简介:针对行星齿轮传动故障诊断中的信号故障特征微弱、特征提取困难等问题,提出了基于自适应聚合经验模态分解(EnsembleEmpiricalModeDecomposition,EEMD)和样本熵(SampleEntropy,SE)的行星齿轮箱故障特征提取方法。首先,针对EEMD结果存在较大的盲目性和主观性等问题,提出自适应EEMD方法;然后,使用此方法将行星齿轮箱振动信号分解为若干个固有模态函数(IntrinsicModeFunctions,IMF)分量,通过相关性分析选取含有齿轮状态特征信息的IMF分量并对信号进行重构,计算重构信号样本熵值,以此判断行星齿轮箱的运行状态;最后,对行星齿轮箱故障模拟试验台采集的2种状态振动信号的自适应EEMD样本熵进行求解,并与直接样本熵、EEMD样本熵等特征提取方法对比,验证了自适应EEMD样本熵具有更好的分类能力。
简介:引言熵是热力学中一个重要的态函数,热力学第二定律指出了态函数的存在,当热力学系统的状态发生无限小变化时,其熵变为ds≥(?)Q/T(1)式中(?)Q是系统从温度为了的热源吸收的热量,等号对应于可逆过程,不等号对应于不可逆过程。当(?)Q=0时,(1)式变为ds≥0(2)由此可见,在绝热过程中,系统的熵永不减少,在可逆绝热过程中,熵的数值不变,在不可逆绝热过程中,系统的熵总是增加。这个结论称为熵增加原理,也是热力学第二定律的数学表述。根据熵增加原理,任何自发的不可逆过程,只能向熵增加的方向进行,于是熵函数给予了判断不可逆方向的共同准则,上述结论无论系统是处在平衡状态还是非平衡状态都是成立的,而熵是
简介:许多人埋怨我对网友的评论一概不予置评。这主要有三个原因,一是确实太忙,抽不出时间来一一作答;二是无从评论,有时候一些评论不谈问题,只是概括的评论,令我无从答起;三是许多评论值得注意,但我不想对人家深思熟虑的东西随口作答,想有了时间后再同样认真地回答。陈体慎先生的《负熵成不了经济学的奠基石——评点“负熵与文化——后现代经济解释之二”》就属于第三种情况。
简介:摘要目的探讨基于脑电信息样本熵计算的麻醉深度指数(depth of anesthesia index, AI)在小儿扁桃体/腺样体切除术中的应用。方法选择择期行扁桃体/腺样体切除术的患儿124例,年龄3~10岁,按随机数字表法分为试验组(E组)和对照组(C组),每组62例。两组患儿均采用丙泊酚-瑞芬太尼复合麻醉,E组根据AI调节麻醉深度,维持AI在40~60,C组根据血压、心率变化调节麻醉深度。记录两组患儿入室(T1)、诱导前(T2)、插管前(T3)、插管后1 min(T4)、插管后3 min(T5)、插管后5 min(T6)、手术开始(T7)、扁桃体切除(T8)、腺样体刮除(T9)、手术结束(T10)、苏醒(T11)、拔管(T12)时的MAP、心率、AI;记录两组患儿苏醒时间、拔管时间、丙泊酚及瑞芬太尼用量;记录两组患儿术后30 min、术后2 h的小儿苏醒期谵妄量表(Pediatric Anesthesia Emergence Delirium, PAED)评分及不良反应发生情况。结果T7~T10时E组心率、MAP、AI均高于C组(P<0.05);E组苏醒时间、拔管时间短于C组(P<0.05),丙泊酚用量少于C组(P<0.05);两组患儿不良反应发生情况及术后30 min、术后2 h PAED评分比较,差异均无统计学意义(P>0.05)。结论AI监测有助于减少术中静脉麻醉药丙泊酚用量、缩短患儿苏醒时间及拔管时间,可安全用于儿童。