弹性元件参数优化对扑翼机构转速波动影响研究

以特拉华大学机械系统实验室所研制的样机模型进行建模,该模型传动机构采用曲柄摇杆机构.传动机构在运转的过程中,翅翼会在气动力和惯性力作用下产生周期性波动,导致电机转速波动增大,影响机构的平稳运行,产生振动和噪声.在仿真试验中引入弹簧元件,可有效降低电机转速波动,利用正交试验设计方法对影响电机转速波动的影响因素进行极差分析,得出弹簧的连接点位置是主要因素,弹簧的刚度系数是次要因素,弹簧原长影响最小.搭建了物理实验平台,验证了仿真结果和正交试验设计方法的正确性.     

矿用带式输送机防打滑张紧装置应用分析

长平煤矿机掘三队针对53031巷掘进期间工作面安装的SSJ-800型带式输送机经常出现跑偏打滑现象,导致输送机运行负荷大、煤矸运输效率低等,通过技术研究,对输送机安装了一套电液防打滑张紧装置.通过实际应用效果来看,该装置具有动作保护灵敏、故障率低、防打滑效果好等优点,输送机采用该装置后打滑事故率降低了7％,取得了显著应用效果.     

作品名称:《港城遗梦》

作品说明:“港城遗梦”以湛江非遗项目:雷州石狗、舞鹰雄、北坡游鱼、湛江傩舞、吴川飘色为创意文化,从中提取创意元素进行设计。非遗里悠久的故事和精神内核是世代相传的,这五项非遗都独具湛江特色,具有悠久的历史,生动表达了湛江人民爱憎好恶的价值评判态度与审美情趣,传达出人们对生活的美好祝福和向往。此次设计从湛江非遗文化中提取元素进行插画设计,采用现代表现手法与传统文化的融合,并选用精美的金属书签作为载体,让湛江非遗融入人们的生活,让非遗“潮起来”。     

基于图神经网络的网络性能智能预测

传统网络性能预测技术存在网络状态获取不够全面及网络性能评估准确性欠佳等问题，利用图神经网络学习推理网络关系数据的特点，结合捕获的网络全局信息，提出了一种基于图神经网络的网络性能智能预测方法。通过网络系统抽象及网络性能建模，将复杂的网络信息转化为形式化的图数据进行描述，利用图空域卷积处理图网络节点的消息传递过程，实现网络信息之间的关系推理，研究了实现网络性能预测的图神经网络模型，提出了一种能处理流量矩阵、网络拓扑、路由策略、节点配置的图神经网络体系结构，最后通过实验论证了模型能更好地实现包括时延、抖动和丢包率的网络性能的准确预测。     

结合结构学习的多头密集连接图池化模型

目的:利用图神经网络，构建带有结构学习的多头密集连接图池化模型并用于图分类任务。方法:首先，用图卷积神经网络提取节点的初始特征。其次，用多头密集连接网络学习节点重要性得分，并根据得分进行节点采样得到池化图。之后，对池化图中的节点进行结构学习，以保证图结构的完整性。最后，将学到的图表示放到分类器中，完成图分类任务。结果:与其他图分类模型在七个广泛使用的数据集上进行实验对比，我们构建的模型在五个数据集上的分类结果达到最优。结论:结合结构学习的多头密集连接图池化模型在图分类任务中具有先进性。     

基于声发射原理的矿井掘进机故障诊断技术研究

针对在我国各大矿区广泛应用的EBZ160悬臂式掘进机,基于声发射原理及技术,设计一套掘进机故障诊断声发射检测系统,获得各种故障的声发射数据样本,同时借助小波神经网络的迭代收敛性质,对故障数据样本的精确度进行验证,正确率较高,能够较好地应用于井下掘进机的故障诊断.     

基于阶段注意力机制的电力线提取算法

电力系统维护是电力系统稳定运行的重要保障，应用智能算法的无人机电力巡检则为电力系统维护提供便捷。电力线提取是自主电力巡检以及保障飞行器低空飞行安全的关键技术，结合深度学习理论进行电力线提取是电力巡检的重要突破点。本文将深度学习方法用于电力线提取任务，结合电力线图像特点嵌入改进的图像输入策略和注意力模块，提出一种基于阶段注意力机制的电力线提取模型（SA-Unet）。本文提出的SA-Unet模型编码阶段采用阶段输入融合策略（Stage input fusion strategy， SIFS），充分利用图像的多尺度信息减少空间位置信息丢失。解码阶段通过嵌入阶段注意力模块（Stage attention module，SAM）聚焦电力线特征，从大量信息中快速筛选出高价值信息。实验结果表明，该方法在复杂背景的多场景中具有良好的性能。