基于MBD模型的航空发动机零件检测技术

针对当前复杂零件中异型特征位置度无法测量的问题,提出了一种基于MBD模型数字化测量技术.该方法以复杂零件的MBD模型为测量依据,通过模型理论元素与实测元素拟合计算异型特征位置度偏差,并以此为基础进行测量工艺规划、测量程序编制、测量仿真等.可大大减少在机等待时间,避免测量过程中的碰撞与测针干涉问题,解决了不规则特征位置度测量问题,实现了全程的自动测量,提高了检测效率.     

PR状态方程二元相互作用参数的拟合及对柴油中氢气溶解度的预测

通过Aspen Hysys模拟计算了温度(323~623)K和压力(4~10)MPa条件下,氢气在0~#柴油、直馏柴油、催化柴油和焦化柴油中的溶解度。计算结果对比实验数据,得到氢气在4种柴油中溶解度的平均误差分别为17.49%、11.48%、20.09%和14.00%。因二元相互作用参数与柴油性质以及温度之间存在着一定的关联,为了得到更加准确的溶解度数据,提出了计算PR状态方程中二元相互作用参数的关联式,并用Matlab进行关联式参数的拟合和氢气溶解度的计算,得到溶解度数据的平均误差分别为8.12%、7.51%、5.73%和6.10%,有效地提高了数据的准确性。因此,提出的二元相互作用参数的计算关联式可以为更加准确地预测氢气在柴油中的溶解度提供有效的方法。     

基于隧道磁阻传感器的三维电子罗盘设计

针对现有电子罗盘在地磁场检测时易受到外界磁场干扰而导致测量精度不高的问题,设计了基于隧道磁阻传感器( TMR)的三维电子罗盘并完成样机制作。研究了实际环境中电子罗盘的误差特性,经椭球拟合校正后,采用基于椭圆假设的椭圆拟合方法对误差进行补偿,补偿后其方位角精度可达0.85°,有效降低94.81%的方位角误差。实验结果验证了TMR传感器在电子罗盘应用的可行性。     

基于混合方法的并网光伏发电量预测模型的研究

为了较准确的对并网光伏系统进行发电量预测,提高电网的稳定性和安全性,对并网光伏系统采用物理和统计相结合的混合方法,在确定光伏发电量的主要影响因子后,分析光伏系统各个重要组成部分的具体物理结构和性能,利用光伏系统的历史测量数据,通过MATLAB的Fitting功能对物理模型进行训练,从而获得光伏系统输出功率和影响因子之间的关联,确定光伏输出功率的预测模型.除此之外,通过精确度分析判断模型的预测精度,以便于对光伏系统做出合理地后期维护.     

基于椭球拟合的三轴加速度计误差补偿方法

为了提高三轴加速度计的测量精度,采用一种基于椭球拟合的方法对传感器进行误差补偿,首先建立传感器误差数学模型,然后推导出椭球的二次曲面一般方程,根据最佳椭球拟合条件,解算出误差补偿方程.经过实验证明,该算法把三轴加速度计测量精度控制在0.4％以内.     

山西省近50年风速变化及突变特征分析

利用线性拟合、M-K方法对山西省22个气象观测站1960—2010年的逐日风速资料进行了倾向、突变、逐年代变化等特征分析。研究表明,近50年来山西省平均风速存在明显的下降趋势,平均风速由20世纪60年代的2.16 m/s下降到21世纪初的1.86 m/s;不同时间段呈现不同的变化特征,1979—1989年风速出现显著下降,年均递减率达到0.046 m/s,变率远超出其他时段;对近50年山西省平均风速进行M-K检验后发现,在1982年出现明显的突变点。山西省四季平均风速均呈下降趋势,四季风速下降速率最快的为春季,冬季次之,夏季风速下降速率最慢。同样,四季风速均发生突变,突变时间点分布在1980—1985年间。除8月外,山西省各个月份风速也呈下降趋势,且均出现突变现象。     

考虑高程的雨量反距离权重插值法研究

在普通反距离权重插值法的基础上,采用考虑高程的反距离权重插值法,在山区和山区、平原混合地形区分别进行了雨量插值。结果表明:1在山区,考虑高程的反距离权重插值法可明显提高插值精度,且搜索半径越小,插值越精确;2在山区、平原混合地形区,普通的反距离权重插值法精度较高,但是搜索半径变小时,误差也有一定减小;3通过贵州西部地区插值结果的对比,认为权重指数α=2时结果比较理想。     

三河闸工程技术管理措施研究

一、工程概况三河闸位于洪泽湖的东南角,是淮河入江水道的控制口门,是新中国成立初期自行设计自行施工的大(1)型水闸,解决了因1851年洪泽湖大堤礼坝决口造成的长达102年淮河入江河道没有控制型建筑物问题。工程于1952年10月1日动工兴建,1953年7月26日建成放水。闸身为钢筋混凝土结构,共63孔,每孔净宽10m,总宽697.75m,底板高程7.5m(废黄河高程系)。闸门为钢结构弧形门,重13.32t,每孔设2×100k N卷扬启闭机一台。原设计流量为8000m3/s,加固后设计     

基于Kinect的无监督图像识别

现有的物体识别方法大都是有监督学习,而且主要处理的是2D图像数据,由于这类数据给出的背景信息和物体信息少于2.5D场景中的信息,传统有监督的学习方法对于非特定物体的识别效果还是不尽如人意,更别说基于无监督学习的识别系统了。随着Kinect设别的出现,获取场景的2.5D信息变得很容易。设计了一个全新的基于无监督物体识别系统。首先用平面拟合和空间聚合把物体从场景中分离以后。然后用几何基元拟合分割技术把物体分割为不同部件,在此基础上构建物体的图模型,最后把图模型嵌入为向量空间上的点集合,使用扩展陆地移动距离算法计算物体间的相似度。从实验结果来看效果不错。     

基于马尔科夫链残差修正的EMD-MELM混凝土坝位移预测模型

基于经验模态分解(EMD)、改进的极限学习机(MELM)以及马尔科夫链,提出了一种新的混合模型。由于混凝土坝的变形可看成静水压力、环境温度和时间效应而产生的变形,前两者体现总变形中的周期性分量,后者体现为总变形中的趋势性分量,所以在数据预处理阶段,利用经验模态分解技术将坝体总位移序列分解为趋势分量位移和周期分量位移,选择多项式函数预测趋势分量位移,提出了一种改进的极限学习机,即均值学习机集成(MELM),采用MELM模型对周期分量进行预测。再使用马尔科夫链修正模型对两个模型的拟合残差进行修正预测,叠加各预测值得到最终预测值。在某混凝土坝的应用表明,该组合模型的拟合及预测精度明显优于传统模型,具有操作简便、预测精度高、训练速度快等优点。