课程文献中心 更多>>

关键词： 未知环境   噪声补偿   舒拉补   矢量磁传感器   线下校正   卷积  

摘要： 针对实验室校正的矢量磁传感器难以适应实际工作环境的问题，提出一种新型未知测量噪声补偿方法以自适应地校正矢量磁传感器。首先，在较完整建立校正模型的基础上，指出传统校正方法在误差参数较大时的几种缺陷；然后利用卷积公式分离无偏代价函数中的测量数据矩阵与噪声矩阵；最后，通过建立分块后的一阶舒拉补近似求得噪声矩阵中的未知噪声幅值。通过上述方法，完全地将测量数据中的未知噪声去除掉。仿真与实物实验均表明，校正的矢量磁传感器在噪声补偿后较补偿前，精度有了很大提高，并随着噪声的加大，优势更明显。

摘要： 《噪声与振动控制》是由中国科协主管、中国声学学会主办、上海交通大学承办的有关噪声和振动专业综合性学术期刊.系中国中文核心期刊、中国科技论文统计源期刊、中国科学引文数据库等来源期刊.

关键词： 无人机   大气环境   监测  

摘要： 无人机具有灵活、高效、低成本等优势,能够在大气环境监测中实现全天候、多维度、高精度的数据采集.通过搭载各类传感器和设备,无人机可以实时监测大气污染物、气象要素以及气候变化等,为环境保护、气象预测和应急响应等项目提供支持与帮助.本文旨在深入探讨无人机在大气环境监测中的优势、应用场景及应用方法,为推动无人机在大气环境监测领域的应用和发展提供参考和借鉴.

关键词： 船舶电机   故障诊断   完全集合经验模态分解   贝叶斯残差高效通道注意力网络  

摘要： [目的]船舶实际航行中机舱存在的背景噪声导致故障诊断方法在实际使用时存在精度差的问题，针对上述问题，提出一种基于自适应噪声的完备经验模态分解（CEEMDAN）与贝叶斯残差高效通道注意力网络（BRECAN）的船舶电机故障诊断方法。[方法]首先，含噪声电机故障信号通过CEEMDAN分解成多个本征模态函数（IMF）分量，并基于去趋势波动分析（DFA）划分IMF中的噪声主导信号和信息主导信号，对于噪声主导信号使用经验小波变化（EWT）进行降噪；然后，构建BRECAN网络，基于变分贝叶斯（VI-Bayesian）原理使用网络参数代替传统网络点估计训练方式，参数建模拟合噪声对模型训练的干扰，并通过残差高效通道注意力（RECA）模块引导网络提取故障差异特征；最后，通过电机故障模拟实验台，验证所提方法的有效性。[结果]结果表明，在强噪声下所提方法能够实现船舶电机故障的精确诊断，在信噪比仍能够保持90%以上的诊断精度。[结论]研究成果可为强噪声下船舶电机故障诊断提供参考。

关键词： 嗜冷   反硝化聚磷菌   鳗鲡养殖尾水   总磷   硝酸盐氮  

摘要： 为解决低水温条件下的水产养殖尾水高效脱氮除磷问题，本研究开展了嗜冷反硝化聚磷菌株的筛选及其在鳗鲡养殖尾水的应用。通过平板培养和 16S rDNA 序列分析从鳗鲡养殖池底泥中筛选出一株具有嗜冷反硝化聚磷功能的琼氏不动杆菌（Acinetobacter junii）PL-1菌株，其是一种γ溶血菌株，对大多数抗生素敏感。采用单因素多水平试验对菌株的去除总磷和硝酸盐氮特性进行研究发现：在以乙酸钠为碳源、水温为15.9 ℃、pH为6.52、接种量为1.64%、C/N为5.19、振荡速度为100 r·min-1的条件下氮、磷处理效果最佳，总磷和硝酸盐氮去除率分别为86.07%和50.66%；在美洲鳗鲡养殖尾水处理的应用中，在平均水温10 ℃、水力停留时间2.1 d的条件下PL-1菌株的总磷和硝酸盐氮去除率分别为76.12%和46.50%。研究表明该菌株有良好的嗜冷反硝化降磷能力，具有较高的应用价值和良好的市场应用前景。

关键词： 环境温度   制动系统   停车制动   摩擦磨损   摩擦振动噪声  

摘要： 目的 探究环境温度对列车制动界面摩擦磨损及振动噪声的影响及其机理。方法 在环境温度可控的列车制动性能模拟试验台上，以环境温度为变量（20℃、0℃、-20℃和-40℃），开展停车制动试验，采集试验过程中的振动加速度、噪声、温度、制动力和制动扭矩信号并进行分析，采用扫描电子显微镜（SEM）和光学显微镜（OM）对摩擦块表面形貌和磨屑进行表征，并对试验前后摩擦块进行称重评估其磨损率。结果 在本试验条件下，随着环境温度降低，制动界面的切向振动加速度和噪声声压的RMS（均方根值）分别从20℃时的578.6m/s2和24.4Pa增加至-40℃时的937.0m/s2和34.0Pa；摩擦系数从20℃时的0.50降低至-40℃时的0.44；同时，磨损率从20℃时的111.0μg/s减少至-40℃时的54.8μg/s。结论 在停车制动过程中，随着环境温度降低，制动盘和摩擦块的材料脆性增加，在摩擦作用下更容易破碎产生大颗粒磨屑，从而影响摩擦界面第三体的形成和分布，最终通过接触平台的大小和分布影响制动界面摩擦磨损和振动噪声特性。

关键词： 长期GNSS坐标序列   有色噪声   极大似然   赤池信息量准则   速度不确定度  

摘要： 研究GNSS(Global Navigation Satellite System)坐标序列数据中包含的有色噪声对GNSS坐标序列模型分析、特别是速度分析具有重要价值。在以往的工作中，研究者专注于10-15年的中短期坐标序列的有色噪声建模，较少关注坐标序列经过长期积累后对有色噪声建模的变化。针对近30年来美国加州地区26个国际GNSS服务(International GNSS Service，IGS)基准站的78个坐标序列，运用极大似然估计法进行噪声模型参数估计，比较了8种常用的噪声模型，以赤池信息量准则进行优选。实验结果表明，在N、U和E方向上，以WN+PL+RWN(White Noise +Power-law Noise +Random Walk Noise)为最优模型的比例分别为61.5%、57.7%和42.3%。以WN+PL(White Nosie +Power-law Noise)为对照模型进行速度不确定度（标准差）估计，发现最优模型的速度不确定度平均值在N、E和U方向上分别是对照模型的5.2倍、5.0倍和4.0倍。本文的研究表明：(1)采用不同的噪声模型时速度不确定度参数的估计相差较大，为合理、客观地表征速度估计的不确定性，建议在实际应用中进行精细的有色噪声建模分析；(2)16年以上GNSS坐标序列大多具备探测RWN的潜力，不含RWN的模型对速度不确定度存在较明显的精度高估现象，因此在长期的GNSS坐标序列数据中RWN的影响不容忽视。

关键词： 过程噪声协方差   响应重构   Savitzky-Golay   卡尔曼滤波   激励识别  

摘要： 为解决卡尔曼滤波器在结构响应重构时过程噪声协方差难以获取的问题，提出两阶段最优过程噪声协方差Q估计算法（Two-stage Optimal Q Estimation， TOQE）。在固定窗长下建立关于Q的最小化误差函数，基于新息理论推导搜索区间，利用一维两阶段搜索策略加快过程噪声协方差Q的搜索，并使用SG（Savitzky-Golay， SG）平滑算法对窗口之间估计的过程噪声协方差进行平滑处理，实现最优过程噪声协方差的估计，最后，使用卡尔曼滤波器实现结构的响应重构。通过垂直轴风力发电机仿真和外伸梁试验验证算法的有效性，并应用重构的加速度响应在L1/L2正则化方法下实现外伸梁结构的激励识别。结果表明，相较应用传统最优过程噪声协方差Q估计算法（Optimal Q Estimation， OQE）进行响应重构，TOQE算法在5%、10%、15%测量噪声下均能确定一维搜索的区间范围，避免了OQE搜索区间的主观选取，实现了最优过程噪声协方差的估计，且搜索效率提高了50%～60%。不同精度评价标准下的TOQE算法响应重构误差有所降低，应用重构的加速度响应能较好识别外伸梁结构的外部激励。TOQE算法表现出较好的实时性和鲁棒性。