广义Moran集的重Fractal分解

设Ｋ为广义Ｍｏｒａｎ集．μ为支撑在Ｋ上的无穷乘积测度，本文研究结合μ的Ｋ的重ｆｒａｃｔａｌ分解，利用配齐降阶技巧与网测度技巧讨论了在此分解下维谱ｆ（α）的性质，并讨论了若干很重要的典型例子．

广义重fractal分解及加权的f（α）曲线

设Ｋ为广义Ｍｏｒａｎ集，μ为定义在Ｋ上的无穷乘积测定，本文研究结合μ的Ｋ的重ｆｒａｃｔａｌ分解，其中维谱ｆ（α，ｗ）是经过加权的．本文利用配齐降阶技巧及网测度技巧讨论了在此分解下维诺ｆ（α，ｗ）的性质，并讨论了若干很重要的典型例子．

基于频域分解与重采样的结构欠采样模态辨识

为了研究欠采样情况下的结构模态辨识问题,首先,在频域分解法识别结构模态参数的基础上,引入重采样策略,对不同采样频率下的参数进行辨识;其次,使用模态确认准则进行模态匹配,结合扇形折叠曲线对欠采样下发生混叠的模态参数进行还原,还原出结构的真实频率以及阻尼比;最后,通过一个8自由度仿真模型和一个4层框架实验案例,证明所提方法能够准确识别欠采样结构的频率、阻尼比和振型,重采样策略能够切实解决欠采样模态辨识问题,从而验证了该方法的正确性和可行性。

基于最优变分模态分解与相空间重构的LSTM船舶横摇运动预测

为提高船舶海上作业稳定性,需要精确预测船舶横摇运动,以增强船舶横摇补偿控制效果。建立了一种基于最优变分模态分解与相空间重构的长短时记忆神经网络船舶横摇运动预测模型。该模型利用最优变分模态分解方法,将船舶横摇运动数据分解成多个不同频率尺度且相对平稳的模态分量;基于最大Lyapunov指数对各模态分量进行混沌性判定;对非混沌分量进行单维LSTM预测,对混沌分量利用C-C方法重构相空间后进行多维LSTM预测;将所有分量预测结果线性组合,得到船舶横摇运动预测输出。通过仿真试验与ARIMA、BP、LSTM模型进行对比,结果验证了模型在提高船舶横摇运动预测精度方面的优越性。

基于矩阵特征分解的中原经济区高铁发展分析

针对基于位置的空间可达性研究中位置空间成本矩阵存在缺值导致可达性指标无法计算的问题,提出以矩阵特征分解作为替代方法。基于12306网站和网络地图在线服务取得旅行时间成本矩阵并转换为空间权重矩阵,以矩阵特征分解得到的优势度指数作为基本评价指标对中原经济区2017—2021年间的高铁发展进行分析和评价。结果表明矩阵特征分解法是评价部分矩阵元素缺值时空间可达性评价的一种有效替代方法, 2021年中原经济区高铁发展空间集聚水平比2017年略下降,南北向和东西向“十”字交叉格局有弱化趋势,同时高铁发展没有显著的空间不均衡现象,但某些高铁发展水平较低,且在研究时段内受益较少的地级市单元在今后的高铁规划中应给予重点关注。

基于隐式重启Arnoldi方法的中子扩散本征值问题求解及其降阶研究

中子扩散方程高阶谐波可用于重构堆芯中子注量率分布,但传统源迭代与源修正迭代法求解时的收敛速度慢,计算耗时长。采用隐式重启Arnoldi方法(Implicitly Restarted Arnoldi Method,IRAM)求解本征值问题的中子扩散方程获得谐波数据,通过本征正交分解(Proper Orthogonal Decomposition,POD)与伽辽金(Galerkin)投影相结合的方法构建POD-Galerkin低阶模型,并重构二维稳态TWIGL基准题中子注量率分布。研究结果表明:IRAM方法在求解中子扩散方程的高阶本征值和谐波问题上具有较高的精度;基于POD-Galerkin低阶模型重构中子注量率分布具有较高的保真性与计算效率,有效增值系数与参考解的误差为8.7×10^(-5),对角线上快群和热群中子注量率最大相对误差为2.56%,且低阶模型计算用时仅为全阶模型的10.18%。本研究为堆芯中子注量率重构提供了一种可靠且高效的方法,该方法不仅可用于重构稳态时堆芯中子注量率分布,还具有在瞬态情况下预测中子注量率分布的潜力,有望在未来的应用中进一步拓展。

纳米钛酸钡前体热分解反应动力学及颗粒演化机理

钛酸钡具有介电常数高、介电损耗低等优良性能,是制备多层陶瓷电容器等元件的基础原料。以草酸盐共沉淀法制备的纳米钛酸钡前体为原料,采用热重-质谱联用分析仪研究了其热分解特性和气体析出特性,揭示了纳米钛酸钡前体热分解反应的机理,利用kissinger-akahira-sunose(KAS)法和flynn-wall-ozawa(FWO)法进行了反应动力学计算,并采用扫描电子显微镜(SEM)观察了热分解产物的微观形貌,分析了颗粒的演化机理。结果显示:纳米钛酸钡前体热分解过程可分为4个失重阶段,第一阶段为水分析出,第二阶段的析出气体为CO和CO_(2),第三和第四阶段的析出气体为CO_(2),据此推导出了各阶段涉及的反应式;随着升温速率的提高,各失重阶段对应的最大失重速率温度均向高温区移动,第四阶段向高温区移动的幅度最大,达到113℃,但该阶段在30℃/min条件下的失重速率最快、反应得到强化;FWO模型更适用于描述纳米钛酸钡前体的热分解过程,四个阶段的平均反应活化能分别为67.89kJ/mol、208.92kJ/mol、494.04kJ/mol和195.11kJ/mol,第三阶段的反应活化能最高、反应较难发生;在纳米钛酸钡前体热分解过程中,宏观大颗粒会演化成微观小颗粒的聚集体,较高的恒温温度会导致颗粒粒径变大,因此恒温温度不宜超过900℃。研究结果为纳米钛酸钡前体热分解工艺参数的选择提供了理论依据。

太赫兹CSAR运动目标距离速度估计与重定位方法

圆周合成孔径雷达(CSAR)中,由于雷达平台绕观测场景圆周飞行,雷达和地面目标之间的距离方程复杂,目标的距离向参数和方位参数之间有复杂的耦合关系,导致单独估计动目标距离向速度参数的难度加大。提出一种基于子孔径分解的太赫兹CSAR运动目标距离向速度估计方法,选择合适的子孔径角度,对CSAR进行子孔径分解,在子孔径条件下,通过小角度近似,可以实现运动目标距离向速度和其他参数间的解耦合,准确估计运动目标的距离向速度,实现运动目标的精确重定位。仿真和实测数据验证了该算法的有效性。

参数智能优化变分模态分解的输电短路信号提取

输电短路信号因非线性含噪难以准确提取,影响后续故障诊断正确率。为此,提出参数智能优化变分模态分解的输电短路信号提取方法。引入峰值密度实时监测粒子群种群密度,设计权重自适应更新策略,以避免种群多样性缺失导致算法陷入局部最优;然后,建立变分模态分解(Variational Mode Decomposition,简称VMD)算法优化求解的适应度函数,并采用上述改进粒子群算法实现VMD参数智能优化下的输电短路信号提取。采用典型测试函数验证了改进粒子群算法具有比其他算法更好的搜索速度和稳定性,并进一步验证了提出的参数智能优化变分模态分解方法可以较好提取非线性含噪输电短路信号,可提高故障诊断正确率。

高效带宽傅里叶分解及其轴承故障诊断应用

自适应带宽傅里叶分解(Adaptive Bandwidth Fourier Decomposition,ABFD)是一种基于带宽优化的非平稳信号分析方法。然而,以中心频率重叠度作为分解终止条件在实际应用中会分解出若干冗余的模式分量,造成分解效率降低,为后续分析增加负担。为此,提出高效带宽傅里叶分解(Efficient Bandwidth Fourier Decomposition,EBFD)的轴承故障诊断方法。该方法构建重加权峭度引导的快速停止准则,能够高效地确定最优分解模式数目,避免大量冗余分量的干扰。进一步地,根据重加权峭度指标定位出目标故障分量,实现轴承故障诊断。滚动轴承故障试验信号分析结果表明:所提出方法能够高效终止分解进程,得到所有潜在的模式分量,并准确定位出故障分量;由EBFD与ABFD提取故障分量的归一化频率能量比均为1.0,EBFD运行所需时间为3.3 s,分解速度相较于ABFD提高33.8 s;相较于其他信号分析方法,采用所提出方法能够更准确识别出轴承故障特征。

多重关联下中国省际政府债务风险传染研究

经济发展压力下的地方政府财政缺口和资金需求与日俱增,债务规模不断扩大,随之而来的债务风险问题引起了社会各界的广泛关注。利用2010-2020年中国省级面板数据,基于地理、财政和经济社会关联构建具有不同空间权重矩阵凸组合的动态空间面板模型,在多重关联视角下探究了中国省际政府债务风险的空间传染效应及其效应分解,进一步分析了债务风险传染效应的影响因素及其经济后果。通过构建多个空间权重矩阵的凸组合,可以更全面和准确地刻画地方政府之间可能存在的多重空间互动关系,并在统一研究框架下评估不同风险传染网络的相对重要性。研究发现:中国省际政府债务风险在基于地理、财政和经济社会关联的三类风险传染网络中均存在显著的空间传染效应,且基于财政关联的风险传染网络最为重要;基于最优加权空间权重矩阵进行效应分解,发现多数情况下长期效应明显大于短期效应,直接效应比间接效应更为显著,各省份所接收和输出的债务风险存在显著的非对称性。在此基础上,进一步研究发现,经济越繁荣、地方政府间引资竞争越激烈,中国省际政府债务风险传染效应越弱;其他省份的债务风险会对本省经济发展产生显著的抑制作用。最后,从多角度对防范化解地方政府债务风险和实施科学有效的管控政策提供了针对性建议。

基于ACMD和相空间重构的转子不平衡故障诊断

针对转子系统发生频率较高的不平衡故障,提出了一种基于自适应调频模式分解(Adaptive Chirp Mode Decomposition,ACMD)和相空间重构技术相结合的故障诊断方法。首先,通过ACMD将不平衡故障信号分解成若干个分量,使用相关系数进行模式选取;其次,对筛选出的最相关模式进行三维相空间重构(3-dimensional phase space reconstruction,3D-PSR)特征的提取;然后,基于修正后的k-NN分类方法(基于最小欧式距离)原则实现对转子系统不平衡故障的诊断。最后,在转子系统故障试验台上进行实验验证,和已有方法相比,提出的方法可以更有效提取出不平衡故障特征,并且能在样本较小情况下具有更高的准确率。

采用原子分解法的带并联补偿线路单相自适应重合闸

带并联补偿输电线路单相瞬时性故障时,故障相恢复电压阶段会同时存在工频分量和低频分量,从而形成拍频现象。目前,基于上述原理的自适应重合闸判据抗干扰能力不强,且不能确定准确的熄弧时间。对此,文中采用一种新的信号处理方法——原子稀疏分解法分析非线性故障信号,以提取瞬时性故障时恢复电压阶段存在的低频分量,进而对故障性质作出判别;同时,原子稀疏分解法较强的时域和频域分析能力可以准确地确定故障熄弧时刻,为线路断路器的重合时刻整定提供依据。仿真实验验证了所述方法能够有效提高自适应重合闸性能。

CaSO_4氢气下还原分解的热重研究

在 TG— 1 51加压热天平上 ,对常压和加压氢气气氛下 Ca SO4 的分解反应进行了研究 ,并采用 XRD技术对不同反应条件下的产物进行了分析测试 .结果表明 :在氢气还原气氛下升高温度和压力都导致 Ca SO4 还原分解速率加快 ,Ca SO4 分解产物主要是 Ga S;在 1 0 0 0℃时 Ca SO4和 Ca S之间可以发生固 -固反应生成 Ca

非等温热重分析三聚氰胺热分解动力学

采用非等温热重法对三聚氰胺的热分解动力学进行了研究,选定拟合结果更好的迭代法计算反应活化能,采用积分法结合36种动力学函数来判断三聚氰胺热分解的机理函数。得到了三聚氰胺热分解的动力学参数,即反应的动力学函数为g(α)=(1-α)-3-1,平均活化能Eα为142.38×103 J/mol,指前因子A的平均值为1.98×106 s-1,对应的热分解方程为dx/dT=1.98×106/βexp(-142R.3T8×103)/RT.1/3(1-α)4。

基于经验模式分解和混沌相空间重构的风电功率短期预测

风电场发电功率的短期预测对并网风力发电系统的安全与稳定具有重要意义。根据风电功率时间序列非平稳、非周期的特点,文中运用经验模式分解理论将风电功率时间序列分解为随机分量和趋势分量,对随机分量采用径向基函数神经网络进行混沌预测;趋势分量采用最小二乘支持向量机进行混沌预测,拟合各分量的预测值得到最终的预测结果。以云南某风电场数据对所提出的模型进行验证,证明了该预测模型比传统人工神经网络预测模型具有更高的预测精度,可为风电功率预测提供参考。

八种腐植酸热重分析及其热分解动力学的研究

测得了八种不同来源腐植酸的TG和DTG曲线,并对其失重峰进行了归属。根据Coast-Redfern法求出了这八种HA的热分解动力学数据。结果表明,风化煤HA在脱羧阶段的活化能较低,在58.60—86.46kJ/mol之间;泥炭HA较高,在84.80—112.24kJ/mol之间;土壤HA的最高,为156.33kJ/mol,与文献值相近。本文首次报道了这八种典型HA在多环烃和各种芳核热解阶段的动力学数据和动力学方程。

二苯胺型重氮盐在乙醇中的光、热分解

芳基重氮盐在乙醇中的光热分解已有很多研究［１～７］，但分解产物及提出的分解机理不完全统一．就一般的观点，芳基重氮盐在光热的作用下可以采取异裂或均裂的分解方式，以苯基重氮盐为例，可表示如下：式中Ｘ－为Ｃｌ，ＨＳＯ４，ＢＦ４等负离子异裂产生芳基正离子中间...

碳酸钙热分解机理的热重试验研究

碳酸钙热分解是炉内喷钙脱硫过程中一个重要反应,对脱硫率有较大的影响。本文采用热重技术研究碳酸钙热分解机理。在热重分析的基础上,按不同化学反应机理求解反应动力学参数和回归误差,根据相关系数最小的原则确定最佳分解机理。研究结果表明相界反应(球形对称)是喷钙脱硫过程中碳酸钙热分解主要机理,石灰石细粉的高温分解时间在10-2 s数量级,可将喷钙脱硫过程的CaCO3热分解过程和脱硫反应过程看作相对独立的反应过程。实验结果与文献结果有较好的一致性。

非等温热重法研究g-C_3N_4热分解动力学

在半封闭系统中采用直接热解三聚氰胺的方法制备了C3N4,XRD、XPS及元素分析的结果证明了产物是类石墨相C3N4(g-C3N4)。用热分析(TG/DTG)研究了g-C3N4的热分解过程。通过迭代法计算了热分解反应活化能Eα,采用积分法结合36种动力学函数来判断g-C3N4热分解的机理函数。计算结果表明,g-C3N4的平均热分解活化能Eα为178.59kJ/mol,可能的动力学函数积分形式是g(α)=[-ln(1-α)]4,指前因子A为21.67s-1,对应的热分解动力学方程为:dα/dT=21.6 7/βexp((-178.59×103)/RT)×1/4(1-α)[-ln(1-α)