摘要：景观是有气质的,不同的大学校园景观应该拥有自己的独特气质,或城市、或乡村、或严谨、或轻松等。但是,如今大学校园的景观设计普遍雷同,没有鲜明的个性特征。针对如今"千校一面"的状况,本文提出了一些解决办法和具体措施,希望为大学校园的景观建设提供一些参考。

摘要：研究滚动轴承不同状态下的振动信号,使用小波包变换提取信号各频带的能量熵,作为轴承故障的特征,然后使用支持向量机智能诊断轴承不同故障。传统单通道信号诊断方法容易造成误诊,全矢小波包能量熵融合了振动信号双通道的信息,能更准确地反映故障的特征。实验结果表明,采用全矢小波包能量熵比传统单通道方法有更高的诊断精度。

摘要：以滚动轴承在正常、内圈故障、外圈故障和滚动体故障四种工况下的振动信号为研究对象,采用小波包变换的方法提取信号的能量熵,构成振动信号的特征向量。在此基础上采用支持向量机进行故障模式识别,建立支持向量机模型需要选择适当的核函数及相关参数,使用径向基核函数,需要设置的参数为核函数的宽度和误差惩罚系数,分别结合传统的网格搜索,遗传算法,粒子群算法优化支持向量机参数以提升分类性能。试验结果表明,采用优化后的支持向量机进行故障诊断可以大大提高诊断精度。

摘要：论研究单自由度系统强迫振动时振动能量与振动疲劳寿命之间关系,然后用ANSYS/FE-SAFE软件对简支梁进行横向弯曲振动疲劳分析,结果表明,在一定范围内,振动能量越大,振动疲劳寿命越短,反之亦然,因此可以用振动能量对设备状态进行评价。对于测得的速度信号,可通过时域或频域积分的方法求得位移进而得到振动能量,也可以对信号进行频谱分析得到各频率下的幅值从而求得振动能量,后者更加方便准确。最后使用健康度定量描述设备的健康状态。

摘要：在大型旋转机械各类常见故障中,转子系统故障是发生最多的故障之一,超过总故障的60%。传统的转子系统的故障诊断方法主要是基于单通道信号的幅值谱和相位谱特征,但由于单通道信号的不完整性以及特征量选取的不可靠,容易出现误诊或漏诊状况。为解决上述问题,提出振动能量谱的概念,并结合全矢谱技术进行双通道信息融合,形成全矢振动能量谱,将其运用于转子系统的故障诊断当中。实验证明,全矢振动能量谱较之于传统的幅值谱方法,能更加准确、有效的识别转子故障。

摘要：文章首先介绍了CodeWarrior Processor Expert程序设计的概念，接着将其与传统程序设计进行比较，并分析了其优点，然后介绍了PE的运行界面，最后提供了2个PE程序设计实例。