焊接冷却收缩法取镗铣床工具锥柄

1　问题的提出工具锥柄是镗铣床刀具与镗杆之间的连接部件 ,镗铣床工作过程中因受冲击载荷 ,容易在应力集中部位产生疲劳裂纹 ,甚至断裂。意大利Ｗ 2 0 0ＨＣ镗铣床是我集团公司关键设备 ,在铣削大型工件平面时 ,因工具锥柄突然断裂而造成停车。锥柄断裂后大部分残留在镗杆锥孔内 ,断裂部位如图 1所示。残余锥柄如不取出 ,将造成整个镗杆报废 ,直接经济损失达 30万元。特别是加工制造镗杆以及拆除安装等将造成设备停车长达3个月 ,间接经济损失难以估量 ,在不损坏镗杆的前提下必须设法将工具锥柄尽快取出。图 1　镗铣床工具锥柄及断裂部分示…     

基于属性约简的自采样集成分类方法

现有的集成技术大多使用经过训练的各个分类器来组成集成系统,集成系统的庞大导致产生额外的内存开销和计算时间.为了提高集成分类模型的泛化能力和效率,在粗糙集属性约简的研究基础上,提出了一种基于属性约简的自采样集成分类方法.该方法将蚁群优化和属性约简相结合的策略应用在原始特征集上,进而得到多个最优的特征约简子空间,以任意一个...     

离心风机负载功率特性初探

对T4-72-12、T5-48、6-28三个不同系列风机的启动功率、正常运行功率及超载功率进行了测试分析,并对当前风机技术资料中一些观点,提出了分析意见。     

采煤机镐形截齿生产新技术的研究

在镐形截齿受力分析的基础上,利用先进的等离子束表面冶金技术,从截齿的结构和材料两方面入手对截齿生产工艺进行了全面改进,并对新工艺生产截齿的组织性能进行了测试分析。研究结果表明等离子束表面冶金技术在采煤机截齿上具有很大的应用价值。     

螺纹联接预紧力控制及其工艺参数的确定

目前,螺纹联接不同预紧力控制方法的工艺参数多是用经验公式、选择经验数据计算得到,使得预紧力离散度较大.本文在误差分析的基础上,提出用工艺试验数理统计方法确定工艺参数,消除了目前控制方法中的一些误差,提高了预紧力精度,进而可扩大预紧力提高的空间,提高在交变载荷下工作的螺栓的疲劳强度,改善防松能力,提高工作能力.在新设计螺纹联接时,可使螺栓材料得到充分利用,为机械小型化、轻型化提供条件.     

轨道车辆铝蜂窝结构司机室研制及仿真分析

铝蜂窝材料具有密度低,比强度高,减振降噪等优点,作为一种新型的纯金属微结构仿生复合材料,可以实现轨道车辆绿色环保的轻量化理念。为了确定铝蜂窝材料在轨道车辆实际应用情况,对比了不同结构司机室质量与噪声情况,同时对铝蜂窝司机室结构进行静强度和疲劳强度数值仿真分析,有助于更加了解其受力特点。结果显示：铝蜂窝板使用率在90%以上时,铝蜂窝司机室结构可以实现隔声量提高19.3%、轻量化18%的效果;所有工况下铝蜂窝司机室结构的应力均小于相应的许用应力,安全系数均大于1.15,满足EN12663标准要求,这对将来轨道车辆用铝蜂窝结构产品的设计优化、工艺改进,以及大批量应用可以起到理论支撑作用。     

动态数据下的三支区间离散模型

在数据挖掘领域中,数据离散化是将一组连续的数值属性转换为离散的标称属性值,并广泛在音频或视频等连续时间信号的预处理中得到应用.据文献考证,离散区间中的不确定性的空白区间被现有研究所忽略.此外,动态的增量数据将使离散区间更加复杂.针对增量数据下离散问题,本文提出了一种基于三支决策的自适应动态区间离散化方法.本文提出的三支...     

选择性催化还原催化剂在燃煤电厂中应用的注意事项

根据选择性催化还原(selective catalytic reduction,SCR)催化剂的特点,指出脱硝催化剂在燃煤电厂应用中应注意活性降低的问题,通过化学机理分析概括了导致催化剂失活的主要原因有:烧结、碱金属中毒、砷中毒、钙的影响、催化剂的磨损和堵塞等,阐述了燃煤电厂应用SCR技术时对催化剂的要求.根据实际工程应用经验,介绍了催化剂在工程应用操作中的注意事项.     

固相萃取-气相色谱质谱法测定水中百菌清和甲萘威

本文建立利用固相萃取提取水中百菌清和甲萘威,以二氯甲烷为洗脱剂,气相色谱质谱法定性定量检测的分析方法。本方法对固相萃取条件进行了优化,选择合适的固相萃取柱和洗脱剂,并考察了方法的检测限、加标回收率、重复性等指标。实验结果表明,百菌清和甲萘威在4.00～64.0μg·L~(-1)浓度范围内线性良好,检测限分别为0.30和0.50μg·L~(-1),7次测定结果相对标准偏差均小于2%,实际样品的加标回收率在90.4%～98.8%之间。结果表明,本方法操作简便快速,有机试剂使用量少、灵敏度较高,精密度和加标回收率结果良好,可用于水中百菌清和甲萘威的监测。     

基于条件生成对抗插补网络的双重判别器缺失值插补算法

应用中的各种因素可能造成数据缺失,影响后续任务的分析。因此,数据集缺失值的插补尤为重要。相比原本没有插补的处理,错误的插补值也会对分析造成更严重的偏差。针对这种情况,提出新的采用双重判别器的基于条件生成对抗插补网络(C-GAIN)的缺失值插补算法DDC-GAIN(Dual Discriminator based on C-GAIN)。该算法通过一个辅助判别器辅助主判别器判断预测值的真假,即根据一个样本的全局信息判断这个样本生成的真假,更注重特征之间的关系,以此估算预测值。在4个数据集上与5种经典插补算法进行对比实验,结果表明：同样条件下,DDC-GAIN算法在样本量较大时的均方根误差(RMSE)最低;在Default credit card数据集上缺失率为15%时,DDC-GAIN算法的RMSE比次优算法C-GAIN降低了28.99%。这说明利用辅助判别器帮助主判别器学习特征之间的关系是有效的。