构建IPv6 over DVB体系框架,可以在下一代互联网中利用卫星等广播信道实施远程教育。该体系框架包括"支持IPv6的教育资源管理与发布系统"、"IPv6 over DVB传输系统"以及"IPv6 over DVB在远程教育中的应用示范&...构建IPv6 over DVB体系框架,可以在下一代互联网中利用卫星等广播信道实施远程教育。该体系框架包括"支持IPv6的教育资源管理与发布系统"、"IPv6 over DVB传输系统"以及"IPv6 over DVB在远程教育中的应用示范"3个部分。实现了将IPv6互联网中的教育资源通过卫星链路发布到目前尚无网络覆盖的1000所农牧村中小学。给出了设计方案和部署策略。展开更多
针对轴承的工况复杂,其振动信号呈现非线性、非平稳特性。传统算法不能充分挖掘出非线性、非平稳信号内部本质信息,提出了基于局部切空间排列算法(LTSA)与核熵成份分析(KECA)相结合的故障诊断方法。该方法首先将滚动轴承振动信号一维时...针对轴承的工况复杂,其振动信号呈现非线性、非平稳特性。传统算法不能充分挖掘出非线性、非平稳信号内部本质信息,提出了基于局部切空间排列算法(LTSA)与核熵成份分析(KECA)相结合的故障诊断方法。该方法首先将滚动轴承振动信号一维时间序列重构到高维相空间,并估计数据的本征维数;然后利用局部切空间排列算法对数据集进行维数约简,得到初始的低维流形结构特征向量空间的第一行特征,对其进行快速傅里叶变换(FFT),从其频谱中分别提取滚动轴承内环、外环的故障特征频率及它们分别对应的倍频和频谱能量等7个变量作为故障特征向量;最后采用KECA对滚动轴承的故障特征向量进行模式识别,KECA可实现根据熵值大小进行特征分类,具有较强的非线性处理能力,从而实现故障的识别与诊断。采用Case Western Reserve大学提供的轴承实验数据对算法进行了验证,结果表明该方法可有效提取滚动轴承的故障特征,可以对滚动轴承的故障类型精确分类,实现对滚动轴承准确的故障诊断。展开更多
文摘构建IPv6 over DVB体系框架,可以在下一代互联网中利用卫星等广播信道实施远程教育。该体系框架包括"支持IPv6的教育资源管理与发布系统"、"IPv6 over DVB传输系统"以及"IPv6 over DVB在远程教育中的应用示范"3个部分。实现了将IPv6互联网中的教育资源通过卫星链路发布到目前尚无网络覆盖的1000所农牧村中小学。给出了设计方案和部署策略。
文摘针对轴承的工况复杂,其振动信号呈现非线性、非平稳特性。传统算法不能充分挖掘出非线性、非平稳信号内部本质信息,提出了基于局部切空间排列算法(LTSA)与核熵成份分析(KECA)相结合的故障诊断方法。该方法首先将滚动轴承振动信号一维时间序列重构到高维相空间,并估计数据的本征维数;然后利用局部切空间排列算法对数据集进行维数约简,得到初始的低维流形结构特征向量空间的第一行特征,对其进行快速傅里叶变换(FFT),从其频谱中分别提取滚动轴承内环、外环的故障特征频率及它们分别对应的倍频和频谱能量等7个变量作为故障特征向量;最后采用KECA对滚动轴承的故障特征向量进行模式识别,KECA可实现根据熵值大小进行特征分类,具有较强的非线性处理能力,从而实现故障的识别与诊断。采用Case Western Reserve大学提供的轴承实验数据对算法进行了验证,结果表明该方法可有效提取滚动轴承的故障特征,可以对滚动轴承的故障类型精确分类,实现对滚动轴承准确的故障诊断。
