气体作冷却润滑剂的绿色切削试验

为实现绿色切削,研究了无污染、无危害的冷却润滑技术.采用氮气、氧气、二氧化碳气、氩气及过热水蒸气作冷却润滑剂,进行了单因素切削试验.试验结果表明,这些气体冷却润滑剂可以减小切削变形、切削力,降低切削温度,改善加工表面形貌.根据试验结果和冷却润滑作用机理分析可知,气体在切削中具有一定的冷却润滑作用,同时具有来源广泛、无毒害和污染、不用回收处理等绿色特点,故气体具备绿色切削的潜力.     

马钢某轧钢加热炉燃烧控制优化项目实施方案及可行性研究

分析了马钢某钢轧加热炉氧化烧损偏高问题,提出了燃烧控制优化实施方案,并研究了方案的可行性,给出了研究结论和建议。     

面向沿道路机动的最优路径模型优化

根据“公路”地理实体的数据结构以及机动的特点,对最优路径模型以及模型的影响因子进行解析,提出了改进的最优路径模型影响因子。通过层次分析法,量化改进后的权重体系并通过算例分析验证其合理性;利用改进后的最优路径模型,经验证符合实际情况需求。     

基于畅通度度量的无尺度网络中关键节点的选取方法 

现实世界中大量存在着的无尺度网络的抗蓄意攻击能力的不足,决定了从无尺度网络中选择关键节点的重要性。网络中节点的重要性程度可用将该节点从网络中删除前后,网络的连通性能的变化进行度量。文章提出了无尺度网络畅通度的概念,从3个不同的角度对无尺度网络的畅通度进行评价,构造出无尺度网络畅通度的综合度量公式,构建了无尺度网络的关键节点的选取模型,并利用分布估计算法对模型进行求解。仿真结果表明,利用分布估计算法得到的结果要好于直接选取度数最大的节点作为关键节点的方法。     

认知MIMO干扰信道的联合干扰对齐算法

针对认知MIMO干扰信道的干扰抑制问题,前人的研究往往将其解耦为主用户和次用户的干扰抑制两个独立问题进行设计,因而需要两级处理。首先将这两类干扰的抑制进行联合处理,建立了联合干扰对齐问题模型,然后基于对交替最小化干扰对齐算法的拓展和改进,得出一种迭代的联合干扰对齐算法。理论分析和仿真结果表明,文章算法能有效抑制系统内的干扰,与现有算法相比,干扰抑制性能相当,求解过程简单,信道无需满足互易性。     

矩形超高层建筑扭转风振响应的风洞试验研究

为了研究Sc数以及偏心对矩形超高层建筑扭转风振响应的影响,对4个矩形高层建筑模型,通过扭转摆式气弹模型风洞试验测试得到在不同实验风速和Sc数情况的结构角点位移时程。进而讨论了结构扭转向角位移均方根随着各参数的变化规律,分析了结构扭转风振响应机理,为矩形截面超高层建筑的扭转抗风设计提供参考。     

某高层建筑风效应及其测点布置对风效应影响分析

为考察某259m超高层建筑表面风压、风致响应及测点布置对风效应的影响,对该高层进行了刚性模型测压试验。根据随机振动理论算得了该高层的风致响应。结果表明,该建筑最高居住层风致加速度响应在一定程度上超出了规范阈值,而结构顶部最大风致位移响应在规范允许范围内。通过对不同行列测点风压数据分析发现,除受周边干扰的部分区域外,同一列自上而下不同行测点风压数据呈平稳变化趋势,而同一行不同列测点风压数据则差别显著;分析不同测点层(列)取舍方式对动力响应的影响可知,适当减少测点层数对动力响应结果影响甚微,而减少测点列数则使动力响应出现较大变化,说明在风洞试验模型测点布置时,可适当增加测点行间距,并尽量控制测点列间距,以此来解决测点总数限制的问题。     

电喷发动机配油转阀的设计及其流场分析北大核心

针对电子喷油器控制难度和精度高的特点,为进一步提高喷油精度,提出一种新型高压共轨喷油器配油转阀,并对阀口流场特性进行数值模拟。介绍转阀结构和工作原理,基于JE4D25A型柴油发动机工作参数,通过理论计算得到阀口关键尺寸,建立阀道流体域物理模型,在Fluent软件下对阀芯转角分别为11.5°、23°和34.5°位置流域模型进行仿真分析,得到流体在阀口处的流动特性。经分析,在怠速和额定转速下,单次配油量分别为0.059 mL和0.078 mL,额定转速下的输出流量比理论计算多6.8%,为后续阀口尺寸优化提供了参考。     

基于机器视觉及深度学习的静脉药物调配机器人药瓶识别北大核心

静脉药物调配机器人需要对数百种不同类型的药物进行调配,不同药物药瓶类型的识别、测量是精准调配的关键。对静脉药物调配机器人在药瓶类型分类、药瓶关键尺寸测量等不同任务要求情况下,运用基于机器视觉方法和深度学习框架YOLOv5s,实现了一种高效稳定的识别测量方法。结合机器视觉方法的测量准确性,深度学习方法对背景、光源的不敏感性,实现配药过程中不同环节药瓶的准确识别、测量。并通过实验定量地检测背景、环境光源对于识别结果的影响。     

基于模糊熵与CS-ELM的供输弹系统早期故障识别北大核心

针对供输弹系统早期采集的信号中成分复杂,故障特征难以提取和识别的问题,提出一种基于模糊熵与布谷鸟改进的极限学习机(CS-ELM)的供输弹系统早期故障预示方法。运用改进的可调品质因子小波变换对信号进行滤波降噪,提取各子带信号的模糊熵特征;选取模糊熵值较大的5个子带进行重构,完成降噪并将其模糊熵组成特征向量;运用CS-ELM对所提取的特征向量进行早期故障预示并与ELM的诊断结果进行对比。试验结果验证了该方法的有效性,其预示准确率达90.7%。