基于全站仪的身管火炮零线检校方法研究

针对传统的身管火炮零线检查规正方法存在着炮膛轴和视轴误差及炮身俯仰倾斜误差等,提出了一种基于全站仪的新型检校方法。建立了测量系统的数学模型,得出了空间坐标系内任意点的坐标计算公式。推导出了零线检校方法的解算模型,该解算模型只需要1台全站仪分别测量出炮膛轴线延长线上的两个指定点和瞄准线延长线上的两个指定点的水平角、天顶角和斜距,通过计算就可得到瞄准线相对于炮膛轴线的高低角和方向角偏差,根据偏差最终完成零线的检查和规正。以此为基础的身管火炮零线检校方法精度高、简单易操作和应用范围广。     

基于BP神经网络的火炮反后坐装置故障诊断

火炮反后坐装置的故障诊断,采用3层BP神经网络.通过基于标准梯度下降或基于标准数值优化的改进算法,同时考虑算法本身性能,及问题复杂度、样本集大小、网络规模、网络误差目标和所要解决的问题类型.并以解析算法的部分计算结果作为神经网络学习样本集,由相关方程式算出样本库内的故障现象及与故障原因相对应的训练样本,完成故障诊断.     

利用顺酐渣合成聚羧酸减水剂的研究

顺酐渣是顺酐生产过程产生的副产物,其中主要含有顺酐、顺丁烯二酸和反丁烯二酸等,经研究可用于混凝土外加剂的合成,在烯丙基聚氧乙烯醚(APEG)与顺酐渣(MALS)摩尔比为1.0∶3.0(顺酐渣按有效含量90%、平均相对分子质量110计算)条件下,引发剂过硫酸钾(KPS)的用量为单体总质量的6.0%,链转移剂烯丙基磺酸钠(SAS)的用量为单体总质量的3.5%时,合成的减水剂性能最佳。顺酐渣异构化对合成减水剂的性能基本没有影响,活性炭脱色能在一定程度上提高合成减水剂的性能,但成本较高。顺酐渣合成的减水剂可以1.1倍替代顺酐合成的减水剂,能有效提高合成聚羧酸减水剂的性价比。     

对建筑安装企业施工项目管理的理论与实证分析

根据建筑安装企业施工项目管理的基本特点,探讨建筑安装企业如何对施工项目进行科学、合理的管理,初步建立起了施工项目管理的分析体系,为建筑安装企业施工项目管理提供了系统的理论体系。其内容主要包含了施工项目的招投标管理、施工范围管理、施工管理、图纸管理、施工成本管理、施工造价管理、施工质量管理、施工进度管理以及对工程竣工后验收、评价、回收等工作的管理,并在对该理论体系进行初步构建后,结合某建筑安装企业施工项目管理的实际情况进行了实证分析。     

波-平轧制钛/铝复合板界面组织特性及性能研究

建立Ti/Al复合板波-平轧与平轧有限元模拟并进行实验,分析不同轧制方式对复合板微观组织及力学性能的影响。结果表明,复合板压下率为40%时翘曲程度较35%更低,波-平轧复合板的等效应力及应变均大于平轧复合板,其结合界面未发现孔洞与裂缝,波峰处界面扩散层厚度为1.8μm,波谷处为2.4μm,而平轧复合板的界面扩散层厚度为1.6μm,并且波-平轧复合板Al板的再结晶程度高于平轧,其抗拉强度,抗弯性能,硬度也高于平轧复合板,但由于加工硬化作用延伸率较低。     

超磁致伸缩式喷油器设计与建模

超磁致伸缩材料具有输出大、响应速度快和稳定性强等优势,是驱动电控喷油器的最佳选择.结合材料的输出特性和喷油器的驱动需求,设计了一种超磁致伸缩式喷油器(GMI),并基于AMEsim软件建立了喷油器喷油特性的仿真模型;通过单次喷射仪测试了喷油器的喷油率曲线,对结构设计的可行性及仿真模型精度进行验证.结果表明:不同参数下的仿真模型计算值与试验值十分吻合,具有较高的计算精度;同时,所设计的超磁致伸缩式喷油器既可执行大流量喷射,也能实现高精度控制,喷油性能优良.     

基于形态谱的磨粒图像特征参数提取方法

为提高磨粒识别的精度,提出一种基于形态谱磨粒图像特征参数提取新方法,给出磨粒图像的归一化形态谱的计算方法,并将磨粒的形态谱作为其特征向量,采用径向基函数神经网络对磨粒进行自动识别。结果表明:利用磨粒的形态谱实现了对球形磨粒、切削磨粒、严重滑动磨粒、疲劳剥块4种典型磨粒的分类识别,磨粒的形态谱可以作为磨粒的有效特征参数。     

基于改进半监督模糊C-均值聚类的发动机磨损故障诊断

为解决在少量油液样本条件下发动机磨损故障诊断难的问题,提出一种改进半监督模糊C-均值聚类算法(Improvedsemi-supervised fuzzy c-means clustering algorithm,ISS-FCM).定义一种优化的目标函数,将无标签样本与训练样本间的平均距离度量考虑在内并赋予其一定权值,以...     

基于离散余弦变换的IMF特征频率提取

针对经验模态分解(EMD)处理后,固有模态函数(IMF)分量通常会受到其他频率的干扰,导致物理意义不明确,提出应用离散余弦变换提取IMF中轴承故障特征信息的方法。该方法利用离散余弦变换对能量的集中性质,通过对离散余弦变换系数进行硬阈值处理重构信号,能够在时域有效凸显IMF的主要规律,在频域准确提取IMF的故障频率。     

基于油液光谱LSSVR-AR模型的发动机故障预测

针对传统油液光谱数据预测模型精度有限的不足,提出了一种基于最小二乘支持向量回归(LSSVR)与AR模型相结合的非平稳时间序列建模方法(LSSVR-AR),并应用于某型履带车辆发动机油液光谱数据及故障的预测。首先对非平稳时间序列进行最小二乘支持向量回归,得到非平稳时间序列的趋势项及剔除趋势项后的随机项;然后对随机项建立AR模型并与趋势项的LSSVR模型组合,得到非平稳时间序列模型;最后用所建模型对油液光谱数据及发动机故障进行预测。用所提建模方法对Fe、Cu、Pb、Si光谱数据预测的平均绝对百分比误差分别为1.987%、2.889%、2.343%、6.860%,明显低于其他模型。实例证明,所提模型能对发动机故障进行准确预测。