简介:汽车工业可以大大增加就业率,吸引外资并创造大量出口机会,被公认为是一国经济发展的重要驱动力之一。为发展汽车工业和维护本国汽车工业在国际竞争中的有利地位,各国政府出台了一系列法规、政策,采取了形式各异的干预行为,从而对汽车产业的发展产生了重要的影响。一般来讲,各国政府的政策主要把握两个方面的问题:一是在多大程度上允许外国汽车生产商进入本国市场;二是提供给本国汽车生产商的支持以及在多大程度上采取对外商的歧视性政策。从世界上主要汽车工业国的政府采取的宏观调控政策来看,英国、美国无外商准入方面的限制,对本国制造商和外商实行平等的国民待遇:德国虽无外商准入方面的限制,但对外商采取歧视性干扰政策;韩国基本上对外国汽车制造商的直接投资无限制,对进口汽车用非关税壁垒进行控制;而法国、日本则采取限制性的外商准入并且对其实施歧视性干扰政策。
简介:为探寻能够区分矿山微震信号和爆破信号的波形特征,建立基于人工识别标准的事件数据库。人工识别的考虑因素包括:波形的重复特征、波形的衰减特征、信号的主频大小以及事件发生的具体时间。将数据库中的微震信号和爆破信号调整至同一坐标系下发现,两类事件的起振角趋。于集中在不同的区间。考虑到P波到时提取的不准确性,波形起振角难以准确计算,提出以应用线性回归拟合得到的起振趋势线斜率代替起振角。将首次峰值起振趋势线斜率和最大峰值起振趋势线斜率连同首次波峰及最大波峰的坐标列为特征参数,应用Fisher判别法,能成功实现微震事件与爆破时间的准确分离,识别正确率达到97.1%。
简介:Grouplet变换是通过Haar变换实现的一种二维图像多尺度分析技术,拥有根据图像的纹理结构自适应改变基的能力,从而具有较好的稀疏性。与小波变换相比,Grouplet变换在针对纹理复杂的金属断口图像的识别方面具有更优越的性能;将Grouplet变换与关联向量机结合,采用Grouplet熵作为特征,关联向量机作为识别器,提出了一种新的基于Grouplet熵-RVM的航空构件断口图像识别方法。试验表明:该方法结合了Grouplet变换以及关联向量机的优势,在针对222张断口图像的训练与识别中,识别率达到了85.58%,相比Grouplet熵-SVM方法识别速率提高了5倍。
简介:风电机组状态监测部位多,数据分析工作量大,人工故障识别的方式使得风电机组状态监测报告滞后.本研究提出一种基于幅值调制比率的风电机组齿轮箱失效自动识别方法,针对风电机组转速不平稳的特点首先对齿轮箱振动加速度信号进行时频分析得到机组的瞬时转速,然后进行阶比处理将等时间间隔信号序列重采样转换成等角度间隔信号序列,频域变换后选择一倍啮合频率和两倍啮合频率幅值较大值,计算调制间隔为转频的多频率点幅值累加和,再将与较大啮合频率处的幅值调制比率作为特征值表征齿轮箱的失效状态.恒速和变速风电机组齿轮箱振动数据分析结果都表明该特征值具有良好的故障与正常状态区分能力,且不同转速下该特征值具有稳定性.