基于PEMD-MPE算法的露天矿爆破振动信号降噪方法

为了去除露天矿山爆破振动信号中混入的噪声成分,提出了一种基于PEMD-MPE算法的降噪方法。该算法通过自适应性正交经验模态分解(PEMD)得到完全正交的本征模态函数(IMF)分量,然后对各个IMF分量进行多尺度排列熵(MPE)的随机性检测,成功确定其中的噪声分量并将其去除。采用该算法对实测的露天矿山爆破振动信号进行降噪处理。结果表明:相比EMD-MPE和EEMD-MPE算法,PEMD-MPE算法的信噪比分别提高了3.520 dB和1.107 dB,且重构标准差和均方根误差最小,说明该算法不仅能够有效去除爆破振动信号中的噪声成分,还能有效保留真实信号。

基于ICEEMDAN-MPE和GWO-SVM的滚动轴承故障诊断方法

针对滚动轴承故障状态难以准确且快速的识别,提出了一种基于改进自适应噪声完备集成经验模态分解(Improved Complementary Ensemble Empirical Mode Decomposition with Adaptive Noise,ICEEMDAN)-多尺度排列熵(Multi-Scale Permutation Entropy,MPE)和灰狼算法优化支持向量机(Grey Wolf Optimization Algorithm-Support Vector Machine,GWO-SVM)结合的故障诊断方法。首先将轴承信号进行ICEEMDAN分解,然后选取其中相关性较大的IMF(Intrinsic Mode Function)分量计算多尺度排列熵构成特征集合,最后通过GWO-SVM算法进行故障状态识别。通过滚动轴承数据集和不同算法的对比实验,验证了ICEEMDAN-MPE-GWO-SVM方法的有效性,表明该方法可以准确且快速的诊断滚动轴承的故障情况。

基于WOA-VMD-MPE算法的矿山爆破振动信号降噪研究及应用

矿山环境中爆破振动信号含有大量的高频噪声,严重影响了爆破振动信号的真实性。针对爆破信号中含有大量高频噪声这一现象,以云南某露天矿爆破振动数据为研究对象,提出了基于自适应WOA-VMD-MPE爆破振动信号降噪方法开展爆破振动信号降噪研究。将3个矿山爆破振动信号进行WOA优化算法处理,得出VMD算法参数中最佳组合K、a,带入VMD算法分解,将MPE值大于0.6的IMF成分去除,以达到降噪效果。结果表明:振动波形经过WOA-VMD算法优化后信噪比均为最高,分别为15.23、25.51和27.2,其均方根误差最小,分别为8.51、8.73和5.91。WOA-VMD算法相较EEMD、CEEMD算法在信噪比方面平均增加56%和44%、均方根误差平均减少46%和42%,其降噪效果优于EEMD、CEEMD算法,能够较好地去除高频噪声,保留原始爆破振动波形信息,验证了算法的普适性。

基于InMPE和MFO-SVM的变负载滚动轴承故障诊断

由于在变负载工况下,提取滚动轴承故障特征较为困难,且其故障识别准确率也较低,为此,提出了一种基于插值多尺度排列熵(InMPE)和飞蛾火焰优化支持向量机(MFO-SVM)的滚动轴承故障诊断方法。首先,在粗粒化时采用三次样条插值代替传统多尺度排列熵(MPE)中的线性插值,设计了InMPE算法,利用美国凯斯西储大学(CWRU)轴承数据集,分析了不同序列长度、嵌入维数和负载对InMPE的影响;然后,使用飞蛾火焰算法(MFO)优化了支持向量机(SVM),构建了基于InMPE和MFO-SVM的故障诊断模型;最后,搭建了轴承故障诊断试验台,制作了变负载工况下滚动轴承故障特征样本集,对基于InMPE与MFO-SVM的故障诊断方法的有效性和先进性进行了验证。研究结果表明:在变负载工况下,采用基于InMPE与MFO-SVM方法所得的故障识别准确率达到了98.5%,而采用传统MPE方法所得的故障识别准确率为95.9%;在噪声背景下,采用基于InMPE与MFO-SVM方法所得的识别准确率为92.4%,优于后者的80.0%准确率;证明基于InMPE与MFO-SVM的方法能有效识别出滚动轴承的故障信息,且对噪声具有较好的鲁棒性。

基于OVMD-MPE算法的隧道爆破振动数据降噪分析

受隧道爆破复杂环境和仪器电磁干扰等因素的影响,实测爆破振动信号多含有高频噪声,通过直接分析原始信号不能有效分析爆破振动规律。为获得真实的爆破振动特征,采用基于最优变分模态分解(OVMD)和多尺度排列熵(MPE)相结合的信号光滑降噪模型,通过仿真叠加信号和工程实测信号进行检验。首先将信号进行OVMD分解得到带限固有模态函数(BIMF),然后将大于MPE设定阈值的高频BIMF作为噪声剔除,最后重构剩余BIMF分量,得到降噪信号。结果表明:OVMD-MPE模型能精确识别信号的频率信息,前两阶分量能有效反映叠加信号的有效成分,适用高精度数据序列分析,提取数据序列特征;相较EEMD-MPE和CEEMDAN-MPE模型,OVMD-MPE模型具备更优降噪性能,降噪误差比、均根方误差和光滑度分别提升22.05%、48%和33.34%,去噪后曲线更贴近原始信号,更适用不同震源距离的爆破信号分析;双子山隧道右线施工时产生的爆破扰动集中于200 Hz以下的中低频段,双子山隧道衬砌结构的固有频率与爆破信号频率相仿,需采取减震措施确保隧道工程的施工安全。

微分MPE问题的联合树算法

贝叶斯网络的最大可能解释(MPE)就是在给定一些变量的值时求使这些变量的概率达到最大值时其它变量的最可能取值,本文提出用联合树来求MPE问题的一阶微分并在此基础上求MPE实例.本文先通过观察和积问题的微分提出了一个微分表,并在此基础上提出求MPE问题一阶微分的方法和用联合树求MPE问题微分的公式,同时给出了求MPE问题二阶微分的公式;接着给出了一个策略来用一阶微分的结论求MPE实例,并通过贝叶斯网络的数据特性来优化MPE实例的求解;在此基础上提出一个算法来用联合树微分MPE问题和求MPE实例.最后,通过实验证实该算法计算MPE实例时的高效性.

基于ICEEMDAN-MPE-RF和SVM的齿轮箱特征提取与故障诊断

针对齿轮箱非平稳振动信号特征提取难、特征向量冗余度高和故障识别率低的问题,提出基于改进的自适应噪声完备集成经验模态分解(Improved complete ensemble empirical mode decomposition with adaptive noise,ICEEMDAN)、多尺度排列熵(Multi-scale permutation entropy,MPE)、随机森林(Random forest,RF)特征重要性排序和支持向量机(Support vector machine,SVM)的齿轮箱特征提取与故障诊断方法。首先,通过ICEEMDAN将各种故障状态的齿轮振动信号分解为一系列不同频率分布的本征模态分量(Intrinsic mode functions,IMF);然后,计算各阶IMF的MPE值获得非平稳信号时频分布下的非线性动力学特征;最后,通过RF算法评估特征重要性,选择高重要性敏感特征组成最优特征子集输入SVM进行故障模式识别。试验结果表明,该方法特征提取和表征能力强,在不同工况下的平均识别率可达99.79%,在多工况和小样本数据集上比其他方法更具稳健性。

MPE-CDIO理念的数学实验课程教学改革

针对目前高校数学实验课教学过程中存在的问题,借鉴和吸收先进的CDIO工程教育理念和标准,并结合我校"大德育、大工程、大实践"三大教育理念下的应用型人才培养目标而提出的MPE-CDIO工程教育模式。在此模式下进行数学实验教学改革,分别从实验教学观念、课程体系、教学方法和手段、实验考核及评定方式等方面进行改革与探索。结果表明在MPE-CDIO教育模式下进行数学专业实验课教学,有效提高了学生的独立思考能力、分析综合能力、编程能力和创新思维能力,从而达到应用型人才培养的目的。

MPE/LLDPE/LDPE共混熔体的流变学

研究了不同比例共混的茂金属聚乙烯 (MPE)、线性低密度聚乙烯 (LL DPE)及高压聚乙烯 (2 0 %固定质量配比的 LDPE)熔体的流变学行为 ,讨论了共混物组成、剪切速率和剪切应力以及温度对熔体流变曲线、熔体粘度和膨胀比的影响 ,为 MPE的共混改性加工提供了理论依据。不同共混比的熔体均为假塑性流体 ,共混熔体的假塑性随 LDPE/ LL DPE的增多而增强。共混熔体的转变应力和非牛顿指数随LDPE/ LL DPE的增加而降低 ,对加工的敏感性提高 。

阻隔性HDPE/MPE/PA1010共混体系流变性能的研究

研究了不同组成的 Ｈ Ｄ Ｐ Ｅ／ Ｍ Ｐ Ｅ／ Ｐ Ａ１０１０ 共混体系熔体的流动曲线，表观粘度与温度、组成的关系，流动指数与剪切应力的关系等流变特性。结果表明，在所研究的剪切应力、剪切速率、温度及组成范围内，该共混体系熔体的ｌｇτ～ｌｇγ Ｐ 关系曲线都不同程度地偏离牛顿流体曲线，为非牛顿流体；由ｌｇηａ ～ｌｇγ Ｐ 和ｌｇηａ ～ｌｇτ的曲线可知，该共混物熔体属于假塑性流体。表观熔体粘度与温度的关系符合阿累尼乌斯方程，与组成的关系偏离对数加和规律，但偏离程度较小。随着剪切应力的提高，流动指数减小。该共混物的表观熔体粘度对温度变化的敏感性比 Ｈ Ｄ Ｐ Ｅ突出。

茂金属聚乙烯(MPE)/线性低密度聚乙烯(LLDPE)共混熔体的流变学

研究了不同比例共混的茂金属聚乙烯 (MPE)和线性低密度聚乙烯 (LLDPE)熔体的流变学行为 ,讨论了共混物组成、剪切速率和剪切应力以及温度对熔体流变曲线、熔体粘度的影响 ,为MPE的共混改性提供了理论依据。结果表明 :随着LLDPE含量的增加 ,共混熔体的粘度降低 ,转变应力和非牛顿指数减小 ,粘流活化能升高 ,MPE的流动性和加工性能得到改善。

PP/mPE/无机填料三元复合材料的形态结构和力学性能

采用刚性无机填料对茂金属聚乙烯 (mPE)弹性体增韧聚丙烯 (PP)二元共混体系进行增强 ,从而制得PP/mPE/无机填料三元复合材料。分别探讨了CaCO3 用量对复合材料拉伸性能和低温冲击性能影响 ,并考察了不同填料的增强效果。实验结果表明 ,由于弹性体的存在 ,无机填料的增强作用减弱 ;共混物的低温冲击强度也因填料的加入而大幅度下降 ,但经过表面处理的高岭土体系的冲击强度反而提高。SEM断裂形貌显示 ,未经表面处理的填料和基体的界面结合较弱 ,而改性高岭土则以层状结构分散于基体中 ,并呈现牢固的界面结合。

茂金属聚乙烯(mPE)/高压聚乙烯(LDPE)共混熔体的流变学

研究了不同比例共混的茂金属聚乙烯 (mPE)和高压聚乙烯 (LDPE)熔体的流变行为 ,讨论了共混物组成、剪切速率和剪切应力以及温度对熔体流变曲线、熔体粘度和膨胀比的影响 ,为mPE的加工提供了理论依据。不同共混比的熔体均为假塑性流体 ,且熔体假塑性随LDPE含量增大而增强。熔体流动活化能随LDPE组成的增加逐渐增大 ,粘度对温度的敏感性增强。共混物的非牛顿指数随LDPE的增加而降低 。

支持ULE/MPE的IP over DVB-S接收系统在Linux下的设计与实现

IP over DVB-S是基于卫星实现IP数据广播的关键技术,在远程教育等领域广泛应用.ULE封装协议相比传统MPE协议更加简练、高效,对IP网络支持更好.设计了IP over DVB-S接收系统,并对其在Linux中实现时的关键技术予以介绍.该系统具有兼容ULE/MPE两种封装方式、支持IPv4/IPv6双协议的特点,在实际环境中进行了部署.

mPE弹性体/PP共混物的流变行为与力学性能

用茂金属聚乙烯弹性体 (mPE)代替传统的弹性体 ,对聚丙烯 (PP)进行增韧改性。绘制了不同配比mPE/PP共混物熔体的流变曲线 ,讨论了共混物的组成、切应力和剪切速率以及温度对熔体流变行为、熔体粘度的影响 ,测定了共混物熔体的非牛顿指数 ,熔体质量流动速率及力学性能 ,为mPE共混改性PP提供了理论依据。结果表明 ,mPE适用于PP的增韧改性 ,增韧效果取决于共混物中mPE的用量 ,当mPE质量分数达到 2 5 %～ 40 %时 ,共混材料既有较高的拉伸强度和韧性 ,又有较好的加工性能。mPE/PP共混物熔体的假塑性流动随mPE用量的增加向更高切应力或更高剪切速率方向移动。

阻隔性HDPE/MPE/PA1010共混体系结晶与熔融行为的研究

用ＤＳＣ研究了不同组成的ＨＤＰＥ／ＭＰＥ／ＰＡ１０１０共混体系的结晶与熔融行为．实验结果表明，在ＭＰＥ存在下，尼龙（ＰＡ）１０１０促进了ＨＤＰＥ的结晶，共混体系阻隔性能的提高并非完全是由于尼龙１０１０分散相对渗透剂分子的阻隔作用，ＨＤＰＥ结晶度的升高对这种体系阻隔性能的提高也有所贡献．同时，共混体系的熔点、结晶温度和结晶度随ＭＰＥ和ＰＡ１０１０的浓度增大而稍微提高．

抗车辙MPE改性沥青混合料性能研究

采用MPE和SBS两种改性剂,对比研究了基质沥青、MPE改性沥青与花岗岩碎石的黏附性;分析了加抗剥落剂的基质沥青、加抗剥落剂的SBS改性沥青和MPE改性沥青与酸性花岗岩碎石混合料的路用性能。研究结果表明:MPE改性沥青和花岗岩碎石的黏附等级为5级;掺加MPE的AC-13沥青混合料,其动稳定度为60,70,80℃条件下分别超过6 000,5 000,2 000次/mm,马歇尔稳定度比基质沥青混合料提高35%,比掺加5%SBS的改性沥青混合料提高23%;浸水残留稳定度达到98%,比基质沥青混合料提高11%,比SBS改性沥青混合料提高5%;冻融劈裂残留强度比达到97%,较基质沥青提高8%。

PP/mPE/SGF复合材料的动态力学性能

茂金属聚乙烯弹性体 (m PE)作为一种全新的弹性体品种 ,特别适合于 PP的增韧改性。然而 ,和其它弹性体一样 ,m PE的加入不可避免地引起 PP的刚性和强度降低。为了补偿因加入弹性体带来的刚性和强度的损失 ,采用短玻璃纤维 (SGF)对 PP/ m PE共混物进行增强 ,从而制得 PP/ m PE/ SGF三元共混复合材料。采用滞后测量法 ,分别对 PP/ m PE共混物和 PP/ m PE/ SGF三元复合材料的动态力学性能进行了研究。结果表明 。

mPE弹性体增韧改性PP力学性能的研究

用茂金属聚乙烯(mPE)弹性体代替传统的弹性体,对聚丙烯(PP)的增韧改性进行了研究。探讨了橡塑比和mPE的牌号对共混物力学性能的影响;并对不同的弹性体的增韧效果做了对比研究。结果表明,与传统的弹性体相比,mPE增韧改性的PP显示出卓越的低温冲击性能。

基于SSD和MPE的滚动轴承故障诊断方法

为了解决滚动轴承故障特征难以提取的问题,提出了一种奇异谱分解(SSD)和多尺度排列熵(MPE)的故障特征提取方法,结合K近邻(KNN)算法识别滚动轴承故障类型。首先对滚动轴承振动信号用SSD进行分解,得到3个奇异谱分量(SSC),根据峭度最大原则选择主分析分量;然后用MPE计算主分析分量的熵值,实现滚动轴承的故障特征进行提取;最后将熵值作为特征向量输入KNN分类器中,完成滚动轴承的状态识别。将该方法应用于实验数据分析,并与VMD和MPE相结合的故障诊断方法做比较,结果证明,该方法能够有效地提取故障特征,实现故障诊断。