锅炉给水泵转子动力学参数的一、二阶摄动识别研究

锅炉给水泵的临界转速是非常重要的参数,与结构密切相关。为了准确地计算出给水泵的干临界转速(在空气中)和湿临界转速(在水中),必须知道转轴上的零部件对其弯曲刚度的加强作用。本文利用摄动传递矩阵法,结合实验室的试验数据,对某电站锅炉给水泵转子的动力学参数进行了一阶和二阶摄动识别。给出了给水泵转子上的热装叶轮、轴套对转子刚度产生加强作用的一、二阶摄动识别结果,得到了修正的给水泵转子系统动力学计算模型。由修正模型计算得到的转子系统固有频率与实测的转子系统固有频率吻合良好。指出一阶摄动识别的结果可以满足工程实际的精度要求。     

结构模态参数的时序分析(ARMAV模型)识别法

本文简述了用时间序列分析(ARMAV 模型)识别结构模态参数的原理,对建模方法进行了分析,并对建模分析中至关重要的初值选择问题进行了讨论,提出了一种有效的初值的选取方法;在模拟计算部分中,用 Wilson-θ积分法模拟了一个三个自由度的振动和低信噪比、大阻尼振动和密集模态等复杂情形,对用时序方法(ARMAV 模型)识别模态参数的能力进行了检验;最后通过对实验数据进行有效的预处理后,用时序方法(ARMAV 模型)识别出一个真实结构(圆盘)的第一、二阶模态参数,并得到结构的完整振型.     

矩形板结构损伤的分区域神经网络识别方法

通过引入LM优化算法，针对矩形薄板中对称结构的损伤识别问题，提 出了一种基于神经网络的分区域分步识别方法. 对于预测输出量比较多且对预测精度要求比 较高的问题，常会出现网络训练时收敛速度慢、网络预测精度低，并且当网络训练达到目标 误差时，输出的预测量中常有某个输出量的误差还很大的情况. 针对这些问题，利用选 取的组合输入参数，提出了基于神经网络的分区域识别方法. 通过对悬臂板结构的数值模拟 结果表明：提出的分区域识别方法对结构损伤的分区和预测是可行和有效的， 其预测精度要明显的高于只用单个网络的预测结果，并且预测子网络对损伤的位置和程度是 同步输出的，从而避免了传统分步识别理论中子网络过多的问题.     

汽车整车非线性动力计算

通过轿车副车架橡胶支承的动态特性试验和理论分析,实现橡胶支承迟滞特性的数学建模和参数识别。利用所建模型重构恢复力-位移迟滞回线,并与试验结果比较表明所建模型的正确性。介绍了具有线性和非线性连接子结构的自由界面模态综合法的基本原理,并采用该方法建立了考虑副车架橡胶支承迟滞特性的整车非线性动力学模型,用所建模型对汽车动力特性进行了数值仿真,并通过试验对仿真结果进行验证。     

基于遗传算法的水轮机振动参数识别

通过对水轮机现场测试数据的频域分析，建立了测点位移响应的参数正模型。并基于遗传算法，建立了在时域内识别结构振动参数的数值方法，采用该方法对水轮机位移响应正模型的待定参数识别进行了研究。计算结果表明，所建立的基于遗传算法的参数识别方法具有良好的稳定性、抗观测噪声能力和较高的识别精度，能够反演出比较符合实际情况的位移响应振动模型。这就为荷载识别、结构优化和预报减震效果等后续工作提供了可靠的实施前提。     

染料木素分子印迹聚合物的制备及其识别性能

以染料木素为模板分子、4-乙烯基吡啶(4-VP)为功能单体、乙二醇二甲基双丙烯酸酯(EGDMA)为交联剂、四氢呋喃(THF)为溶剂,采用本体聚合法制备了染料木素的分子印迹聚合物;采用静态平衡结合实验研究了该分子印迹聚合物对染料木素的结合能力和选择性能.结果表明,与化学组成相同的相应非印迹聚合物相比,染料木素分子印迹聚合物对染料木素的吸附性能和选择性更好.利用所合成的分子印迹聚合物作为固相萃取材料填充固相萃取小柱,可以选择性地从豆奶粉中分离、富集染料木素;此外,该分子印迹聚合物还有望用于其他豆制品的分析检验.     

3-吲哚乙酸印迹聚合物的制备及其分子识别性能

以IAA为模板分子,4-乙烯基吡啶(4-Vpy)为功能单体,乙腈为致孔剂,采用本体聚合方法,制备了IAA的印迹聚合物P(4-Vpy),用色谱法评价了其分子识别性能,并且与同样条件下以丙烯酰胺(AA)为功能单体合成的IAA印迹聚合物P(AA)进行了比较。结果表明,乙腈为流动相时,P(4-Vpy)比P(AA)对IAA具有更高的印迹效率,对IAA表现出了更好的分子识别能力。流动相对P(4-Vpy)分子识别能力的影响实验证明,静电作用在其分子识别过程中起重要作用。两种不同用量的乙腈为致孔剂制备所得IAA印迹聚合物P(4-Vpy)和P`(4-Vpy)的色谱测定结果表明,致孔剂的加入量对其印迹效率有显著影响。     

选择性富集分离虎杖中白藜芦醇苷的分子印迹聚合物的制备及分子识别性能研究

以白藜芦醇苷(POL)为模板分子,分别以丙烯酰胺(AM)、4-乙烯基吡啶(4-VP)、甲基丙烯酸羟乙酯(HEMA)、甲基丙烯酸(MAA)为功能单体,二甲基丙烯酸乙二醇酯(EGDMA)为交联剂,偶氮二异丁腈(AIBN)为引发剂,采用本体聚合法制备白藜芦醇苷分子印迹聚合物。采用静态平衡结合实验研究了印迹聚合物对模板分子及不同底物的识别性能。结果表明,以丙烯酰胺为功能单体的印迹聚合物(MIP1)对模板分子的识别性能最好,其次是以4-VP为功能单体的聚合物(MIP2),以HEMA为功能单体的聚合物(MIP3)以及以MAA为功能单体的聚合物(MIP4)的分子识别性能较差。表明功能单体与模板分子之间相互作用的强弱对MIP的识别能力有较大的影响。静态平衡结合法以及Scatchard分析法表明,MIP1对模板分子呈现较好的结合能力和选择性,该印迹聚合物中形成了2类不同的结合位点,离解常数分别为7.43×10-5、3.70×10-3mol/L。将MIP1用于虎杖提取物中POL的固相萃取分离,效果良好。     

噪声情况下采用稀疏非负矩阵分解与深度吸引子网络的人声分离算法

为实现噪声情况下的人声分离,提出了一种采用稀疏非负矩阵分解与深度吸引子网络的单通道人声分离算法。首先,通过训练得到人声与噪声的字典矩阵,将其作为先验信息从带噪混合语音中分离出人声与噪声的系数矩阵;然后,根据人声系数矩阵中不同的声源成分在嵌入空间中的相似性不同,使用深度吸引子网络将其分离为各声源语音的系数矩阵;最后,使用分离得到的各语音系数矩阵与人声的字典矩阵重构干净的分离语音。在不同噪声情况下的实验结果表明,本文算法能够在抑制背景噪声的同时提高分离语音的整体质量,优于结合声噪人声分离模型的对比算法。      

结合幅度谱和功率谱字典的语音增强方法

从双路字典学习、噪声功率谱估计、语音幅度谱重构角度提出了一种改进的谱特征稀疏表示语音增强方法。在字典学习阶段,融合功率谱与幅度谱特征,采用区分性字典降低语音字典和噪声字典的相干性;在语音增强阶段,提出一种噪声功率谱估计方法对非平稳噪声进行跟踪估计;考虑到幅度谱和功率谱特征对不同噪声的适应程度不同,设计了语音重构权值表。对分别由幅度谱和功率谱恢复而来的两路信号进行自适应加权重构,结合相位补偿函数得到增强后的语音信号。实验结果表明,该方法在平稳、非平稳噪声环境下相比于单一谱特征的语音增强方法平均提高31.6%,改善了语音增强方法的性能。