用改变的霍夫曼降解反应/气相色谱分析ATMA和DDMA阳离子表面活性剂

本文报道了用碱熔试剂(氢氧化钠-醋酸钠熔融混合物)在封管内进行霍夫曼降解反应,以TAMA和DDMA为对象,研究最佳反应条件,得到高产率的α-烯烃。最佳反应条件为160℃,碱熔试剂为样品量的25倍,反应2小时,为GC测定阳离子表面活性剂亲油基分布提供了可行的分析方法。

DDMA-LFM波形的MIMO模糊函数分析

由于MIMO雷达波形的选择与参数设计直接决定了雷达的探测性能、系统分辨率、探测精度以及潜在的抗干扰性能,基于模糊函数理论以及MIMO阵型参数,对DDMA-LFM波形集的时频空三维的模糊函数进行分析,分析其波形集与阵列流型相互作用后同雷达在距离-速度-方位三个维度的探测性能的关系。结合发射波形集与雷达阵列流型推导三维的时延-多普勒频率-空间方位MIMO模糊函数,通过公式推导以及仿真分析发现,DDMA-LFM波形无需通过优化编码等,保证了信号的连续性同时简化了设计过程。同时,DDMA-LFM距离(时延)分辨性能与空间方位可独立分离,多普勒频率与空间方位存在相互耦合,但在有效多普勒谱宽内不影响雷达分辨性能,且波形集与阵列相互作用能一定程度上提高某些方位的角度分辨率达5°左右。

基于DDMA算法和电路层次分析法进行的网络灵敏度分析

本文介绍了两种网络灵敏度分析的新方法,第一种方法是直接微分改进算法(DDMA),这种方法通过对直接微分改进算法的严格数学推导从而实现同时计算一个或者多个电路变量关于参数的灵敏度。第二种方法是基于电路的层次分析法提出了另一种不同于以往传统计算的灵敏度分析方法,它直接采用电路的层次结构来解决网络方程的问题并进行严格的数学推导同时计算一个或者多个电路变量关于参数的灵敏度。

基于监测树的高速铁路光传送网络故障定位研究

高速铁路光传送网络承载了列车控制等安全级别较高的业务,其正常运营是铁路安全行车的基础。为保证网络的安全可靠性,在网络链路出现故障时,必须快速准确地定位故障链路。利用监测树M-tree方案,通过将网络拓扑转化为树形结构,并在指定节点设置监测器实现故障链路定位。为实现M-tree的构造,提出基于度与距离的监测器分配算法DDMA,算法选择节点度最大且相互距离最远的两个节点作为监测信号的转发节点以扩展M-tree。仿真数据表明,利用DDMA设计的M-tree方案所需监测代价不超过理论最小监测代价的7%。相对于现有的监测迹M-trail方案,DDMA算法最大可以节省30%左右的监测代价。利用DDMA为高速铁路骨干层光传输网络设计M-tree监测方案,实际监测代价不超过理论最小值15%。DDMA算法复杂度较低,当网络中含有100条链路时,算法运行时间不超过0.2 s。

广义精细复合多尺度样本熵与流形学习相结合的滚动轴承故障诊断方法

针对滚动轴承故障特征提取困难的问题,提出了一种广义精细复合多尺度样本熵(GRCMSE)与流形学习相结合的特征提取方法。利用GRCMSE提取滚动轴承故障特征信息;采用判别式扩散映射分析(DDMA)方法对高维特征进行降维处理;将低维故障特征输入粒子群优化支持向量机多故障分类器中进行故障识别。滚动轴承故障实验分析结果表明:GRCMSE特征提取效果优于多尺度样本熵(MSE)、精细复合多尺度样本熵(RCMSE)和广义多尺度样本熵(GMSE);DDMA降维效果优于等度规映射(Isomap)和局部切空间排列(LTSA)的降维效果;GRCMSE和DDMA相结合后的滚动轴承故障识别精度达到100%。