基于随机矩阵谱分析的机械液压传动系统故障辨识方法

传统故障辨识方法受机械液压传动系统故障影响,存在故障辨识率低、有效性差问题,提出基于随机矩阵谱分析的机械液压传动系统故障辨识方法。通过分解故障振动信号,得到故障信号的特征向量函数,利用线性分析提取故障信号的随机变量;根据故障信号求解,提取机械液压传动系统故障特征;利用随机矩阵谱分析方法描述机械液压传动系统的状态空间,推算机械液压传动系统的状态方程;利用机械液压传动系统的残差阈值,检测到机械液压传动系统故障;通过对比机械液压传动系统故障的贴近度,选取最大值作为机械液压传感系统的故障信息,实现机械液压传动系统故障辨识。实验结果表明,该方法具有更高的故障辨识率。

云南小粒咖啡类黑精荧光矩阵光谱特征

本文以云南小粒咖啡为原料制备类黑精,采用三维荧光矩阵光谱分析技术(Three dimensional excitation emission matrix spectra,3D-EEMs)研究咖啡类黑精在不同温度、不同pH、不同光照及存放时间、不同浓度条件下的荧光光谱特征变化。结果表明:在10~80℃范围内云南小粒咖啡类黑精水溶液荧光强度与温度成反比;pH介于5~10之间的类黑精水溶液荧光强度较为稳定;避光存储的类黑精水溶液在60 min内荧光强度变化不显著(P>0.05),而光照时间增加会导致荧光强度显著下降(P<0.05);在浓度小于0.5 mg/mL时,类黑精水溶液荧光强度与浓度成正比,相关系数为0.9846;浓度大于10 mg/mL时会发生荧光猝灭,类黑精水溶液荧光强度与浓度不相关。本研究将为咖啡类黑精光谱特征的深入研究提供一定数据支持。

层次聚类社区发现算法的研究

概述了社区发现算法的研究现状;介绍了因分析对象的不同而产生的四类社区发现方法:矩阵谱分析方法、层次聚类方法、基于边图思想的方法和基于极大团思想的方法。对其中性能最优的层次聚类方法进行了详细的综述,并对其典型算法进行了分析比较。最后,提出了社区发现算法可能的研究方向,为今后的研究提供参考。

网络社区发现算法在流动表建模中的设计与应用

代际流动表可以统计子代与其父代社会地位配对数据的交互频数,反映了社会资源占有的优劣势在父子两代人之间的比较。对财富、阶级、特权等社会基本特征演变的实证考察,均依赖于代际流动表的量化分析。对数线性模型是流动表建模分析的基本工具,通过对列联表单元格频数进行拟合,可以识别流动表行分类与列分类之间的强弱交互效应,刻画父子社会地位间的交互结构。本文利用复杂网络社区发现算法分析父子社会地位的关联结构,针对简约对数线性模型拟合精度不够的问题,提出一种新的建模思路:利用社区发现算法对简约对数线性模型的残差列联表进行关联关系挖掘,将发现的社区效应作为附加参数约束引入原对数线性模型,以改善数据的拟合情况。由于该方法只在原简约对数线性模型中增加了一个参数约束,因此仍可以保证建模结果的简洁性及理论意义,同时社区效应补充了原对数线性模型对经验数据结构的解读。论文用此方法对来源于中国综合社会调查数据的经验代际职业流动表进行建模分析,较好地解释了子代职业阶层与父代职业阶层间的关联模式。