截齿等离子束表面冶金铁基耐磨涂层研究

采用等离子束表面冶金技术，在采煤机截齿磨损严重的部位制备了与基材呈冶金结合的铁基复合涂层。利用光学显微镜、扫描电镜、X衍射仪和显微硬度计等手段分析了冶金涂层组织，测试了涂层的显微硬度和磨损性能。结果表明：涂层主要由γ-（Fe，Ni）和（Cr，Fe）7（C，B）3相组成，在固溶强化、弥散强化和细晶体强化共同作用下，冶金涂层具有较高的显微硬度和较好的耐磨性能。     

Z向插销试验氢致延迟裂纹的研究

本文采用了Z 向插销试验。对15MnVN 钢和15MnVNCu 钢的Z 向抗裂性能进行了研究。试验结果表明.Z 向插销临界应力值(σ_(cr))z 与母材的P_(CM)和氢含量有关.该规律与反映氢致延迟裂纹本质的X 向插销试验相同。作者利用断口分析和声发射技术证实:在本试验条件下(σ_(cr))z 主要是反映钢材的氢脆敏感性,而并非层状撕裂敏感性,同时认为,所采用的试验条件可以影响Z 向插销试验所反映的实质。此外.文中还讨论了片条状MnS 夹杂物在氢致延迟裂纹的形成和扩展时所起的作用,并对比了采用断裂准则和启裂准则的利弊.     

等离子体表面改性技术的发展

主要论述了等离子体技术在金属材料表面强化中的应用研究现状和发展趋势，特别是各种工艺的基本原理和应用优势。     

基于速度修正项的机械臂避障路径规划

针对机械臂运行过程中存在的碰撞问题, 提出一种基于速度修正项的机械臂避障路径规划方法. 利用B 样条曲线进行机械臂关节空间规划, 使机械臂能够在特定时刻运行到指定构型. 在运行过程中, 利用碰撞检测算法实时计算机械臂与障碍物的最小距离, 在碰撞即将发生时引入积分为零的避障速度修正项改变机械臂运行轨迹, 使得机械臂能够在实现障碍回避的同时, 保证其在特定时刻通过指定构型的要求. 仿真实验表明了所提出方法的正确性和有效性.     

基于PSO-SVM的乳腺肿瘤辅助诊断研究

在乳腺肿瘤识别优化的研究中,传统的识别方法容易漏诊.为提高乳腺肿瘤识别准确率,提出基于粒子群优化(Particle Swarm Optimization,PSO)参数的支持向量机(Support Vector Machine,SVM)辅助诊断方法.首先采用PSO选择最佳的SVM惩罚系数c,核函数参数γ;然后,利用最佳参数c和γy训练SVM;再利用PSO-SVM实现乳腺肿瘤分类识别,进而实现辅助诊断.将PSO-SVM乳腺肿瘤识别方法的仿真结果与LVQ神经网络识别方法、BP神经网络识别方法的结果做比对分析,表明PSO-SVM具有较高的识别准确率和较低的假阴性率.PSO-SVM乳腺肿瘤辅助诊断,可以提供决策支持,辅助医生尽可能地减少和避免采用传统的细针穿刺细胞病理学检查方法诊断乳腺肿瘤时的漏诊、误诊情况,具有非常重要的价值和意义.     

基于X86平台的简单多任务内核的分析与实现

描述了一个简单多任务内核的设计和实现方法。分析了该简单内核的基本结构和加载运行的基本原理,然后描述了其被加载进机器RAM中以及两个任务进行切换的运行方法。     

水调自动化系统信息检索功能的设计与实现

从软件系统设计、信息检索设计、图形界面设计等多个角度说明了信息检索的设计方法,分析了信息检索在水调自动化系统中的应用,以业务应用为目标,协调了软件开发与图形界面的交互设计,阐述了其在水调自动化系统中应用功能的实现方式。     

计及电价不确定性和容量衰减的电动汽车充放电商业模式

电动汽车作为移动储能设施,可以通过开展车网协同,促进电力系统的稳定。随着电动汽车的迅速发展,如何设计电动汽车充放电的商业模式成为亟须解决的问题。鉴于此,设计了电动汽车聚合商单独参与现货市场、联合参与现货市场及辅助服务市场2种模式。同时,考虑到电价不确定性和电池容量衰减的影响,对2种模式开展经济性测算和多因素敏感性分析。算例结果表明,电动汽车聚合商联合参与现货市场及辅助服务市场模式的经济性要优于单独参与现货市场模式。在该研究结果的基础上,设计现阶段电动汽车聚合商参与电力市场的商业方案。     

基于优化模型的有源配电网可靠性评估方法EI北大核心CSCD

现有的有源配电网可靠性评估方法中,模拟法难以得到确切的指标计算结果,解析法难以处理动态孤岛最优切负荷问题。该文提出一种基于优化模型的有源配电网可靠性评估方法。该方法考虑分布式电源随机性、故障转供以及潮流倒送限制等因素,首先建立分布式电源的多状态模型,并基于后向场景缩减算法对分布式电源出力的随机场景进行状态缩减。针对缩减的特定场景,提出面向可靠性指标评估的混合整数线性规划模型,通过求解该模型,利用寻优的机制得到系统的各类可靠性指标。该方法的主要优点在于便于考虑配电网可靠性与网络规划优化问题的相结合。通过算例分析了该方法的准确性,并通过有源配电网自动、手动开关配置优化问题说明所提方法的延伸应用价值。     

一种面向噪声环境中旋转机械故障诊断的多模态耦合输入神经网络

旋转机械设备是工业生产中的关键性设备,对其进行高效故障诊断,对于保障工业安全生产具有重要意义.传统的旋转机械设备智能故障诊断方法采取人工特征提取策略,存在依赖专家经验知识、特征泛化性差、特征完备性不足等局限性,导致故障诊断模型精度差,特别是在噪声环境下性能下降明显.对此,提出一种用于旋转机械故障诊断的多模态耦合输入神经网络模型.首先,利用信号分解方法将原始输入信号分解为多个子信号,并将子信号与原始信号成对组成二维矩阵并输入到神经网络中,使得网络能够提取其间重要的相关特征;然后,利用双通道并行的卷积神经网络和长短期记忆网络分别提取信号中的时空间特征并融合,大大提高网络模型的特征表达完备性,实现对旋转机械设备的高精度故障分类.通过实验验证了所提出模型相较于传统故障模型具有更高的准确率,并且对于噪声干扰也有较好的适应性.