排序方式: 共有63条查询结果,搜索用时 396 毫秒
51.
52.
针对某小型液压挖掘机驾驶室低频噪声过大问题,对驾驶室结构振动特性进行分析。基于有限元模型计算各工况下驾驶室噪声传递函数,运用统计学方法确定主要噪声峰值频率及相应工况;通过模态声学贡献度计算,确定危险工况下噪声贡献量较大的模态阶数,参照模态振型确定驾驶室振动变形最大的车身板件;并对该板件进行形貌优化处理,提高其一阶固有频率,进而降低驾驶室内噪声。优化结果表明,驾驶室噪声传递函数在危险频率下的峰值下降了2~4 dB。 相似文献
53.
54.
55.
叶绿素浓度是海洋初级生产力的重要指标之一,激光诱导荧光技术可以实现海水叶绿素浓度的快速测量。测量叶绿素浓度的传统激光诱导荧光原理,是利用叶绿素荧光与水体Raman散射的强度比值(IF/R)进行反演,即叶绿素浓度nchl=CIF/R,其中C为系统常量。这是依据叶绿素荧光685 nm、水体Raman散射强度都与激发光强呈线性关系。然而,该理论并没有考虑诱导荧光饱和现象的存在。当诱导激光强度达到一定程度后,685 nm荧光强度随激发光强非线性变化。另外,值得注意的是,水体Raman散射并不存在信号饱和现象。为了探讨饱和激发造成荧光非线性变化的影响,在激光诱导荧光技术测量叶绿素浓度的实验中,设计两种测量方案,即:不同激光功率诱导单一浓度样本的荧光测量,和固定激光功率时不同浓度样本的荧光测量。实验中利用Nd∶YAG三倍频激光355 nm激发获得叶绿素溶液的404 nm处 Raman散射和685 nm荧光。实验结果分为2部分进行讨论:(1)为了分析饱和激发造成荧光变化的非线性特性,通过调节激发光功率测量溶液的受激发射光谱,发现水体Raman散射强度与激发光强呈线性关系,而685 nm荧光强度出现饱和激发下的非线性变化。而且,随叶绿素浓度的增加,685 nm荧光的非线性趋势更为明显,Raman散射强度与激发光强的线性关系中斜率变小。数据分析表明,685 nm荧光数据拟合的4阶多项式和Raman散射效率值,可以定性地表征685 nm荧光的饱和程度。(2)考虑实际海洋激光雷达探测叶绿素浓度应用中存在饱和激发荧光非线性现象,为了分析荧光非线性对传统叶绿素浓度反演理论适用性的影响,在固定激发光强情况下对不同浓度叶绿素溶液的发射光谱进行测量。将激发光功率调节至52.00,80.70,132.10和197.30 mW·cm-2,获取相应激发光强下685 nm荧光与水体Raman散射的强度比值和叶绿素浓度之间的关系。实验表明,激发光强不变的情况下,685 nm荧光与水体Raman散射的强度比值,与叶绿素浓度仍满足线性关系。但是,在较高光强激发时,饱和激发造成的叶绿素荧光非线性变化,导致利用传统激光诱导荧光理论反演的叶绿素浓度值偏小。因此,需要对饱和激发下荧光非线性的影响进行修正,其关系为IF/R=nchl/C+CF,修正值CF不可忽略。另外,值得一提的是,修正关系中系统常量C随激发光强增加而增大。研究表明,饱和激发造成的荧光非线性,会对激光诱导荧光技术测量叶绿素浓度产生影响,但由于造成荧光非线性因素的复杂性,仅通过荧光数据拟合获得的多项式,无法定量说明其影响权重。然而,当激发光强不变时,可以实验测量获得基于激光诱导荧光原理的修正关系,从而准确反演叶绿素浓度。 相似文献
56.
58.
59.
针对轴承振动信号在复杂机械中难采集和跨转速域工况下传统故障诊断方法精度低的问题,文中提出了一种基于Teager能量算子和卷积神经网络的滚动轴承声学故障诊断方法,即TEO-CNN。将轴承声学信号的Teager能量算子作为模型的输入,使用卷积神经网络学习输入的抽象特征,并结合全局平均池化层和全连接层实现轴承健康状态识别。模型验证基于轴承声学实验数据,并通过构建不同的轴承声学数据集模拟跨转速域工况。试验结果表明,与传统卷积神经网络和机器学习模型相比,TEO-CNN表现出明显的优势,并且在跨转速域工况下的预测精度始终高于95%。 相似文献
60.