沟槽结构对水润滑轴承润滑特性影响机制

为了研究沟槽结构对船用水润滑轴承润滑特性的影响机制，采用有限元法，通过对简化后的椭圆形沟槽的二维模型进行流体动力学CFD分析，从迹线以及涡流等方面分析沟槽结构参数对沟槽内部流体特征的影响，得到不同状态下沟槽内部的压力轮廓，并分析沟槽结构参数对水润滑轴承摩擦因数的影响和轴承的润滑机制。结果表明：沟槽的大小影响轴承间隙内流体的流通面积，沟槽的结构特征影响沟槽内的流体黏度。研究结果可为水润滑轴承优化设计提供参考。     

活页词典

Adaptive expander 自适应扩张器。指的是FMX系统接收机中所用的扩张器。由于FMX系统发射端中的再加入压缩器的同一输     

热采井固井用铝酸盐水泥浆体系浅析

热采井主要是使用蒸汽吞吐、蒸汽驱和火驱的方法,使油藏热力降粘后进行开采的油井。热采井固井水泥环在开采过程中,要承受300℃以上的温度,其中火驱时的温度可达650℃。这就对水泥环耐高温后的稳定性和致密性提出了很高的要求。论文结合西南石油大学研究的铝酸盐水泥浆体系,对热采井固井水泥浆体系进行对比分析和探索。     

浅谈计算机网络信息安全保密技术

在享受计算机网络带来便利的同时,还要保证网络信息的安全性.因此,就要合理运用密钥安全管理技术、安装流量监控软件、实现核心软硬件自主研制,等等.如此,才能让个人信息和企业机密文件不被泄露,从而构建良好的网络环境.     

计算机网络安全中的防火墙技术应用研究

文章在主要研究防火墙于计算机网络安全中重要性的基础之上,对计算机安全中怎样应用防火墙技术展开方法论的分析,进一步提高对于计算机网络的安全保障.     

激光熔覆制备Fe基合金涂层的微观结构与力学性能*

采用激光熔覆在25Cr2Ni4MoV钢基材表面制备铁基合金涂层,研究激光熔覆涂层的微观组织、显微硬度、抗剪强度、摩擦磨损性能。结果表明：激光熔覆Fe基合金涂层与25Cr2Ni4MoV钢基材界面形成了良好的冶金结合;激光熔覆层为典型的树枝晶形貌,由浅灰色及深灰色2种不同物相相间组成;激光熔覆区的显微硬度显著高于基体区和熔合区,平均剪切强度达280.83 MPa;激光熔覆Fe基合金涂层的平均干摩擦因数、磨痕轮廓深度及平均磨损体积较25Cr2Ni4MoV钢基材分别下降了约25%、45%及50%;激光熔覆所制备的Fe基合金涂层的耐磨性能远高于25Cr2Ni4MoV钢基体,该型涂层对基体有着良好保护作用。     

基于亚波长金属孔阵列的光控太赫兹强度调制器

太赫兹波强度调制器对太赫兹技术的发展至关重要。亚波长金属孔阵列可以激发表面等离子激元,增加入射电磁波的透射效率,极大地提高调制器的调制深度。提出了一种基于表面等离子激元的光控太赫兹波强度调制器。首先给出了器件所依赖的基本原理;其次利用传统的微纳加工技术在半绝缘砷化镓衬底上制作出二维亚波长金属孔阵列;最后搭建了太赫兹时域光谱系统,测试了器件样品对太赫兹波的透过率。结果表明:亚波长金属孔阵列可以引起透射率的异常增强,且透射率随着泵浦光强的增大而减小,在特定频率点实现了较高的调制深度。此研究为实现高调制深度的太赫兹波强度调制器提供了参考。     

大气等离子喷涂FeCoCrNiAl高熵合金涂层的高温摩擦磨损性能

目的 研究环境温度对FeCoCrNiAl高熵合金涂层摩擦磨损性能的影响,探讨将其应用于高温及富氧环境中的可行性。方法 采用大气等离子喷涂制备FeCoCrNiAl高熵合金涂层,考察喷涂功率对涂层微观组织的影响;测试涂层的纳米力学性能,分析其对涂层摩擦磨损性能的影响;基于涂层及对偶磨球磨损表面形貌、元素分布及含量、物相组成,讨论涂层在室温及高温环境中的摩擦磨损特性与机制。结果 涂层中形成了白色、浅灰色、深灰色及黑色4种区域,区域颜色随O元素含量增加而加深,涂层纳米力学性能逐渐增加,进而将对其摩擦磨损性能造成影响。20 kW喷涂功率制备涂层的室温摩擦因数、磨损率及磨痕深度均达最佳值,分别为(0.70±0.02)、(9.22±0.01)×10^-5 mm³/(N·m)及(130±10)μm。室温环境下,磨粒磨损、疲劳磨损及塑性变形为涂层的主要磨损机制。20 kW功率制备涂层的摩擦因数、磨损率、磨痕深度等均随摩擦环境温度的升高先增加而后降低,经600℃摩擦试验后分别低至(0.58±0.01)、(6.14±0.01)×10^-5 mm<...     

基于局域线性法和卡尔曼滤波的强混沌背景下正弦信号恢复的混合算法

本文提出一种局域线性-周期图检测-卡尔曼滤波混合算法LL-P-KF，用来恢复强混沌背景下正弦信号.首先，建立混沌信号的一步预测模型；然后，利用周期图检测潜在周期；最后，应用卡尔曼滤波从误差中恢复正弦信号.仿真实验表明该混合算法具有较好的恢复效果.     

自注意力时序点过程生成模型的Wasserstein学习方法

目前学界普遍通过循环神经网络(RNN)建模强度函数来刻画时序点过程,然而此类模型不能捕捉到事件序列之间的长程依赖关系,并且强度函数具体的参数形式会限制模型的泛化能力。针对上述问题,提出一种无强度函数的注意力机制的时序点过程生成模型。该模型使用Wasserstein距离构建损失函数,便于衡量模型分布与真实分布之间的偏差,利用自注意力机制描述历史事件对当前事件的影响程度,使得模型具有可解释性且泛化能力更强。对比实验表明,在缺失强度函数先验信息的情况下,该方法比RNN类的生成模型和极大似然模型在QQ图斜率的偏差和经验强度偏差这两个指标总体上分别减少35.125%和24.200%,证实了所提模型的有效性。