医学生上网情况的调查与研究

目的:了解医学生的上网情况。方法:采用"医学生上网调查问卷",在七个不同专业500名学生中进行问卷调查。结果:有95.16%学生上网,上网学生中30.25%每次上网3h以上;上网目的以聊天、多媒体娱乐和玩游戏为主。结论:青年群体是网上的主力军,应警惕大学生网上迷路,鼓励上网学生要以理智态度控制上网时间,老师和学校应给予学生上网以恰当的引导和教育。     

非参数互信息和多维尺度分析在滚动轴承故障诊断中的应用

针对轴承不同故障状态难以识别的问题,将特征选择方法应用于滚动轴承故障诊断。在互信息方法的基础上提出非参数互信息(NPMI)的特征选择方法:首先从原始信号中提取能够表征轴承运行状态变化的时频域统计特征并建立多域特征集;然后利用NPMI特征选择方法去除特征集中的无关特征和冗余特征,建立敏感特征集,再利用多维尺度分析对敏感特征集进行降维可视化处理,比较特征的类别可分及聚类能力;最后将降维后的特征向量输入到支持向量机中得到不同故障的识别结果。以分类器正确率为依据,验证了基于非参数互信息特征选择方法的有效性和优越性。     

iES500 Extreme在宣钢调度自动化系统中的应用

宣钢的加速发展,造成电力系统也日趋扩大,对电力调度系统提出更高要求.为此,决定采用iES500 Extreme系统,承担所有变电站全部实现综合自动化的任务.这样方便了用户,加强了全面管理,对供电的稳定性和安全性有明显改善.     

基于特征差异性学习卷积神经网络的齿轮箱故障诊断方法

针对齿轮箱故障诊断需要大量专家经验知识、人工提取特征困难的问题，提出基于特征差异性学习卷积神经网络(FDLCNN)的故障诊断方法。构建不同深度的多尺度网络，并引入残差模块，以提升网络的特征提取能力；提取一维时序信号中不同尺度不同深度的故障特征，再通过自适应平均池化层处理后进行特征融合，以丰富智能诊断决策信息；最后在全连接层实现特征降维，使用Softmax分类器输出诊断结果。利用10种齿轮箱故障状态实验数据与现有3种方法进行对比分析，结果表明：FDLCNN故障识别精度更高，鲁棒性更强，收敛速度更快。     

大型复杂零件反求软件开发及功能实现

在大尺寸复杂零件反求设计实际应用过程中,往往需要正向设计软件能够直接处理点云数据而逆向设计软件能够直接进行参数化实体造型。针对这一实际工程需要,对点云数据获取与预处理、多视测量与数据拼接、复杂曲面特征提取与重构等理论和方法进行研究,以VC++6.0为开发工具,借助UG/OPENAPI平台开发了RETOOL反求系统;该系统可内嵌于UG NX系统,实现了正向设计软件能够直接处理点云数据的功能;以风机叶片等零件为应用实例详细阐述了RETOOL系统用户界面、点云数据获取、特征点提取和特征曲线拟合等模块开发过程。     

逆向工程技术在石油钻采工具开发中的应用

通过对新疆某油田所使用的扩孔钻头的扫描及三维模型重构的应用实例,介绍了逆向工程在工程产品开发中的应用;论述了利用逆向工程软件Imageware对扩孔钻头的点云数据进行处理和构造曲面过程,利用三维软件UGNX进行三维造型的过程,以及利用逆向工程技术检测加工后的扩孔钻头加工精度的方法。     

犁臂三维几何模型逆向工程研究

介绍了逆向工程的基本概念,基于RE技术上的三维建模方法:数据采集、点云数据处理、三维模型重建。并以犁臂的三维重构过程为实例———利用ATOS光学扫描仪对犁臂表面进行扫描,获取三维点云数据。将测量的点云数据用Imageware软件进行处理后,再利用UGNX软件的曲面造型功能,实现犁臂的三维模型重构,最后对三维模型的精度进行了检测。说明在产品设计中利用数字化逆向工程技术,可大大缩短产品的开发周期,对快速响应市场产生显著效果。     

一类六次剩余序列的k-错复杂度

Hall's六次剩余序列及相关六次剩余序列都是重要的二元伪随机序列.将一类二元六次剩余序列视为有限域Fp上的序列,依据序列线性复杂度和有限域上多项式的次数的关系,利用Aly等人的方法,确定了该序列的k-错复杂度的精确值和部分取值范围.结果表明,该序列与Hall's六次剩余序列具有基本一致的稳定性,且当k=(p-1)/3时,其稳定性优于Hall's六次剩余序列.     

液压闭锁装置在汽轮鼓风机组中的应用

汽轮机拖动全静叶可调式轴流鼓风机的核心控制为静叶控制,原有系统采用单回路控制,如果仪表误信号或伺服阀故障,将导致风机停机事故。通过采用伺服阀和液压锁双回路控制,进一步提高了鼓风机组的运行稳定性,保证了高炉安全生产。     

预筛选PCA法在特征分类中的应用

主成分分析(PCA)法在特征融合过程中未考虑特征之间特性对分类识别的影响,导致降维后特征无法正常有效分离,因此提出预筛选PCA方法以提取信号的时域特征、频域特征。利用相关系数法可有效区分对象之间的相互关系,先去掉不利于分类的特征,然后对新得到的矩阵进行PCA降维,把时域特征及频域多特征转化为综合性的评价指标,以获得更好的分类效果。结果表明:该方法的特征分离效果更好。研究结果有利于提高PCA分类识别准确率。