提出利用压电叠堆作砧骨激励式人工中耳的振子,并利用中耳-压电叠堆耦合力学模型对该压电叠堆振子进行辅助设计。该模型基于一无任何听力损伤病史的成年志愿者的左耳,利用CT扫描和逆向成型技术建成。其可靠性通过与实验对比加以验证。最终设计的压电振子只需要10.5 V的有效驱动电压,便可以对镫骨激起相当于鼓膜处90dB声压激励的振幅。该振子在频率为1 kHz的单伏电压驱动工况下,能耗仅为0.03 mW,满足人工中耳低电压、低能耗的要求。

利用中耳与压电振子的耦合力学模型，研究设计人工中耳压电振子。该力学模型基于一无任何听力损伤病史的成年志愿者的左耳，利用CT扫描和逆向成型技术建成模。模型的可靠性通过镫骨底板的位移计算结果与国外文献实验测得数据进行对比加以验证。最终设计的压电振子采取悬浮结构，由绑定装置、压电叠堆及质量块所组成，仅需简单的手术便可直接将其植入在砧骨长突上，且只需要10．5Vrms的驱动电压便可以对镫骨激起相当于鼓膜处100dB声压激励的振幅。

基于振动信号辨识是实现综放开采煤矸识别的有效手段,现有方法在识别准确性和有效性方面有待进一步研究。提出了一种基于经验模态分解(EMD)特征提取与随机森林(RF)的煤矸识别方法。采用加速度传感器及数据采集仪采集了某综放工作面煤和矸石冲击液压支架尾梁产生的振动信号,分别对2种信号进行EMD,得到一系列本征模态函数(IMF);根据EMD结果选取有效IMF,分别提取IMF能量、峭度、矩阵奇异值及对应熵作为特征向量,采用各特征向量独立训练RF模型,根据各RF模型对测试样本的识别结果筛选特征向量,并建立特征数据集;采用特征数据集训练RF模型,采用训练好的RF模型实现煤矸识别。测试结果表明:该方法对200组煤矸测试样本的识别准确率达96.5%,且当RF模型中决策树数量设置为100或150时识别准确率最高,对测试样本进行特征提取与识别的耗时不超过0.2 s,满足综放...

针对传统随机共振方法难以实现系统最优输出的问题,提出了基于二阶欠阻尼和一阶过阻尼双稳态系统的普通变尺度随机共振方法,利用量子粒子群优化算法实现了自适应随机共振,提高了轴承故障诊断效率.基于数值模拟讨论了时间尺度、阻尼因子、噪声强度和系统参数对输出信噪比的影响.应用提出的方法对两组轴承故障振动信号进行了分析.结果表明,二阶欠阻尼系统普通变尺度自适应随机共振对微弱故障信号的检测效果优于一阶过阻尼系统普通变尺度自适应随机共振,且二阶欠阻尼系统对噪