基于多源异构数据的数控铣削表面粗糙度预测方法

针对传统数控铣削表面粗糙度预测模型泛化性差、精度较低等问题,提出了一种基于多源异构数据的数控铣削表面粗糙度预测方法。获取变工艺条件下数控铣削的工艺参数、刀具直径及工件材料等静态数据和振动信号、力信号及功率信号等动态数据;采用粒子群优化算法(PSO)优化卷积神经网络(CNN)的网络结构参数得到PSO-CNN;运用PSO-CNN自适应提取动态数据特征并对静态数据特征进行人工提取,再通过浅层神经网络融合动、静态数据等多源异构数据的特征,建立变工艺下的表面粗糙度预测模型;通过不同模型的预测性能对比试验,验证了该方法的优越性,并以两个工件加工过程为例,验证了该方法的有效性。     

新能源汽车锂电池热管理技术研究

经济与科技的大变革促使汽车行业发生转变，但其在不断升级变化中，对生态环境造成了极大的负面影响，汽车尾气严重损害空气清新程度，汽油燃烧使得不可再生资源数量严重短缺。基于此，为了了解新能源汽车锂电池生成与散热机理，本文将针对新能源汽车锂电池热管理技术展开具体研究，希望以此来提高新能源汽车的使用性能，延长使用寿命，降低新能源汽车铸造成本，提升其行驶的安全性。     

我国发展电动汽车大功率充电技术前景研究与分析

基于电动汽车大功率充电技术及我国实际国情,从现有电动汽车充电相关政策、电动汽车用户、电动汽车制造企业、电动汽车用动力电池、电网系统、充电设施运营商、充电设施制造商、电动汽车充电用接口、城市整体规划以及国际发展几方面出发,对我国发展电动汽车大功率充电技术前景进行了系统的研究与分析。得出我国发展电动汽车大功率充电技术应分车型、分区域采取不同的发展策略,为进行电动汽车大功率充电技术预研及产品开发提供了理论支撑。     

基于SOM-Kmeans的机床能效等级评价方法

机床能效等级评价是提高能源效率的基础。现有机床能效评价方法多运用能量利用率和比能等指标评价特定加工过程能效,未考虑加工能力对机床能效评价的影响,致使无法综合评价机床能效等级。为此,从机床加工能力和能耗特性角度构建机床能效等级评价指标,提出基于自组织映射神经网络-K均值(SOM-Kmeans)的机床能效等级评价方法。首先,分析机床加工能力特性和时段能耗特性,构建机床加工能力指标和多时段能耗特性指标;其次,运用SOM-Kmeans对机床能效信息进行聚类分析,并采用主成分分析法(PCA)对机床能效等级进行综合评价;最后,通过实际案例验证了所提方法的有效性和实用性。     

煤矿工作面瓦斯涌出量的预测与防治

针对工作面涌出的瓦斯影响煤矿安全生产的问题,以宏远煤矿3#煤层为研究载体在分析其地质条件以及瓦斯含量的基础上,分析了影响工作面瓦斯涌出量和瓦斯预测的方法,预测了3#煤层的瓦斯涌出量,并针对性地提出了相应的抽采方案。