基于边际谱和神经网络的柴油机故障诊断

柴油机缸盖振动信号中包含着丰富的柴油机工作状态信息,利用缸盖振动信号诊断柴油机工作状态是一种有效方法.针对缸盖振动信号的特点,提出用经验模式分解方法对获取的缸盖振动信号进行分解,选取前3阶模式分量的边际谱、重心频率、重心幅值、偏度以及峭度等构成柴油机工作状态特征向量,基于BP网络对柴油机故障进行分类诊断.经对实测柴油机故障进行诊断表明,正确率达到85％以上,验证了诊断方法的可行性.     

综合模式分量能量及时频域特征的柴油机故障诊断

柴油机缸盖振动信号中包含着丰富的柴油机工作状态信息,利用缸盖振动信号诊断柴油机工作状态是一种有效方法。鉴于缸盖振动信号非平稳性的特点,该文提出用经验模式分解方法对获取的信号进行分解,选取前三阶的模式分量近似代替原信号,用模式分量的能量百分比、重心频率和重心幅值、偏度、峭度、方差等构成柴油机工作状态特征向量,基于支持向量机对实测的柴油机故障进行诊断分类,诊断的正确率达到92%以上,验证了方法的可行性。该研究也可为其他机械设备的故障诊断提供参考。     

百合花色表型数量分类研究

以筛选的257份代表性百合种质为试验材料,使用英国皇家园艺学会比色卡(RHSCC)和测色仪对花色表型进行测定,以测定数据为基础采用系统聚类对样本花色进行数量分类与分析,结合分类结果构建百合花色表型检索体系.结果显示:结合RHSCC和CIELab参数值将百合花色分为白、黄、粉、橙、橙红、玫红、红和暗红8大色系.各色系参数...