简介:摘要:针对滚动轴承振动信号呈现非线性、强非平稳性以及多分量耦合特性,提出了基于局部均值分解(LMD)的滚动轴承故障程度特征提取方法,并采用盲源分离方法对故障信号进行分离处理,最后利用极限学习机模型对其特征参数进行分类识别,为滚动轴承故障特征提取和故障诊断提供了一种新途径。
简介:神经营养因子是由神经元和神经元支配的靶器官或胶质细胞产生,在神经系统的发育、分化等生理过程中发挥重要的作用[1~3].由于神经营养因子具有维持神经元存活、促进神经元突起延伸等生理活性,并且可以在神经轴突中进行顺行、逆行性转运[4,5].因此在许多以神经元死亡或萎缩为特点的神经退行性疾病中,如老年性痴呆(Alzheimer'sdisease)、帕金森氏病(Parkinson'sdisease)、肌萎缩侧索硬化症(Amyotrophiclateralsclerosis)等,应用神经营养因子作为治疗药物有广阔的应用前景[6].