数控车床故障传播机理分析

为探讨数控车床故障传播机理,即识别系统关键节点与关键故障传播路径,基于数控车床故障数据,应用有向图理论、集成决策实验室分析(DEMATEL)和解释结构模型(ISM)方法构建数控车床分层故障传播有向图模型;基于故障传播概率、边介数两指标定义故障传播强度表征故障传播行为;提出结合系统分层故障传播有向图模型和故障传播强度的数控车床故障传播机理分析方法.分析结果表明:系统分层故障传播有向图模型实现了系统层级分解,简化了故障传播分析过程,为关键路径识别奠定了基础;将故障传播强度作为关键路径识别的依据,避免了传统分析方法基于单一指标描述数控车床故障传播行为而产生的偏差,实现了准确定位故障源,准确识别系统关键路径.所提方法有助于系统故障诊断与维护.     

基于改进支持向量机的药品包装纸盒快速鉴别研究

目的 为实现在司法鉴定中对药品包装纸盒类检材的简单快速无损检验。方法 利用X射线荧光光谱法,以Rh做阳极靶,在电压为50 kV、电流为30μA、功率为1.5 kW的条件下,对40组不同产地、不同厂家的药品包装纸盒样本进行检验。依据药品包装纸盒的化学元素组成对样本设置标签,建立蒙特卡洛算法（Monte Carlo Algorithm,MC）优化下的支持向量机（Support Vector Machine,SVM）分类模型,对惩罚因子进行仿真寻优,同时结合分治算法实现折半查找,使迭代过程具有自我学习能力,最终基于K-fold交叉验证,得到兼具拟合性和衍生性的惩罚因子组。结果 计算机模拟结果表明,当3组支持向量机惩罚因子设置为933、280、732时,MC-SVM模型可实现对100%的训练集的拟合以及90%的预测集的分类,Hinge Loss函数最低损失值为0.093 8。结论 此方法可为药品包装纸盒类物证的检验以及支持向量机的参数优化提供新思路。     

基于种属差异性利用XRF对塑钢窗的分类研究

建立了一种对未知产品信息的塑钢窗样本的快速分类方法。利用X射线荧光光谱法（XRF）,采用手持式荧光光谱仪,以Ag作阳极靶、电压为50 kV、电流为200 μA、采集时间为70 s,对40个不同产地、不同品牌、不同用途的塑钢窗进行元素分析。依据实验结果筛选出具有种属差异性的指标元素Pb、Ti、Cl,同时依据“含量标准偏差和”,综合考虑“品牌、产地、用途”之间的相对显著性关系,实现对塑钢窗样本的分类。结果表明,该方法可对样本进行完全分类,为现场勘查所采集的检材分类提供了新模式,具有一定的实战意义。     

电主轴径向加载机构横轴结构参数优化

以轴段半径、轴段长度、轴肩过渡圆半径作为参考因素,以危险点的最大应力作为评价指标,对一种接触式径向加载机构横轴的结构参数进行优化。应用有限元分析参数灵敏度,考虑设计经济性,采用控制变量法对轴段半径r和轴肩过渡圆半径R d进行定量分析。在满足轴的体积尽可能小的情况下使得危险点的应力得到了显著降低,最后对横轴进行了安全系数和可靠性校核。     

改进灰狼算法优化灰色预测模型在数控机床中的应用

针对传统灰色预测模型因背景值选取带来的预测误差较大的问题,提出一种与改进灰狼算法相结合的故障预测模型.设计一种改进的灰狼算法,对基本灰狼算法的算法参数通过非线性策略进行改善,并用于优化灰色预测模型中的背景值,从而获得最优预测模型.以某一型号数控车床主轴的8个故障数据为例,将该预测模型与其他灰色改进预测模型进行对比验证,...