基于MSC.patran的弹性膜片联轴器的有限元分析

膜片联轴器因自身的结构特性和优点在风电机组主传动链中的作用至关重要。为验证某风电机组的膜片联轴器合格与否,先借助有限元软件对膜片联轴器及相邻部件进行规则的网格划分,以MSC.patran非线性模块作为依托对联轴器进行非线性强度校核,结果表明联轴器各项参数均能达到使用要求。     

2BDY系列高速气吹式精密播种机的使用

1．播种作业前调整 （1）与拖拉机联结。①与拖拉机采用三点悬挂式联结。联结时,先挂两下悬挂点,后挂上悬挂点;调整上悬挂杆长度,使机架在工作状态下处于水平;插上安全销,拉紧限位链。     

基于WT-SVD的汽车噪声抑制方法仿真

为了有效抑制汽车智能导航接收过程中音频信号里的汽车噪声,提出了一种基于小波变换和奇异值分解结合的双层滤波降噪方法,实现了对含有汽车噪声的接收信号信噪比的提高.先利用小波变换针对带噪音频进行滤波,然后对滤波后的带噪音频进行奇异值分解降噪.在此过程中针对含噪语音过长而无法直接进行奇异值分解,采用了分段处理方法;同时,为解决有效秩分离阶数确定的问题,使用奇异值方差法确定分离阶数.仿真实验结果表明,该方法简单易行,比传统音频降噪方法的增强性能更强,具有更好的效果和应用价值.     

打造高效团队--打造高效开发团队

一个高效的开发团队包括四个要素：人、过程、技术和团队文化。一群靠谱的人、一套行之有效的团队过程和所采用的实用技术与工具,这三者构成了高效团队的三驾马车,也是团队管理中最为传统的三要素。一个高效的团队更是要具备赢的理念、及时交付的习惯以及达成卓越目标的能力,这是团队久而久之形成的团队文化,团队文化是高效团队的第四个要素。     

基于ITIL在信息系统业务构建高效运维研究

随着电力企业的IT系统越来越复杂,IT系统中包含的应用系统、软硬件系统、网络等各种资源,以及部门和人员对资源的使用、维护和更新等,是企业IT系统运行维护的内容。基于信息技术基础设施库(ITIL)的电力企业信息系统运行维护体系,在研究了ITIL的基础上,结合企业的IT运行维护实际情况,建立适合企业的IT运行维护解决方案,确保企业的IT系统的良好运行和合理投资效益。该文重点分析了电力企业实施ITIL的背景及意义,探索建立ITIL运行维护模型的设计原则。     

模糊积分理论在图像融合效果评价中的应用

利用模糊积分、择近原则进行融合图像分析及效果评价,并以基于小波变换的图像融合方法为例,就医学中CT-MR图像融合的具体情况,对小波分解和重构层数不同的融合图像进行分析和评价.     

基于特征增强的挡墙及缺口检测方法

工业对煤炭的大量需求,激发了煤炭的开采。煤矿车辆的大量增加给煤矿安全带来了巨大的隐患,其中煤矿道路挡墙的安全更是保障煤矿安全的重中之重,因此监测露天矿运输道路安全挡墙势在必行。为了提高露天煤矿道路挡墙及缺口的检测性能,文章基于U-Net网络提出了一种结合多尺度卷积模块的煤矿道路挡墙检测方法。该方法基于U-Net网络进行改进,在主干特征提取网络中加入了多尺度卷积模块,提升了检测精度。大量实验结果证明,该方法能够提高检测露天煤矿道路挡墙的性能和煤矿道路挡墙安全系数,为实现智慧矿山贡献一份力量。     

CNN-XGBoost混合模型在音频场景分类中的应用

在拥有海量数据和强大计算能力的人工智能时代,音频场景分类成为了场景理解的重要研究内容之一.针对音频场景分类建模困难和精确率不高的问题,本文提出一种基于卷积神经网络和极端梯度提升算法相结合的系统模型.首先,将预处理后的音频信号转换成梅尔声谱图,然后输入到卷积神经网络中完成抽象特征提取,最后利用极端梯度提升算法进行分类.为了评估模型的有效性,在城市音频场景UrbanSound8K数据集上进行分类性能测试,结果表明,该混合算法模型对音频场景的分类精确率可以达到89%,优于传统的神经网络算法模型,说明该混合模型对音频场景分类问题的有效性.     

直进式拉丝机功率的计算

根据钢丝的进出线直径计算出直进式拉丝机的总压缩率、部分压缩率,按工艺要求对部分压缩率进行调整,然后计算出各拉拔道次的钢丝直径,依据秒流量相等原则推导出各道次拉拔速度。根据经验公式对各拉拔道次的钢丝强度和拉拔力进行计算,而后由拉拔力和拉拔速度计算出电机功率。     

基于Tucker分解的音频分类研究

提出一种利用Tucker分解获得鲁棒性较强的音频信号不同属性的特征,在高斯混合模型上测试音频信号分类性能的方法。音频信号经过预处理后,提取其不同类型特征集合,包括常规声学特征参数集合、听觉感知特征参数集合、心理声学特征参数集合;然后由三种特征集合构建三阶特征张量,通过Tucker分解得到每一类特征阶投影矩阵并进行主分量分析;最后使用包括音乐、语音、噪声3种类型的300条音频数据测试不同特征集合的分类效果,在此过程中使用了有监督学习的高斯混合模型作为分类器。实验中比较了不同特征集合使用高斯混合模型的分类正确率。实验结果表明,Tucker分解获得的特征集合实现了较好的分类,说明该方法性能优于传统特征集合。