大型轴类锻件锻透压实技术的研究

大型轴类锻件是大型锻件中的典型代表之一,其锻造工艺有其特殊性,锻造过程控制难度较大,容易导致锻件横向力学性能不合格、超声波探伤不合格及粗晶、混晶现象的发生从而导致废品。尽管很多学者对此进行了大量的研究,并提出了一些工艺方法,但在实际应用中的效果并不是太好,其中一个很大的问题是定性的原则多,缺少具有可执行性的定量标准。本文采用任猛提出的"有效压实工艺准则",使得轴类锻件的工艺编制有了定量标准,能够指导制定详细的、具有很强操作性的锻造工艺,用来指导生产,确保了锻件生产的高质量和稳定性。     

一种简化分析二极管平衡调制器的方法

不同的教材中关于二极管平衡调制器的分析方法不统一,容易导致学生理解的困惑。笔者在对二极管平衡调制器的电路原理作了深入分析的基础上,提出了利用二极管的线性模型,采用叠加法等效计算二极管平衡调制器的方法,分别计算两种输入信号下的输出响应,从而简化了分析。这种方法可以推广到各种二极管平衡调制电路的分析。     

陶土对铸钢消失模涂料烧结性的影响

采用阿基米德法测试烧结试样密度,研究了陶土对铸钢消失模涂料烧结性的影响。结果表明,随着陶土含量和烧结温度的增加,试样体积密度都有增大趋势。陶土含量为5%时,试样在1550℃时密度显著增大,符合铸钢消失模涂料要求。另外,进行现场浇注试验,对涂片层断面进行扫描电镜分析,涂片层断面与钢水接触部分烧结良好,耐火骨料连成整片,阻止钢水进一步渗透,使涂料烧结壳从铸件表面自动剥离。     

基于灵敏度预分类的BP神经网络故障诊断方法

故障特征信息的获取和处理对电路故障的可靠分类和准确诊断有很大的影响．在电路故障诊断时,对于不同的故障模式,存在信息混叠的现象,需要解决特征信息的有效提取和故障的可靠分类等问题．为此,本文提出了一种结合灵敏度特性分析的BP神经网络故障诊断方法．基本思想是通过灵敏度的计算,对电路故障样本作预分类,再根据电路灵敏度的计算结果分别提取相应特征信息,以此构造故障样本特征集,然后作为BP神经网络的输入对网络训练,并进行故障诊断．对滤波器的仿真结果表明,该方法能分类不同的元件故障,且对模拟电路故障诊断的平均正确率优于传统方法．     

用金刚石端铣刀高速加工铝材

试验用设计的金刚石端铣刀进行了铝合金铣削试验,在常规的切削速度下用普通刀具加工零件,由于积屑瘤和毛刺的形成,往往引起刀具寿命短,加工表面质量差及切削刃质量差.在许多行业的铝合金加工技术中,较高的表面光洁度及切削刃质量很重要,也很需要.本试验的结果揭示出使用新设计的金刚石端铣刀高速切削铝合金,能加工出镜面表面,而不产生积屑瘤和毛刺.     

基于时间卷积网络的模拟电路故障诊断方法

对模拟电路故障诊断中的故障特征提取进行了研究,引入了卷积神经网络模型,提出了一种基于时间卷积神经网络的模拟电路故障诊断方法,在四阶Butterworth低通滤波器电路上分别对不同深度的时间卷积网络进行分类对比实验,实验结果证实了深度时间卷积网络在故障特征提取中的有效性。同时设计实验对比了时间卷积神经网络、SAE-SOFTMAX、深度信念网络和长短期记忆网络的特征提取能力,结果表明,时间卷积神经网络模型在模拟电路故障诊断中能够提取出更能反映数据本质的特征,取得更好的诊断准确率。     

基于IDDT和SVM的混合电路故障诊断探究

混合电路待测数据受限,存在故障诊断速度较慢、效率有限等问题,提出了一种基于动态电流测试结合支持向量机的混合电路故障诊断方法,其基本思想是运用小波分解提取混合电路动态电流的有效信息,再融合SVM进行故障诊断。采用标准样本Iris数据集研究、确定了多类支持向量机的算法,采用高斯径向基核函数,运用改进的网络搜索方法进行了粗搜索和细搜索,以确定出SVM的最佳参数对。PSPICE及MATLAB软件对混合电路实例的仿真表明,该方法模式识别能力较强,可改善BP神经网络的收敛速度慢和容易陷入局部极小值等不足,适用于混合电路故障的快速准确诊断。     

差分放大器的误差分析

在差分放大电路中，电路的偏置电阻、晶体管（BJT）的参数、信号源的内阻、工作温度都会引起输出的误差。通过对典型电路的分析，得出了误差计算公式，分析了减小误差的方法。     

一种电阻一时间变换器及应用

以张弛振荡器为基础，提出了一种用电阻一时间变换电路将所测信号转化为量化时间的信号检测新方法，分析表明，该变换器电阻变化与输出时间呈线性关系，电路误差小、抗干扰，调理简单，给出了应用这种电阻时间变换器进行多路检测的单片机系统实例．     

虚拟存储技术在医院数据存储中的应用研究

从医院信息化需求现状分析入手,针对医院现有信息系统存储结构存在的问题,研究了虚拟存储技术不同实现形式的特点,并对虚拟存储技术的选择和实际应用进行了分析与总结,为同行业信息平台硬件建设提供帮助和借鉴。