径向游隙对角接触球轴承两相流热特性的影响

径向游隙直接影响角接触球轴承内部两相流的分布以及热特性。为探究不同径向游隙下角接触球轴承油气润滑两相流热特性变化规律,基于两相流理论以及轴承换热机制,建立数值分析模型模拟轴承腔内油气两相流流动特性,分析径向游隙和轴承运行工况对轴承腔内流场分布以及温升的影响,并通过轴承温升试验验证了仿真结果。结果表明：油气两相流中油相受离心力影响主要分布在轴承外圈,径向游隙增大使得油相体积分数减少;轴承温升随着径向游隙增大而减少,一定程度上增大径向游隙可以减少轴承生热量。研究结果为探究角接触球轴承油气润滑热特性以及改善轴承腔结构参数提供了参考。     

FICSAM:一种适用于大型适应性系统的单例学习方法

对该方法的步骤、影响因素及特征进行了描述。同时,分析讨论了先聚后得法在计算机免疫系统GECISM中的应用及实验结果。     

基于RN-CNN模型的低剂量CT图像去噪方法

低剂量CT在降低辐射剂量、减少对人体伤害的同时CT的成像质量也显著下降。因此提出一种基于ResNet的卷积神经网络(RN-CNN),用来去除低剂量CT中所含的量子噪声。在正常剂量的CT图像上加入泊松噪声模拟低剂量CT图像，将模拟的低剂量CT输入RN-CNN对图像进行特征提取，引入残差网络与尺度不变的空间金字塔池化(S-SPP),避免梯度消失问题并增加网络有效特征；使用扩张卷积增大网络的感受野，保留图像内部数据结构，得到更好的分割效果；将低剂量CT图像和噪声图像分离得到正常剂量CT图。通过实验表明，该算法不仅能有效去除噪声，而且纹理细节也得以保留，与现有的算法相比较，RN-CNN去噪方法在PSNR指标上平均提高1.80,在SSIM指标上平均提高了0.078 3。     

基于优化VMD和MHA-DenseNet的滚动轴承故障诊断北大核心

针对传统特征提取的故障诊断技术不能充分表征振动信号故障特征导致故障识别精度不高的问题,提出一种优化VMD和MHA-DenseNet的滚动轴承故障诊断方法。首先,采用麻雀搜索算法(SSA)对变分模态分解算法(VMD)的相关参数组合进行寻优;其次,采用优化VMD分解滚动轴承故障信号,获得的本征模态函数分量(IMF)作为神经网络输入数据;最后,构建多头注意密集神经网络(MHA-DenseNet)故障诊断模型来有效学习故障数据中的特征信息并完成滚动轴承的准确诊断。实验结果表明,提出的故障诊断方法识别率高达99.03%,相较于对比实验该方法提高了故障诊断的准确率。     

AO工艺处理大蒜加工废水处理效能和微生物菌群结构分析

为了提高大蒜废水处理效能，采用AO工艺分析了不同进水条件下的污染物去除效果，明确微生物多样性及菌群结构与水质因子之间的关系。SBR反应器在高负荷和中负荷运行条件下COD、NH₃-N、TP去除率均在90%以上。此时，Bacteroidetes、Proteobacteria是大蒜废水活性污泥系统中的优势菌门，两者的总体细菌相对丰度占到了56.48%～98.41%，通过其脱氮除磷降解有机物的功能，使得污染物得到有效去除。中负荷运行时活性污泥微生物群落丰富度和多样性均优于高负荷运行，不同样品多样性存在差异。高负荷运行条件下的优势菌属为Chryseobacterium、Comamonas、Bdellovibrio、Brevundimonas、Soonwooa、Sphingobacterium；中负荷运行条件下的优势菌属为Macellibacteroides、Fluviicola、Saccharibacteria＿genera＿incertae＿sedis、Petrimonas、Propionibacterium。Macellibacteroides、Chryseobacte...