.

金属材料超高周疲劳失效的基本特征

随着工业技术水平和金属材料强度的提高,超高周疲劳已经成为工程部件失效的新问题,超声疲劳试验是目前研究金属材料的超高周疲劳性能的主要方法。对金属材料超高周疲劳失效的基本特征进行了总结分析。超高周疲劳的S-N曲线一般分为3种形态特征:持续下降型、阶梯下降型和传统无限寿命型;裂纹萌生的位置与金属材料的种类、夹杂物的尺寸和残余应力等因素有关;超高周疲劳的影响因素主要是加载频率、加载环境和表面处理。

试论科学技术史教学在高职教育中的意义

在高等院校中大力推行素质教育，为社会舆论普遍认可．而科学技术史教育又是积极推进素质教育的重要途径，本文着重论述了科学技术史教学在高职教育中的意义。

一种新型的嵌入式动态血压监测仪研制

提出一种基于ARM Cortex-M3的嵌入式动态血压监测仪的设计方案。该方案采用高斯分布曲线对人体脉搏波包络进行拟合,通过优化高斯分布参数和状态反馈参数,提高了算法运算速度和精度,实验结果表明新型的嵌入式动态血压监测仪具有精度高、重复性好、抗干扰能力强等特点。

机械专业英语兴趣教学法刍议

高等学校机械专业英语的教学现状令人忧虑。针对这种情况,本文特提出关于机械专业英语的兴趣教学法,并对这一教学方法的理论依据、实际内涵和教学途径做了进一步的阐述与探索。