简介:某连队战士小于,连里派他去帮伙房拉粮。到了粮店后,不是站一旁抽烟,就是与人闲聊,出工不出力。回到连队,正遇到指导员搬家,他却表现得十分积极,不遗余力,偌大一张沙发一个人背着就走。前公后私,一冷一热,判若两人。在当前的基层连队中,类似小于这样厚此薄彼的现象比较普遍。在某连队,就存在这样一种现象:如果连里有公差需要组织战士们去完成,本来一天就能干完的话,往往是搭上一倍的时间还完成不了;而一旦连里某位有“私差”需要帮忙,大部分战士都会争先恐后抢着去干,工作往往完成得既迅速又漂亮。同样是差事,为何一些战士出公差磨磨蹭蹭、懒懒洋洋,而出“私差”却积极有加、乐此不疲呢?对此,笔者做了一番调查,一些战士说出了心里话:觉得出公差是“例行公事”,除了多干些活,没有任何好处。干好了,是应该的,没人给你奖励;干坏了,反正法不责众,板子也不会打到哪个人身上。总之,干好干坏一个样。既然如此,谁还愿意耗时费事去做这“无用”的苦差呢?出“私差”则不然,干部找咱干私活,那是看得起咱们,是对咱们的看重和信任;况且利用出“私差”的机会,还可以搞一笔“感情投资”,与干...
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。