基于模糊理论的摆线钢球行星传动接触疲劳强度可靠性研究

基于模糊理论和可靠性设计方法，建立了摆线钢球行星传动模糊可靠性数学模型，推导出其计算公式，并对该传动机构样机进行了接触疲劳强度的模糊可靠度计量。     

机床直行部件运动误差的在线测量

提出了采用精确时域两点法测量机床直行部件运动误差的新方法。该方法可以克服利用经典频域三点法测量直行部件运动误差时,由于误差的非周期性、非封闭性以及端点不连续而引起的高阶谐波分量失真等边缘效应。另外,该方法既可以得到机床直行部件的运动误差,又可以得到在该机床上加工零件的直线度形状误差,这些测量信息都有助于诊断机床的误差源,以提高机床的加工精度。     

间歇性弧光接地危害及过电压保护装置

介绍间歇性弧光接地的危害以及过电压保护装置的应用。     

基于HFACS的高原矿山作业疲劳与人因失误率浅析

为了预防高原矿工作业时间长和工作任务繁重等因素引起的疲劳失误事故,针对高原缺氧、低温等环境特性,首先分析了人体作业疲劳积累特点,并通过构建高原矿山人体疲劳—作业失误机理图,概括了高原地区人体疲劳积累与作业失误的发生机制。其次,比较了不同海拔下人体生理机能和最大做工量的变化,划分出高原矿工疲劳积累的4个阶段(疲劳积累初期、疲劳积累稳定期、疲劳积累末期、疲劳恢复不可逆期(疲劳性损伤),基于对高原矿山作业者疲劳与行为错误之间关系的问卷调查分析,绘制出高原矿工各作业疲劳阶段失误率变化特征曲线。最后,运用人因分析和分类系统(HFACS),提出了高原矿山作业疲劳—人因失误框架(F-HFACS),全面分析了高原矿工疲劳的因素及其对人因失误发生的影响。研究表明:疲劳稳定期通常作业效率较高、失误率低且基本稳定;疲劳末期疲劳积累进一步加深,作业失误率激增,为防止疲劳性损伤,必须停止作业。该研究为高原矿山制定合理的轮班方案,降低作业失误率提供了科学依据。     

ERA-interim再分析数据集在长江上游的适用性

针对长江上游地区ERA-interim再分析降水数据,结合流域内65个实测站点的降水数据,计算流域以及站点年降水量、多年平均降水量。利用降水偏差、偏差百分比、合格率等多种指标,分析ERA数据在长江上游地区的适用性并进行校正,以补充实测降水资料。结果表明:(1)ERA降水在年、春、夏、秋、冬的变化趋势与实测数据近乎相同,可直接采用折算系数整体校正ERA年降水数据;(2)流域内海拔高的观测站点ERA降水估计值与实测降水数据偏差明显增大,海拔低的观测站点ERA降水估计值与实测降水数据偏差相对较小,并且流域东南部的降水偏差整体小于流域西北部;(3)利用折算系数整体折算1979~2012年、夏、秋尺度各站点ERA插值降水数据,各站点拟合后年、夏、秋序列与实测降水偏差30%以内的站点合格率分别为98.46%,92.31%和70.77%。     

基于水幕方法的珠江河口抑咸对策

基于数值模拟手段,论证水幕方法扰动底层盐水楔实现抑制咸潮入侵的可行性。结果表明,在磨刀门河道上游深槽设置水平喷水干扰盐水楔,可以有效减弱底层盐水浓度,在底部高盐水团附近喷水的抑咸效果优于其他断面,并且喷水流量存在最优值,当小于该值时,咸潮上溯距离随流量的减小逐渐增大,当大于该值时,咸潮上溯距离随流量的增大逐渐增大。进一步研究发现磨刀门河口地区小潮期进行盐水楔扰动的效果最好,低盐度等值线(≤0. 5‰)向外海退缩程度显著,有利于河口区取水。     

基于谐波平衡法的摆线钢球行星传动等速输出机构非线性动态特性研究

为揭示摆线钢球行星传动等速输出机构的非线性动力学行为,建立考虑机构钢球数目、输入激励、啮合副啮合状态及啮合刚度的纯扭转强非线性动力学模型。将啮合副预紧函数表现为多项式的形式,将啮合副间隙函数表达为描述函数的形式,通过谐波平衡法将微分方程组转化为非线性代数方程组,利用MATLAB进行求解,得到系统的基频稳态响应。通过改变钢球数、轴向压缩量与啮合刚度,分析参数变化对系统非线性特性的影响。结果表明,预紧系统只有两阶频率激发共振,系统非线性程度随钢球数、啮合刚度和预紧量的增加而减弱,预紧量是影响系统非线性程度的主要因素;间隙系统激发共振频率的阶数与钢球数目有关,幅频响应曲线出现典型非线性特征,出现单边冲击与双边冲击现象。基于多项式函数的谐波平衡法为深入研究摆线钢球行星传动系统的动态特性提供了一种有效方法。     

Deep learning and optimization algorithms for automatic breast cancer detection

Breast cancer is caused by the abnormal and rapid growth of breast cells. An early diagnosis can ensure an easier and effective treatment. A mass in the breast is a significant early sign of breast cancer, even though differentiating the cancerous mass's tissue from normal tissue for diagnosis is a difficult task for radiologists. The development of computer-aided detection systems in recent years has led to nondestructive and efficient cancer diagnostic techniques. This paper proposes a comprehensive method to locate the cancerous region in the mammogram image. This method employs image noise reduction, optimal image segmentation based on the convolutional neural network, a grasshopper optimization algorithm, and optimized feature extraction and feature selection based on the grasshopper optimization algorithm, thereby improving precision and decreasing the computational cost. This method was applied to the Mammographic Image Analysis Society Digital Mammogram Database and Digital Database for Screening Mammography breast cancer databases and the simulation results were compared with 10 different state-of-the-art methods to analyze the proposed system's efficiency. Final results showed that the proposed method had 96% Sensitivity, 93% Specificity, 85% PPV, 97% NPV, 92% accuracy, and better efficiency than other traditional methods in terms of Sensitivity, Specificity, PPV, NPV, and Accuracy.     

基于LSTM-FC的瓦斯浓度时空分布预测

传统的工作面瓦斯预测方法仅利用瓦斯数据的时间特性,缺乏与空间相关的先验信息,因此利用瓦斯数据的时空特性,采用深度学习算法长短期记忆与全连接神经网络相结合的方法构建LSTM-FC（Long Short Time Memory-Fully Connection）瓦斯浓度时空序列的预测模型。LSTM能够解决瓦斯序列的长时间依赖性,全连接神经网络能够准确捕捉瓦斯序列的空间关联性,深入挖掘瓦斯数据之间的时空特性,通过预测不同位置的瓦斯值,构造工作面的瓦斯分布图。实验结果表明,通过使用LSTM-FC模型,预测误差有了明显减少,相比于其他神经网络预测模型,预测精度有所提高。