科技动态

2022中国国际计量测试技术与装备博览会在南京召开为全面提升我国现代先进测量能力和水平,鼓励仪器仪表企业与计量技术机构加强合作,促进仪器仪表产业快速发展,由中国计量科学研究院主办、江苏省仪器仪表学会协办、上海高登商业展览有限公司承办的2022中国国际计量测试技术与装备博览会在南京国际展览中心于9月7日—9日顺利召开。开展首日共吸引来自全国各地8600余人到场参观,数百家企业展示新产品,为计量行业搭建了专业交流平台。     

浅议生态环境监测机构的风险控制

现阶段,为了探索创新性的发展途径,生态环境监测机构应始终增强风险控制意识。应加强风险管理,立足于风险控制,以求不断健康发展。     

弹性元件参数优化对扑翼机构转速波动影响研究

以特拉华大学机械系统实验室所研制的样机模型进行建模,该模型传动机构采用曲柄摇杆机构.传动机构在运转的过程中,翅翼会在气动力和惯性力作用下产生周期性波动,导致电机转速波动增大,影响机构的平稳运行,产生振动和噪声.在仿真试验中引入弹簧元件,可有效降低电机转速波动,利用正交试验设计方法对影响电机转速波动的影响因素进行极差分析,得出弹簧的连接点位置是主要因素,弹簧的刚度系数是次要因素,弹簧原长影响最小.搭建了物理实验平台,验证了仿真结果和正交试验设计方法的正确性.     

检测原始记录质量提升的探究

检测原始记录属于实验室技术记录范畴,通常是以规范化的表格形式对检测过程中的样品状态、设施条件、检测数据等信息的记载。检测原始记录的内容是否真实、准确、规范和完整,直接影响检验工作的可追溯性和质量体系运行的有效性。作为检测机构技术人员,最应弄明白的就是原始记录。平时尽管记录常在手边,但在内审和外审过程中依然发现诸多问题,因此,如何提升检测原始记录质量值得探究。     

一种商用车MT变速箱简易推式分离机构设计

为了提升大型载货车、专用车用变速箱分离机构分离性能,满足大离合器盘分离需求,设计出一种分离机构.该机构通过机械原理实现放大输入端推力来满足离合器摩擦片分离.该分离机构结构简单、成本低廉,值得推广.     

3D打印裂隙岩体动态力学性能及能量耗散规律初探

地下岩体结构经常遭受到地震、爆炸、冲击振动等产生的动力扰动，利用3D打印技术的优势研究冲击荷载下岩体动态力学性能对实现3D打印技术在工程领域的应用具有重要意义。采用φ50 mm的变截面霍普金森压杆(SHPB)装置，对含预制裂隙的3D打印岩体试样进行动态单轴压缩试验。研究结果表明：试样的动态抗压强度随着预制裂隙倾角的增大呈现出先减小后增大的趋势，当预制裂隙倾角为30°时试样强度最小，当预制裂隙倾角为90°时试样强度最大。与3D打印岩体试样的静态单轴压缩强度对比发现，3D打印砂性材料具有明显的率效应，当应变率为139.65 s^-1时，3D打印岩体试样的动态抗压强度是静态抗压强度的4.34倍。预制裂隙缺陷在一定程度上加剧了试样的能量耗散和破碎过程，并且30°倾角预制裂隙对试样能量耗散和破碎结果的影响程度最大。同时，3D打印岩体试样的能量耗散过程与破碎块度表现出明显的自相关性，所用的3D打印砂性材料的宏观破碎结果与能量耗散之间的关系与天然岩石材料有一定相似性，为今后3D打印材料模拟天然岩体应用于动态力学试验的可行性奠定了基础。     

菠萝采摘装置手持切力机构动力学分析

为了减少菠萝采摘人员的劳动强度,提高采摘效率,研制了一种集杠杆和曲柄滑块机构于一体的轻量便携、结构简单的菠萝采摘装置。该装置将手持力与下压力通过传力机构带动夹持及切力机构实现切割功能,文中对传力机构进行了理论计算、仿真及试验测试,优化得出了样机参数。试验结果表明机构的传力、切割性能良好,并验证了切割运动轨迹的可行性。     

45 t门座起重机顶升方案设计

针对国内45 t门座起重机大车行走机构平衡梁裂缝问题。分析平衡梁裂缝产生原因并提出相应的维修方案,并对维修关键技术中的顶升方案设计,采用Ansys软件对其强度进行了有限元分析,同时对维修前后的平衡梁进行分析并对比。将维修方案应用于实际工程,取得了较好效果。该顶升机构修复方案设计符合工程实际,对工程实践具有一定的指导意义。     

斜顶机构的干涉现象分析及解决措施研究

斜顶机构的干涉现象是影响注塑模具设计和产品注塑成型的重要因素之一,通过对斜顶机构的运动轨迹进行分析和研究,明确了斜顶机构、产品和模具零部件之间的位置关系,总结了斜顶机构干涉现象产生的原因及解决措施,提升了模具设计的效率。     

基于深度学习的秀丽隐杆线虫显微图像分割方法

利用计算机实现自动、准确的秀丽隐杆线虫(C.elegans)的各项形态学参数分析,至关重要的是从显微图像上分割出线虫体态,但由于显微镜下的图像噪声较多,线虫边缘像素与周围环境相似,而且线虫的体态具有鞭毛和其他附着物需要分离,多方面因素导致设计一个鲁棒性的C.elegans分割算法仍然面临着挑战。针对这些问题,提出了一种基于深度学习的线虫分割方法,通过训练掩模区域卷积神经网络(Mask R-CNN)学习线虫形态特征实现自动分割。首先,通过改进多级特征池化将高级语义特征与低级边缘特征融合,结合大幅度软最大损失(LMSL)损失算法改进损失计算;然后,改进非极大值抑制;最后,引入全连接融合分支等方法对分割结果进行进一步优化。实验结果表明,相比原始的Mask R-CNN,该方法平均精确率(AP)提升了4.3个百分点,平均交并比(mIOU)提升了4个百分点。表明所提出的深度学习分割方法能够有效提高分割准确率,在显微图像中更加精确地分割出线虫体。