面向癫痫脑电的简化深度学习模型

针对脑电信号随机性强、动态变化迅速等特点,提出了一种简化深度学习模型研究癫痫脑电识别问题。提出的模型以一维卷积神经网络为基础,在结构方面简化了卷积层、池化层等以提高模型效率,在整体框架方面应用了Keras框架,在训练优化算法方面采用RMSProp算法作为模型优化算法,通过预定义的目标函数来进行损失估计,模型设计上加入了批标准化层和全局均值池化层。基于所提模型,从三个方面研究了癫痫脑电识别问题,即:利用经验模态分解,分别选取前三阶、前五阶、前七阶、前八阶的本征模态函数分量,在简化模型上进行对比分析；利用提出模型所具备的深度学习特点,直接识别原始脑电信号而无须特征提取环节；增加了三种不同方法分别提取7类特征,对相同的脑电数据进行对比分析。性能分析结果表明:对于五类不同的脑电信号,前三阶的本征模态函数分量的识别率达到92.1%,比其他几种处理方式识别率高；前八阶的本征模态分量识别率不及原始信号,表明人工数据处理时会给数据带来噪声; 所提出的简化深度学习模型能高效处理癫痫脑电识别问题,具备较高效率和较好性能。     

机械状态振动烈度监测方法研究

介绍了振动标准和振动测量的基本现状,分析了振动烈度的时域和频域计算方法,后者对信号类型的适用性强,对计算频率范围的选择灵活,避免了利用微积分进行信号类型转换和滤波等复杂处理,通过实例给出了应用振动烈度监测机械设备状态的注意事项。     

基于EMD和神经网络的气阀机构故障诊断研究

运用经验模态分解(EMD)对柴油机缸盖振动信号进行分析,求得各内禀模态函数(IMF)的能量百分比;将能量百分比作为神经网络的输入进行网络训练和故障识别,实现了气阀机构的故障诊断,取得了较好的效果。     

电力系统电压稳定分析方法及应用

介绍了电力系统电压稳定性的概念及其分类，对电压稳定性的静、动态分析方法进行了介绍和比较，最后综合运用连续潮流法、模态分析法、分岔理论以及时域仿真法对WSCC9节点系统进行了电压稳定性分析，结果表明综合方法能充分利用各种方法的优点，分析的结果是有效可靠的。     

坦克柴油机振动检测时提高振动信号信噪比的方法

研究了柴油机振动信号的时域同步平均方法,针对柴油机振动信号的循环波动性特点,提出了按曲轴转角进行角域同步平均的方法,减小循环波动性对信号分析的影响。利用多抽样率分析方法消除了同步平均时柴油机转速波动的影响。通过对坦克柴油机汽缸盖振动信号的处理结果表明,该方法可有效提高信噪比。     

超空泡水下航行体振动特性分析

用有限元方法分析了超空泡水下航行体的固有特性,计算了自由边界条件下超空泡航行体的振动特性,求出了固有频率和模态,并选取对其结构性能有重要影响的四类模态,即梁弯曲模态、呼吸模态、径向模态和轴向弯曲模态绘制了三维模态图.研究表明,超空泡水下航行体无阻尼自由振动的首阶模态为梁弯曲模态;呼吸模态发生的初始频率较高;径向模态发生的初始频率较低;轴向弯曲模态发生的频率比较集中,变形较为复杂.所得结果为今后开展进一步的超空泡航行体结构动力学研究提供了模型基础.     

耦合封闭声腔的主导声辐射模态确定方法

将在某一频率下或某一频段内对封闭声腔声势能起主要作用的一阶或几阶声辐射模态定义为耦合封闭声腔的主导声辐射模态。准确认定主导声辐射模态至关重要，直接影响有源控制效果。然而，现有的主导声辐射模态确定方法，要么仅考虑辐射效率的作用而忽视模态幅度的影响，要么就需要用到结构模态信息，难以实现工程应用。基于此，综合运用计算和测试手段，全面考虑辐射效率和模态幅度两个因素，提出了一种基于“初选—预留—后验”的主导声辐射模态确定方法，并通过实验研究证明了该方法的有效性和可行性。结果表明：提出的确定方法能够准确认定主导声辐射模态，确定过程中不需要用到辐射体的结构模态信息，可用于指导控制目标选取或重构封闭声腔声势能。     

基于镜像延拓和神经网络的EMD端点效应改进方法

经验模态分解(Empirical Mode Decomposition,EMD)在机械故障诊断中存在一个比较严重的问题,即端点效应。镜像延拓是克服端点效应的有效方法,采用镜像延拓处理端点效应时,要求将镜面放置在局部极值点处,针对这一问题,提出了一种基于镜像延拓和神经网络相结合的数据延拓方法。采用神经网络预测原信号序列,将信号向前向后各延拓一个极值点,再采用镜像延拓有效地减小EMD分解中的端点效应。通过对仿真信号的分析,验证了该方法能有效抑制EMD方法中的端点效应问题。     

Kelvin模型阻尼层合板的振动分析

基于Kelvin模型粘弹性材料本构关系导出了阻尼层合板的动力学微分方程组,给出了四边简支阻尼层合板的固有频率和损耗因子的解析解。与文献结果比较表明,将Kelvin模型应用于粘弹结构的动力特性问题求解,计算模型简便,且计算结果比常复数模型更为精确。分析了阻尼层参数变化对结构振动特性的影响。分析结果表明:增加阻尼层厚度,可以有效提高结构损耗因子;增加阻尼层材料的剪切模量,结构损耗因子增大到一定值后又逐渐减小,在减振设计中阻尼层的模量存在最佳值。