基于Dixon结式的一种九杆巴氏桁架位移分析

将Dixon结式运用到平面基本运动链的位移分析中,完成了一种两耦合度九杆巴氏桁架的位移分析。结合矢量法和复数法建立4个几何约束方程式,使用Dixon结式构造22×22的Dixon矩阵,提取公因式后将矩阵的行列式展开得到一元六十次多项式方程,回代过程中去掉4组增根得到56组解。为了对结果进行验证,同时使用同伦连续法对一个数字算例进行计算,两种方法得到的结果一致,说明这种巴氏桁架的装配构型数目最大值是56。     

油藏模拟技术的发展趋势——实时在线模拟

美国石油工程师协会的建模中心开发了能够进行模型监控和油藏模拟结果分析的网络系统,推出实时在线油藏模拟概念.这是一种互动式服务,通过显著提高整个油气田开发管理过程的反馈和前馈速度,解决油藏模拟的及时访问和数据更新等问题,将建模过程带入一个全新的发展水平,这种方法已经实现并且在WebSim系统上成功通过测试.     

复奉线铝管式跳线接头滑移隐患分析与处理

文章针对±800kV特高压直流复奉线部分耐张杆塔铝管式管母跳线接头型间隔棒联接失效所出现的滑移问题进行研究与分析,并提出相关处理改进方案。     

探究分析食品中亚硝酸盐含量的改进方法及结果对比

目的:探讨分析食品中亚硝酸盐的改进方法与结果。方法:采用快速定性、定量结合法对食品中亚硝酸盐进行检测,与国家标准GB 5009.33-2016检测结果相对比。结果:改进后的检测方法与国家标准GB 5009.33-2016检测的最终结果基本一致。结论:提前定性检测试验能及时、准确筛检出包含亚硝酸盐成分的食品,从而有效节省检测亚硝酸盐的时间。该改进方法具有实践推广价值。     

航空维修中应对串换件风险认识的思考

串换件是一线维修中较为常用的方法，但是对于串换件的风险认识需要加以重视，在排故中应对故障信息准确掌握，明确串换件的风险认识，采取有效预防措施，避免发生工作失误和差错，提高装备使用的安全可靠性。     

基于吴方法的一种7杆巴氏桁架位移分析研究

将吴方法运用到平面基本运动链的位移分析中,完成了一种7杆巴氏桁架的位移分析。结合矢量法和复数法建立3个几何约束方程式,将其扩展为12个多项式方程,同时变量个数由3个增加到12个。这12个方程式中6个为线性方程,剩下6个是简单的非线性方程,并且各多项式的初式中最多有一个变元。使用吴方法经过6次循环得到特征列,其中第一个多项式的最高次数为18次。通过数字实例对结果进行了验证,得到18组无增无漏的解;计算结果表明,与同一巴氏桁架相关的所有Assur组的解的数目是相等的,装配构形完全相同,与我们的预期是一致的。吴方法在这一问题上应用,为求解其他机构学问题提供了新思路。     

驻马店市适宜灌溉定额研究

根据当地降水条件确定适宜的灌溉定额,是农业灌溉技术的重要内容,文章以驻马店为研究区域,研究了日降水系列、月降水系列的有效降水量,在此基础上,从不同系列研究了驻马店市的净灌溉定额,结合当地灌溉习惯和特点,确定了适合驻马店实际情况的净灌溉定额,科学有效地指导驻马店灌溉和农业发展。     

具有容错性能的6R机械手位置反解

一般6R机械手在一个关节发生故障时，成为5R机械手或称欠自由度机械手。如果机械手抓取的是棒状物体，可以对手爪围绕棒中心线的转动姿态参数不加限制，从而把这一转动虚拟成一个未知的旋转关节，这样欠自由度机械手的位置反解问题就转换成含有6个未知量的位置反解问题。由于其结构参数将发生变化，且故障的关节是不确定的，因而反解程序须满足这一不确定性要求。一旦位置反解的运动学方程建立之后，解方程的过程与一般6R机械手的算法类似。通过数值算例，验证了机械手末端姿态γ不加限制时，这种单关节故障的一般6R机械手位置反解的个数是16。     

电动汽车公共应急充电站选址规划模型

合理布局电动汽车公共应急充电站可促进电动汽车产业的发展。应急充电站选址决策既涉及到定性因素,又涉及到定量因素,是一个复杂的决策问题。首先确定应急充电站的选址目标和影响因素,建立了基于层次分析法的应急充电站选址模型。其次将层次分析法和目标规划法结合在一起,建立基于层次分析法和目标规划法的应急充电站选址模型。将这两种方法应用于某地区的应急充电站选址决策,结果表明,由于考虑了资源约束的限制,采用层次分析法-目标规划法选址模型的决策结果更合理。     

采用基于密度加权和偏好信息的K均值聚类的胸阻抗信号自动检测算法

为了自动识别胸阻抗(TransThoracic Impedance, TTI)信号中的按压和通气波形,完成相关重要参数的计算,从而实现对心肺复苏质量的监测评估,该文提出一种基于密度加权与偏好信息的胸阻抗信号自动检测算法。该方法针对实验采集的猪的电诱导心脏骤停模型TTI信号,通过预处理和多分辨率窗口搜索法完成潜在按压和通气波形的标记;接着,提取每个标记波形的宽度、幅值以及相邻波形特征差作为特征,并按标记波形宽度对信号进行分段;之后,再对信号进行小波分解,提取其小波系数每段的能量与原始波形幅值之比作为特征;最后采用基于密度加权与偏好信息的K均值聚类分析法对标记的波形进行分类识别。实验结果表明,该算法对TTI信号中按压波形和波形分析识别的正确率和敏感度均较高,鲁棒性好,且运行时间(0.43 s0.07 s)满足实时性要求。