CN111581715A - 一种拖拉机零部件加速载荷谱快速压缩方法 - Google Patents

一种拖拉机零部件加速载荷谱快速压缩方法 Download PDF

Info

Publication number
CN111581715A
CN111581715A CN202010207850.4A CN202010207850A CN111581715A CN 111581715 A CN111581715 A CN 111581715A CN 202010207850 A CN202010207850 A CN 202010207850A CN 111581715 A CN111581715 A CN 111581715A
Authority
CN
China
Prior art keywords
power density
load spectrum
stress load
fatigue damage
accumulated
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202010207850.4A
Other languages
English (en)
Other versions
CN111581715B (zh
Inventor
谢斌
温昌凯
杨子涵
宋正河
尹宜勇
赵雪彦
李淑艳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Agricultural University
Original Assignee
China Agricultural University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by China Agricultural University filed Critical China Agricultural University
Priority to CN202010207850.4A priority Critical patent/CN111581715B/zh
Publication of CN111581715A publication Critical patent/CN111581715A/zh
Application granted granted Critical
Publication of CN111581715B publication Critical patent/CN111581715B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/15—Vehicle, aircraft or watercraft design
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/14—Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Physics (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Hardware Design (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Algebra (AREA)
  • Automation & Control Theory (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Investigating Strength Of Materials By Application Of Mechanical Stress (AREA)

Abstract

本发明涉及一种用于加速试验的拖拉机零部件载荷谱快速压缩方法，基于S‑N曲线与实测应力载荷谱，融合短时傅里叶变换的时频分析方法，准确辨识提取高疲劳损伤部分，快速压缩形成用于加速试验的载荷谱。该方法能够综合考虑载荷幅值与频率对零部件材料的耦合影响，最大限度压缩原始载荷信号并且能够保证压缩信号与原始信号在疲劳损伤量、统计参数、幅值域穿级计数以及频率域功率谱密度等方面保持一致，实现相同的加载效果。

Description

一种拖拉机零部件加速载荷谱快速压缩方法
技术领域
本发明属于拖拉机试验测试技术领域，具体涉及一种用于加速试验的拖拉机零部件载荷谱快速压缩方法。
背景技术
关键零部件可靠性是影响拖拉机田间作业连续规范的重要因素，试验是对拖拉机零部件设计与制造的重要评价手段。在完成拖拉机任意零部件设计后，进行全工况的疲劳试验，可以有效验证零部件具有设计中规定的强度和使用寿命。基于实验室的加速测试可通过试验台复现零部件实际作业的受载情况，同时可以对加速试验加载信号进行压缩，因此被广泛应用。
用于加速试验的零部件载荷谱是实验室加速测试的基础，其核心是疲劳数据编辑技术，可以保证在加载时间上短于实测载荷谱长度，同时依然可以保证造成大约一致的疲劳损伤。机械领域零件载荷谱编辑方法大致分为两种，基于时域以及基于频域的疲劳数据编辑方法，其基础均为传统的、以S-N曲线为核心的疲劳分析理论，完全忽略作业载荷的频率信息，只考虑应力幅值对于研究对象疲劳寿命的影响。
但是，拖拉机等农机装备在田间工作时，受限于缺少足够的悬架系统，与汽车的受载情况存在较大差异，作业时主要受到宽频率段、幅值时变等特点的随机非平稳载荷。针对工作振动明显，载荷频率段宽以及幅值变化大的农业装备编制用于加速试验的零部件载荷谱，应综合考虑载荷幅值与频率对材料寿命的耦合影响。因此，提出基于短时傅里叶变换的拖拉机零部件信号压缩方法，充分考虑拖拉机田间作业载荷特性，从载荷幅值与频率的角度出发，充分识别并严格保留原始应力信号中的高疲劳损伤部分，通过对比信号前后的疲劳损伤保留量、压缩比、统计参数、幅值域以及频率域来确定最终的缩减信号。
发明内容
针对现有技术中存在的缺陷，本发明的目的在于提供一种用于加速试验的基于短时傅里叶变换的拖拉机零部件载荷谱快速压缩方法，该方法能够综合考虑载荷幅值与频率对零部件材料的耦合影响，最大限度压缩原始载荷信号并且能够保证压缩信号与原始信号在疲劳损伤量、统计参数(均值、均方根值以及峰度系数)、幅值域穿级计数以及频率域功率谱密度等方面保持一致，实现相同的加载效果。
为达到以上目的，本发明采取的技术方案是：
一种用于加速试验的拖拉机零部件载荷谱快速压缩方法，包括以下步骤：
1)获取实测的拖拉机零部件原始应力载荷谱；
2)对原始应力载荷谱进行预处理，预处理包括：重采样、消除趋势项、滤波以及去除奇异点等；
3)求解预处理后的实测应力载荷谱的梯度，获得实测应力载荷谱的功率密度曲线，求解材料S-N曲线的梯度，获得功率密度-寿命曲线方程；
4)对实测应力载荷谱的功率密度曲线进行基于短时傅里叶变换的时频分析，获取某一时刻单位时间段内的累积循环次数，对功率密度-寿命曲线方程求反函数，获取材料疲劳失效的极限循环次数；
5)在步骤4)的基础上，对某一时刻单位时间段内的累积循环次数和材料疲劳失效的极限循环次数做比得到单位时间内的累积功率密度；
6)重复步骤5)计算得到多个单位时间内的累积功率密度，多个单位时间内的累积功率密度形成累积功率密度分布，然后设置累积功率密度分布的功率密度截止阈值，根据功率密度截止阈值识别累积功率密度分布的高累积功率密度部分以及低累积功率密度部分；
7)将高累积功率密度部分以及低累积功率密度部分分别映射到实测应力载荷谱的时域，将实测应力载荷谱中的低疲劳损伤部分进行删减，提取高疲劳损伤部分；
8)将步骤7)中提取的高疲劳损伤部分进行保持原有载荷时间序列的重连接，形成编辑后的压缩应力载荷谱；
9)计算压缩应力载荷谱与原始应力载荷谱的疲劳损伤保留量、统计参数，其中疲劳损伤保留量、统计参数的计算误差均小于10％，并且二者的幅值域穿级计数以及频率域功率谱密度分布具有一致性，以验证压缩应力载荷谱的准确性，否则，重新设置功率密度截止阈值，直到验证成功；
10)完成拖拉机零部件应力载荷谱的压缩工作。
进一步地，短时傅里叶变换窗函数包括：矩形窗、三角窗、汉宁窗、汉明窗以及高斯窗。
进一步地，步骤6)中的功率密度截止阈值与压缩应力载荷谱的应力时间历程长度以及疲劳损伤保留量有密切的关系。
进一步地，所述功率密度截止阈值的合理选择能够使编辑后的压缩应力载荷谱压缩比达到最大，疲劳损伤保留量达到最大。
进一步地，步骤9)中所述统计参数包括：均值、均方根值以及峰度系数。
进一步地，所述步骤8)中的重连接要保证原有载荷时间序列，尽可能进行平稳过渡连接。
本发明与现有技术相比，具有以下优点：
1)基于短时傅里叶变换的拖拉机零部件载荷谱快速压缩方法与只关注幅值影响的基于损伤保留的编辑方法有根本区别，前者综合考虑载荷幅值与频率对材料的耦合影响，能够保持原始载荷信号的所有载荷特性。
2)基于短时傅里叶变换的拖拉机零部件载荷谱快速压缩方法与基于损伤保留的编辑方法相比，前者得到的压缩信号压缩比更大，能够保持在47.5％。
3)基于短时傅里叶变换的拖拉机零部件载荷谱快速压缩方法与基于损伤保留的编辑方法相比，得到的压缩信号的损伤保留量更大，并且保持在99％左右。
4)基于短时傅里叶变换的拖拉机零部件载荷谱快速压缩方法与基于损伤保留的编辑方法相比，前者的统计参数(均值、均方根值以及峰度系数)误差更小，远远小于10％。
5)基于短时傅里叶变换的拖拉机零部件载荷谱快速压缩方法与基于损伤保留的编辑方法相比，前者的幅值域穿级计数结果与原始载荷更接近。
6)基于短时傅里叶变换的拖拉机零部件载荷谱快速压缩方法与基于损伤保留的编辑方法相比，前者的频率域功率谱密度分析结果与原始载荷更接近。
附图说明
本发明有如下附图：
图1是用于加速试验的拖拉机零部件载荷谱快速压缩方法流程框图。
图2是利用累积功率密度截止识别并提取高累积功率密度部分示意图，其中图2(a)为实测数据的累积功率密度分布及阈值水平示意图，图2(b)为实测数据的累积功率密度分布辨识及删减结果示意图。
具体实施方式
以下结合附图对本发明作进一步详细说明。
图1为用于加速试验的拖拉机零部件载荷谱快速压缩方法流程框图，具体流程如下：
1)获取实测的拖拉机零部件原始应力载荷谱；
2)对原始应力载荷谱预处理，预处理包括重采样、消除趋势项、滤波以及去除奇异点等。
3)求解预处理后的实测应力载荷谱的梯度，获得实测应力载荷谱的功率密度曲线，求解材料S-N曲线的梯度，获得功率密度-寿命曲线方程。
4)对实测应力载荷谱的功率密度曲线进行基于短时傅里叶变换的时频分析，获取某一时刻单位时间段内的累积循环次数，对功率密度-寿命曲线方程求反函数，获取材料疲劳失效的极限循环次数。
5)在步骤4)的基础上，对某一时刻单位时间段内的累积循环次数和材料疲劳失效的极限循环次数做比得到单位时间内的累积功率密度。
6)重复步骤5)计算得到多个单位时间内的累积功率密度，多个单位时间内的累积功率密度形成累积功率密度分布，然后设置功率密度截止阈值，根据功率密度截止阈值识别累积功率密度分布的高累积功率密度部分以及低累积功率密度部分。
7)将高累积功率密度部分以及低累积功率密度部分分别映射到实测应力载荷谱的时域，将实测应力载荷谱中的低疲劳损伤部分进行删减，提取高疲劳损伤部分。
8)将步骤7)中提取的高疲劳损伤部分进行保持原有载荷时间序列的重连接，形成编辑后的压缩应力载荷谱。
9)计算压缩应力载荷谱与原始应力载荷谱的疲劳损伤保留量、统计参数，其中疲劳损伤保留量、统计参数的计算误差均小于10％，并且二者的幅值域穿级计数以及频率域功率谱密度分布具有一致性，以验证压缩应力载荷谱的准确性，否则，重新设置功率密度截止阈值，直到验证成功。
10)完成拖拉机零部件应力载荷信号的压缩工作。
进一步地，短时傅里叶变换窗函数包括：矩形窗、三角窗、汉宁窗、汉明窗以及高斯窗。
进一步地，步骤6)中的功率密度截止阈值与压缩应力载荷谱的应力时间历程长度以及疲劳损伤保留量有密切的关系。
进一步地，所述功率密度截止阈值的合理选择能够使编辑后的压缩应力载荷谱压缩比达到最大，疲劳损伤保留量达到最大。
进一步地，步骤9)所述统计参数包括：均值、均方根值以及峰度系数。
进一步地，所述步骤8)中的重连接要保证原有载荷时间序列，尽可能进行平稳过渡连接。
图2为本发明所述的利用累积功率密度截止识别并提取高累积功率密度部分示意图，具体解释如下：
图示实测原始数据共1000个数据点，其累积功率密度分布图中存在73个累积功率密度峰值，并且峰值位置以及大小均已值。接着利用代表一定数值的线条即累积功率密度阈值水平，将分布图中的累积功率密度按照阈值截取标准分开，此处累积功率密度阈值水平设置为10-6W/m3。进一步依据此阈值水平保留高累积功率密度部分，删减低累积功率密度部分。进一步计算出测点1第1段实测数据累积功率密度部分辨识以及保留删减前后的特征参数进行比较分析。该段实测数据经过累积功率密度辨识，达到或高于10-6W/m3累积功率密度阈值水平的数据点467，与处理前第1段共1000个数据点比较，减少了53.3％；处理前后的累积功率密度分布峰值均为73个，且具体峰值所在位置以及大小无改变。
本说明书中未作详细描述的内容属于本领域专业技术人员公知的现有技术。

Claims (5)

1.一种用于加速试验的拖拉机零部件载荷谱快速压缩方法，其特征在于，包括以下步骤：
1)获取实测的拖拉机零部件原始应力载荷谱；
2)对原始应力载荷谱进行预处理，预处理包括：重采样、消除趋势项、滤波以及去除奇异点；
3)求解预处理后的实测应力载荷谱的梯度，获得实测应力载荷谱的功率密度曲线，求解材料S-N曲线的梯度，获得功率密度-寿命曲线方程；
4)对实测应力载荷谱的功率密度曲线进行基于短时傅里叶变换的时频分析，获取某一时刻单位时间段内的累积循环次数，对功率密度-寿命曲线方程求反函数，获取材料疲劳失效的极限循环次数；
5)在步骤4)的基础上，对某一时刻单位时间段内的累积循环次数和材料疲劳失效的极限循环次数做比得到单位时间内的累积功率密度；
6)重复步骤5)计算得到多个单位时间内的累积功率密度，多个单位时间内的累积功率密度形成累积功率密度分布，然后设置累积功率密度分布的功率密度截止阈值，根据功率密度截止阈值识别累积功率密度分布的高累积功率密度部分以及低累积功率密度部分；
7)将高累积功率密度部分以及低累积功率密度部分分别映射到实测应力载荷谱的时域，将实测应力载荷谱中的低疲劳损伤部分进行删减，提取高疲劳损伤部分；
8)将步骤7)中提取的高疲劳损伤部分进行保持原有载荷时间序列的重连接，形成编辑后的压缩应力载荷谱；
9)计算压缩应力载荷谱与原始应力载荷谱的疲劳损伤保留量、统计参数，其中疲劳损伤保留量、统计参数的计算误差均小于10％，并且二者的幅值域穿级计数以及频率域功率谱密度分布具有一致性，以验证压缩应力载荷谱的准确性，否则，重新设置功率密度截止阈值，直到验证成功；
10)完成拖拉机零部件应力载荷谱的压缩工作。
2.如权利要求1所述的用于加速试验的拖拉机零部件载荷谱快速压缩方法，其特征在于，短时傅里叶变换窗函数包括：矩形窗、三角窗、汉宁窗、汉明窗以及高斯窗。
3.如权利要求1所述的用于加速试验的拖拉机零部件载荷谱快速压缩方法，其特征在于，步骤6)中的功率密度截止阈值与压缩应力载荷谱的应力时间历程长度以及疲劳损伤保留量有密切的关系。
4.如权利要求1所述的用于加速试验的拖拉机零部件载荷谱快速压缩方法，其特征在于，所述功率密度截止阈值的合理选择能够使编辑后的压缩应力载荷谱压缩比达到最大，疲劳损伤保留量达到最大。
5.如权利要求1所述的用于加速试验的拖拉机零部件载荷谱快速压缩方法，其特征在于，步骤9)中所述统计参数包括：均值、均方根值以及峰度系数。
CN202010207850.4A 2020-03-23 2020-03-23 一种拖拉机零部件加速载荷谱快速压缩方法 Active CN111581715B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010207850.4A CN111581715B (zh) 2020-03-23 2020-03-23 一种拖拉机零部件加速载荷谱快速压缩方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010207850.4A CN111581715B (zh) 2020-03-23 2020-03-23 一种拖拉机零部件加速载荷谱快速压缩方法

Publications (2)

Publication Number Publication Date
CN111581715A true CN111581715A (zh) 2020-08-25
CN111581715B CN111581715B (zh) 2023-08-08

Family

ID=72124848

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010207850.4A Active CN111581715B (zh) 2020-03-23 2020-03-23 一种拖拉机零部件加速载荷谱快速压缩方法

Country Status (1)

Country Link
CN (1) CN111581715B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112560276A (zh) * 2020-12-22 2021-03-26 北京强度环境研究所 一种载荷谱的生成方法
CN113095192A (zh) * 2021-04-02 2021-07-09 中国农业大学 一种基于时域外推技术的动态载荷谱编制方法
CN117191311A (zh) * 2023-08-14 2023-12-08 暨南大学 物流非平稳、非高斯振动下产品的加速振动试验方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106546436A (zh) * 2016-10-19 2017-03-29 华南理工大学 一种汽车零部件载荷谱有效压缩方法
CN106885691A (zh) * 2017-01-20 2017-06-23 长安大学 一种挖掘机动臂疲劳试验程序谱整理及试验加载方法
CN110569614A (zh) * 2019-09-12 2019-12-13 成都大汇智联科技有限公司 一种水轮机顶盖螺栓疲劳预测方法
CN110750851A (zh) * 2018-08-05 2020-02-04 北京航空航天大学 加速疲劳载荷谱编制方法
US20220260468A1 (en) * 2020-12-24 2022-08-18 Nanjing University Of Aeronautics And Astronautics Method for compiling equivalent acceleration spectrum of creep under variable temperatures and loads

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106546436A (zh) * 2016-10-19 2017-03-29 华南理工大学 一种汽车零部件载荷谱有效压缩方法
CN106885691A (zh) * 2017-01-20 2017-06-23 长安大学 一种挖掘机动臂疲劳试验程序谱整理及试验加载方法
CN110750851A (zh) * 2018-08-05 2020-02-04 北京航空航天大学 加速疲劳载荷谱编制方法
CN110569614A (zh) * 2019-09-12 2019-12-13 成都大汇智联科技有限公司 一种水轮机顶盖螺栓疲劳预测方法
US20220260468A1 (en) * 2020-12-24 2022-08-18 Nanjing University Of Aeronautics And Astronautics Method for compiling equivalent acceleration spectrum of creep under variable temperatures and loads

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
PANU PRATUMNOPHARAT 等: "Extracting fatigue damage parts from the stress-time history of horizontal axis wind turbine blades" *
吴新佳: "基于短时傅里叶变换的汽车零部件耐久性载荷谱编辑方法研究" *
郑国峰 等: "基于小波变换的汽车零部件加速耐久性多轴载荷谱编辑方法研究" *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112560276A (zh) * 2020-12-22 2021-03-26 北京强度环境研究所 一种载荷谱的生成方法
CN112560276B (zh) * 2020-12-22 2023-06-30 北京强度环境研究所 一种载荷谱的生成方法
CN113095192A (zh) * 2021-04-02 2021-07-09 中国农业大学 一种基于时域外推技术的动态载荷谱编制方法
CN113095192B (zh) * 2021-04-02 2023-12-12 中国农业大学 一种基于时域外推技术的动态载荷谱编制方法
CN117191311A (zh) * 2023-08-14 2023-12-08 暨南大学 物流非平稳、非高斯振动下产品的加速振动试验方法
CN117191311B (zh) * 2023-08-14 2024-05-24 暨南大学 物流非平稳、非高斯振动下产品的加速振动试验方法

Also Published As

Publication number Publication date
CN111581715B (zh) 2023-08-08

Similar Documents

Publication Publication Date Title
CN111581715B (zh) 一种拖拉机零部件加速载荷谱快速压缩方法
CN108959795B (zh) 一种试验场载荷谱标准化方法
EP2277039B1 (de) Verfahren und vorrichtung zur klassifikation von schallerzeugenden prozessen
CN110553666B (zh) 一种mems电容式陀螺仪敏感结构品质因数q值的获取方法
CN112199793B (zh) 一种非高斯载荷的损伤等效试验谱优化方法
CN109781245B (zh) 一种柴油发动机脉冲噪声的客观评价方法
CN112051141A (zh) 一种复合材料应变率相关压缩本构模型的构建方法
CN111460702A (zh) 一种基于正逆向损伤特征融合的结构件损伤识别方法
CN114034492B (zh) 基于希尔伯特-黄变换的汽车零部件载荷谱快速压缩方法
CN112100806A (zh) 一种表征复合材料本构曲线的获取方法
DE102010005525A1 (de) Verfahren zur Zustandsüberwachung einer Maschine und Überwachungseinrichtung hierfür
CN109828548B (zh) 基于时间序列变化突变点检测的性能退化特征评估方法
CN110993132A (zh) 一种核电厂支持疲劳监测功能的瞬态监测方法
CN111971581A (zh) 用于验证由雨量传感器提供的数据的设备、方法和计算机程序产品
CN114936419A (zh) 载荷谱的编制方法、系统、可读存储介质及计算机设备
CN110031198B (zh) 一种考虑能量的应变载荷谱编制方法
CN114779028A (zh) 一种发电机局放在线监测装置及监测方法
CN111010193B (zh) 基于压电导纳的数据压缩重构及结构损伤识别方法、设备
CN112749683A (zh) 一种保留载荷时序的雨流计数方法
CN114235445A (zh) 一种基于s变换的隔振器道路载荷谱的时间压缩方法
CN116108335A (zh) 基于Wigner-Ville变换的汽车零部件载荷谱高效压缩编辑方法
US10840942B2 (en) Method and apparatus for compressing data
CN108426947B (zh) 塑性粘结炸药压缩成型件退模形变过程的声发射监测方法
CN112114215A (zh) 基于误差反向传播算法的变压器老化评估的方法及系统
CN112525999B (zh) 一种基于频率成份的声发射信号相关性分析方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant