浅析汽车自动变速器技术的应用

在汽车的动力传动系统当中,变速器作为其中重要的结构,在汽车的操控、动力分配等方面都发挥着关键的作用。自动变速器通过运用计算机程序语言和电子控制技术,可以完成汽车实现自动变速的功能,可以有效的改善驾驶者因为换挡操作而带来的驾驶难度,有效降低司机的驾驶疲劳程度,提高车辆行驶途中的安全性,因此在现代企业工业当中,变速器被应用到更多的汽车当中。     

关于发动机缸体缸盖加工线清洗机床的设计

发动机是企业以及机动车辆的心脏,想要确保发动机的质量就需要做好生产的质量工作。在发动机生产制造的过程中会在发动机表面留下一些污垢,在安装发动机前应对其进行清洗,使发动机中的污垢能够达到一定的清洁度。文章简述了发动机缸体缸盖自动化生产线的重要性的同时介绍了清洗系统的种类及其工作原理。     

GH4169镍基合金板材高温拉伸性能研究

利用炉中高温拉伸设备对板厚为5 mm的GH4169镍基合金在7种测试温度(450～1 050℃)，应变速率分别为0.01和0.001 s^-1时进行高温拉伸实验，获得材料在不同温度下的伸长率、屈服强度和抗拉强度，并对其高温拉伸变形行为进行分析，为该合金板材的高温拉伸成形制备和服役性能评估提供数据支持。结果表明，应变速率为0.001 s^-1，温度高于850℃时，GH4169镍基合金板材的伸长率随着温度的升高持续增大，在1 050℃时，伸长率最高可达112%，抗拉强度随着温度的升高持续减小，强度减小至66 MPa，仅为室温下的7.1%。应变速率为0.01 s^-1时，GH4169镍基合金板材的伸长率和抗拉强度变化具有相似的规律。温度低于800℃时，伸长率和抗拉强度随温度变化不大，保持了较高的强度；而随温度升高至850℃时，材料产生了明显软化现象，应变硬化指数(n)值随着温度的升高而减小，塑性变形量明显增大。     

钢丝微动疲劳裂纹萌生寿命预测研究*

钢丝微动疲劳过程中,钢丝裂纹萌生特性直接影响其裂纹扩展特性,进而制约钢丝微动疲劳寿命,因此开展钢丝微动疲劳裂纹萌生寿命预测研究具有重要意义。基于有限元法、摩擦学理论和断裂力学理论,运用Smith-Watson-Topper（SWT）多轴疲劳寿命准则建立考虑磨损的钢丝微动疲劳裂纹萌生寿命预测模型,基于多种不同的钢丝疲劳参数估算方法对钢丝的微动疲劳裂纹萌生寿命进行了预测,并探究接触载荷、疲劳载荷、交叉角度及钢丝直径等微动疲劳参数对钢丝微动疲劳裂纹萌生寿命的影响规律。结果表明：基于中值法的预测结果最接近实际值;在微动疲劳过程中,钢丝微动疲劳裂纹萌生寿命主要与接触载荷和疲劳载荷相关。通过引入微动损伤参数建立简化的适用于钢丝绳的钢丝微动疲劳裂纹萌生寿命预测模型,通过与考虑磨损的预测模型计算结果进行对比验证了该模型的准确性。     

基于提升方法的短期负荷预测的研究

目前有很多方法可以实现电力负荷预测,但各种方法都有各自的局限性,如何充分利用各种算法,使负荷预测的精确度提高,组合预测方法便应运而生了.然而当前的组合预测方法过于重视算法,而忽略样本.文中给出了一种基于提升方法的电力负荷预测挖掘算法,该方法通过样本权值进行抽样,训练生成模型,并根据模型效率改变样本权值,再次抽样训练生成模型,如此迭代生成多个模型后进行负荷预测.实际应用结果表明该方法比其它方法具有较高的精度.     

基于XML Schema的数据匹配方法的研究

由于XMLSchema自身所包含的丰富的结构和语义信息,针对基于XML schema瑚的文档匹配,设计了一个框架结构,把利用结构信息的基于路径的匹配和利用语义信息的宽松标识方法结合在一起,充分利用了XML schema中所包含的各种信息,来实现XML schema文档之间的匹配.实验验证对文档的匹配具有较好的精度,最后对模式匹配这个领域的研究方向做出展望.     

金属玻璃热力学特征温度的表征方法

采用DSC,DIL和DMA法分别表征了Zr₆₀Cu₂₈Al₁₂和Zr_63.78Cu_14.72Ni₁₀Al₁₀Nb_1.5两种金属玻璃的热力学特征温度。结果表明：采用这3种测试方法都能有效界定金属玻璃的玻璃化转变和结晶过程;DSC和DMA法表征玻璃化转变过程比DIL法更敏感;用DSC法的转变中点、DIL法的拐点及DMA法的起始点表征金属玻璃的玻璃化转变温度所得结果相当;DSC和DIL法都能有效分离多重结晶过程,DSC法表征的结晶温度比DIL法低,而DMA法较难分辨多重结晶过程,表征的结晶温度最低。     

基于ARIMA和EEMD的东江流域季节降水预报研究

东江流域水资源对保障广东省社会、经济发展具有十分重要的作用。季节降水预报是科学进行水资源管理的基础,运用2种不同方法(单纯ARIMA方法、耦合EEMD-ARIMA方法),对东江流域不同季节的降水预报进行了建模与检验,结果表明耦合EEMD-ARIMA方法比单纯ARIMA预报精度高。研究成果可为东江流域制定合理的水资源管理计划提供科学依据和技术支撑。     

基于二阶k近邻的密度峰值聚类算法研究

密度峰值聚类(DPC)是近年来提出的一种新的密度聚类算法,算法的核心是基于局部密度和相对距离,通过画出决策图,人为选定聚类中心,进而完成聚类.DPC算法利用截断距离计算局部密度,本质上只考虑了周围近邻节点的数量,且算法采用单步分配策略,一定程度上限制了算法对任意数据集的计算精度和有效性.针对上述问题,提出基于二阶k近邻的密度峰值聚类算法(SODPC).算法通过引入节点的二阶k近邻,计算直接密度和间接密度,重新定义局部密度的计算方式.在此基础上,定义非中心节点的多步骤分配策略完成聚类.通过人工和真实数据的测试,证明了该算法对不规则、密度不均匀的数据集具有较好的聚类效果.