基于MySQL的投诉稽核辅助分析工具研究与应用

文章分析了目前网优投诉稽核工作中的难点与痛点。为了解决这些问题,针对投诉系统页面中的不同数据特点,提出了投诉稽核辅助分析方案,使用辅助分析工具自动处理,既保证了数据的精确性,又极大拓展了稽核工作的深度与广度,将人员从繁重、重复性高的工作中解放出来,实现了高效率和高质量的双赢。     

企业库2.0中的数据获取模块的应用

本文主要讲述了企业库中的数据获取模块的基本内容,应用过程中的难点,数据库对象实例化的机制,并用C#语言举例实现对数据库的操作.     

冷却时间对2205双相不锈钢焊接热影响区组织与性能的影响

采用热模拟和其它方法研究了2205双相不锈钢的模拟焊接热影响区（HAZ）的冲击韧度和金相组织的关系,探讨了冷却时间t5／8和t12／8对模拟HAZ冲击韧度的影响规律。结果表明：冷却时间对该钢的组织和性能有很大的影响,随冷却时间的增加,铁素体含量减少,奥氏体含量增加,铁素体中的金属中间相析出增多。固定t8／5时,随t12／8的增加,冲击韧度增强;而固定t12／8时,随t8／5的增加,冲击韧度降低。     

古代佛塔及千尊玉佛寺仿古建筑千佛塔设计（二）

2、塔身构造方法（1）塔出挑木件构造方法楼阁式塔的腰檐主要由斗拱、角梁、椽子等构成。角梁、椽子是腰檐中最长的悬臂构件,也是主要的承重构件。角梁、椽子插入塔壁必须有一定的长度、足够的直径才能抵抗悬臂的挠曲变形和倾覆。宋代楼阁式塔的椽子做法,尤其是翼角翘飞椽就不象木构建筑将椽尾砍薄,接近交于一点,而是影响悬臂的受力截面。     

面向地表沉陷监测的数字近景摄影测量精度研究

面向地表沉陷监测,基于直接线性变换解法和高分辨率数码相机,文中通过多组实验来分析数字近景摄影测量不同摄影几何结构(摄站点布设、摄影基线长度等)对数字近景摄影测量精度影响规律,并提出相应的改进措施。     

高品位铜矿浮选流程设计改造

为了适应原矿品位不断升高的需要,先后两次对原有浮选流程进行了技术改造,通过再次改造,采用分支粗选流程,克服了因分级机溢流不稳定而对浮选带来的新的困扰,该流程能够更好地适应生产的需要,最终达到了流程改造的目的,取得了较为理想的效果,尾矿品位进一步降低了0.08%,铜回收率提高了0.60%,铜精矿品位提高了6.42%,减少脱水压滤量18.54%,降低铜冶炼费用18.54%。     

改进型的磁流变液剪切应力测试仪

针对圆盘缝隙磁场分布不均匀、磁场强度低和注液不方便等问题,对自行研制的旋转圆盘式磁流变液剪切屈服强度测试仪进行了改进.运用ANSYS磁路仿真软件对剪切圆盘机构的磁路进行了优化设计分析,对产生漏磁的部件和结构进行了改进,使测试圆盘所在区域的磁场强度的均匀性得到了加强;当电流为1.6 A时,圆盘间隙处的平均磁感应强度可达0.9 T;同时该测试仪的测试结果表明,Herschel-Bulkley模型可以较好地拟合MRF屈服后区的非线性特性.     

微型、超轻型中低空多光谱遥感设备

介绍了一种新型的多光谱遥感装备,该遥感装备因其体积小、重量轻、造价低等显著特点而非常适用于中低空的目标探测,该套设备在光谱成像方面采用棋盘式微滤片进行滤波.文章对微滤片的制备工艺过程、微滤片的几何、重量、光学等指标、以及后续的无线图像传输系统的集成制作和对实验结果的分析、评价都进行了说明     

ADMOW方法及其在滚动轴承状态识别中的应用

针对滚动轴承振动信号的状态特征及特征数据中存在"异常值"的现象,提出了基于优化加权代理判别模型(Agent discriminate model based optimization weighted,ADMOW)的模式识别方法。该方法首先通过计算样本特征值的类相似度对特征值进行评价,并依据评价结果对特征值赋予权值,以此弱化"异常值"导致模型出现偏差的问题;然后利用粒子群优化(Particle swarm optimization,PSO)算法对所建立的模型参数进行优化,得到更加准确可靠的分类模型;最后采用建立的优化加权代理预测模型对待测样本进行识别。滚动轴承实验结果表明,与以往的模式识别方法相比,该方法能有效地提高识别准确率。     

基于机器学习的设备剩余寿命预测方法综述

随着科学技术的发展和生产工艺的进步,当代设备日益朝着大型化、复杂化、自动化以及智能化方向发展。为保障设备安全性与可靠性,剩余寿命(Remaining useful life,RUL)预测技术受到了普遍关注,同时得到了广泛应用。传统的统计数据驱动方法受模型的选择影响明显,而机器学习具有强大的数据处理能力,并且无需确切的物理模型和专家先验知识,因而机器学习在剩余寿命预测领域表现出了广阔的应用前景。鉴于此,详细分析和阐述了基于机器学习的设备剩余寿命预测方法。根据机器学习模型结构的深度,将其分为基于浅层机器学习的方法和基于深度学习的方法。同时疏理了每类方法的发展分支与研究现状,并且总结了相应的优势和缺点,最后探讨了基于机器学习的剩余寿命预测方法的未来研究方向。