任耀, 牛冲槐, 张彤进[1]2015年在《“研发中学”对工业绿色全要素生产率的影响研究——基于PSTR的修正模型》文中研究指明研发中学是工业企业绿色全要素生产率提升的重要基础条件。根据研发中学对绿色全要素生产率的两种作用方式建立了多因素的面板平滑转换模型,并据此模型研究了研发中学对工业绿色全要素生产率的影响效应。研究结果表明:研发中学与工业绿色全要素生产率之间有非线性的影响关系,两者之间存在着明显的机制转移特征;研发中学对工业绿色全要素生产率的影响呈现出“高—低—高”的阶段性作用路径,初级阶段的研发中学对工业绿色全要素生产率的直接效应影响力要大于间接效应;而中高级阶段的研发中学对工业绿色全要素生产率的间接效应影响力要大于直接效应;且研发中学间接效应的路径依赖期较长,我国大部分省份尚处于研发中学的路径依赖期。
杨红, 刘夏平, 崔海霞, 彭军, 孙卓[2]2015年在《大跨径桥梁实时动态挠度信号的分离》文中认为由于经验模式分解(empirical mode decomposition,简称EMD)将非线性非平稳信号分解成为一系列线性、平稳的本征模函数(intrinsic mode function,简称IMF)信号,针对单通道大跨径桥梁挠度信号分离问题,结合盲源分离和经验模式分解各自优点,提出基于经验模式分解的盲源分离方法。利用奇异值分解(singular value decomposition,简称SVD)估计信号源数目,根据源信号数目将单通道挠度信号和其本征模函数重组为多通道输入信号,应用独立分量分析(independent component analysis,简称ICA)理论中的快速独立分量分析(fast independent component analysis,简称FastICA)算法对输入信号进行分解,实现桥梁挠度信号各分量的分离。仿真研究表明,该方法能较好地解决ICA模型源数估计和单通道挠度信号盲源分离难题。
崔建国, 严雪, 蒲雪萍, 齐义文, 蒋丽英[3]2015年在《基于动态PCA与改进SVM的航空发动机故障诊断》文中研究表明为了对航空发动机进行高效地故障诊断,确保飞机的飞行安全,提出了一种基于动态主元分析和改进支持向量机的航空发动机智能故障诊断方法。该方法结合了动态主元分析(principal component analysis,简称PCA)在特征提取方面和改进支持向量机(support vector machine,简称SVM)在故障诊断方面的优势。动态PCA方法对所涉及的过程变量进行去噪、降维、消除相关性等预处理和特征提取,采用改进SVM方法将所得的特征向量进行故障诊断诊断。所提出的方法可解决航空发动机模型精度和传感器测量参数有限情况下的滑油系统故障诊断精度差、效率低和易误诊、漏诊等问题。以某型真实航空发动机滑油系统为例,对提出方法的有效性进行试验验证。结果表明,采用的动态PCA和改进SVM故障诊断方法能有效提高故障诊断正确率,实现航空发动机滑油系统故障诊断的效能,具有较好的应用价值与前景。
朱旭程[4]2015年在《旋翼振动监测信号的演化分析与损伤跟踪方法》文中认为为获得一种对损伤敏感而对正常状态扰动不敏感的旋翼损伤观测信号、解决直升机旋翼在飞行状态下的损伤监测问题,研究了旋翼在重构相空间中的损伤演化特性并提出一种新的损伤跟踪方法。该方法首先应用嵌入技术将旋翼气弹有限元模型产生的振动监测信号重构到维数更高的相空间中,采用非线性Volterra级数建立旋翼基准状态预测模型,以基准状态预测结果与实测相轨迹之件的差异作为状态预测残差,在多个邻域内对其统计平均形成一个损伤观测特征向量;然后,应用奇异谱分解方法从损伤观测特征向量的时间序列中提取出桨叶损伤演化的维度和趋势信息,采用双指数平滑方法建立损伤演化趋势预测模型并估计出桨叶损伤故障剩余寿命。采用桨叶损伤模型和旋翼气弹模型仿真数据验证了所提方法的可行性和有效性。结果表明:该方法能充分利用监测信号的非线性特性在高维相空间中重建系统动力学本质,以不同的时间尺度来观测系统的演化特性;具有损伤模式自动识别能力,可用于难以事先确定系统损伤演化模型或维数信息的场合。
张建宇, 张随征, 管磊, 杨洋[5]2015年在《基于多小波包样本熵的轴承损伤程度识别方法》文中认为为了自动辨识不同尺度下的轴承故障,建立了一种基于多小波包系数样本熵和BP神经网络的模式判别方法。针对5种尺度下的轴承外圈故障信号,分别采用GHM多小波包完成叁层分解。为了充分利用多小波包的分析优势,将分解后的16个频段信号分别求系数样本熵,并将其作为神经网络的输入向量。通过叁层BP神经网络的训练、学习,并与dB10小波包神经网络做了对比研究。结果表明,多小波包样本熵可以区别不同损伤程度的故障信号,且多小波包样本熵与神经网络结合,其辨识精度更高,分类效果明显优于传统单小波,便于轴承损伤程度的自动识别。
雷达, 钟诗胜[6]2015年在《用集成过程神经网络预测民航发动机振动趋势》文中指出提出了一种集成过程神经网络预测模型用于民航发动机振动信号趋势预测。首先,对AdaBoost.RT算法的误差函数进行了改进,并采用自适应调整策略在训练过程中自动调节算法的分类阈值;然后,以改进的AdaBoost.RT算法为集成学习框架构建集成过程神经网络(process neural network,简称PNN)预测模型。通过对两组实际民航发动机振动信号序列的预测对集成模型的预测效果进行了评估。结果表明,在具有更加简单网络结构的情况下,集成PNN模型的预测效果好于单一PNN模型。此外,提出的改进AdaBoost.RT算法的效果优于原始AdaBoost.RT以及仅改进了阈值调整方法的AdaBoost.RT算法。对比结果表明,提出的集成PNN模型适用于民航发动机振动信号变化趋势预测。
李纪永, 李舜酩, 田国成, 陈晓红[7]2015年在《转子共频相关故障源源数估计与子带盲分离》文中研究说明针对转子异常振动产生含交叉频率的响应,其共频相关故障源不满足统计独立要求,提出利用非负矩阵法在频域中计算故障源个数,不计及源信号和混合系统特性,可以正确估计出故障源数目或源数上限。提出利用小波包分解故障信号,选择互信息较小的子带进行重构,剔除共频信号并进行盲分离,得到独立非相关的源信号,保留了故障信息。理论及实验结果证明了所提出方法的有效性。
付韶军[8]2016年在《出口和FDI提升纺织服装业全要素生产率研究——基于随机前沿面板数据模型的分析》文中研究表明本文运用基于对数型柯布—道格拉斯生产函数的随机前沿面板数据模型,测算了我国各省区市纺织服装业2001-2013年全要素生产率,并进一步分析了出口和FDI对全要素生产率的影响。实证结果表明,出口和FDI对我国纺织服装业的全要素生产率产生了积极作用,均存在正向的技术溢出效应。为促进我国纺织服装业持续健康发展,本文建议进一步积极开拓海外市场,实施出口多元化战略;积极利用外商投资,注重先进技术的引进;加大对自有品牌的培育和研发;借助“一带一路”,实现全球化布局。
宋海鹰[9]2016年在《基于LMS算法自适应滤波器的仿真应用》文中提出自适应系统理论由于可以通过学习与适应外界的变化来解决经典系统设计方法中存在的局限性,受到国内外学者的广泛关注。本文在滤波器经典设计方法的基础上,结合LMS改进算法,研究了基于自适应FIR(Finite Impulse Response,有限冲击响应)滤波器的消噪系统。在仿真与应用部分,利用MATLAB进行了自适应FIR滤波器的设计与仿真,并通过对加噪声的音频信号进行处理验证了滤波的效果。研究表明,跟传统方法相比,自适应FIR滤波器具有较小的通阻带纹波,接近理想特性。
陈彬[10]2012年在《医学多因素分析设计样本例数估算——多因素分析设计样本例数综合估算法》文中认为为使医学多因素分析样本例数适宜、统计分析结论客观,文中介绍新提出的多因素分析设计样本例数综合估算法,同时宣示广义多因素分析设计样本例数估算、回归分析设计样本例数两步估计、两组重复测量研究设计样本例数估算、制定多指标医学参考值范围样本例数估算、其余多因素分析时样本例数估算。
参考文献：
[1]. “研发中学”对工业绿色全要素生产率的影响研究——基于PSTR的修正模型[J]. 任耀, 牛冲槐, 张彤进. 经济问题. 2015
[2]. 大跨径桥梁实时动态挠度信号的分离[J]. 杨红, 刘夏平, 崔海霞, 彭军, 孙卓. 振动.测试与诊断. 2015
[3]. 基于动态PCA与改进SVM的航空发动机故障诊断[J]. 崔建国, 严雪, 蒲雪萍, 齐义文, 蒋丽英. 振动.测试与诊断. 2015
[4]. 旋翼振动监测信号的演化分析与损伤跟踪方法[J]. 朱旭程. 振动.测试与诊断. 2015
[5]. 基于多小波包样本熵的轴承损伤程度识别方法[J]. 张建宇, 张随征, 管磊, 杨洋. 振动.测试与诊断. 2015
[6]. 用集成过程神经网络预测民航发动机振动趋势[J]. 雷达, 钟诗胜. 振动.测试与诊断. 2015
[7]. 转子共频相关故障源源数估计与子带盲分离[J]. 李纪永, 李舜酩, 田国成, 陈晓红. 振动.测试与诊断. 2015
[8]. 出口和FDI提升纺织服装业全要素生产率研究——基于随机前沿面板数据模型的分析[J]. 付韶军. 国际经济合作. 2016
[9]. 基于LMS算法自适应滤波器的仿真应用[J]. 宋海鹰. 山西焦煤科技. 2016
[10]. 医学多因素分析设计样本例数估算——多因素分析设计样本例数综合估算法[J]. 陈彬. 伤害医学(电子版). 2012