计算机技术的发展与应用分析

近年来,计算机技术的发展日新月异,并在多个行业多个领域得到广泛应用,成为推动社会进步的一个重要动力。计算机技术的发展极大地促进了生产效率的提高,极大地方便了人们的工作和生活,并促使我国全面进入信息化时代。在未来,计算机技术将得到进一步发展,其应用范围也会进一步得到拓展,从而为社会经济的发展提供强大支撑。     

3DMAX应用于动画制作的实际含义和运用思路

随着高科技的不断推广和运用,3DMAX在建筑、影视、航空和计算机等很多领域中得到了广泛应用,大大推进了我国高科技的现代化发展。在动画制作过程中,3DMAX的应用,使画面变得更加逼真,大大提升了整个画面的美感,对于推动动画制作不断创新发挥着重要作用。本文就3DMAX应用于动画制作的实际含义进行阐述,提出3DMAX应用于动画制作的运用思路,以为动画制作水平不断提高提供可参考依据。     

聚氨酯泡沫塑料VOC及气味性研究

以3种软质聚氨酯泡沫塑料样品为研究对象,分别采集其散发的气体,采用高效液相色谱分析DNPH管中的醛酮类物质,采用热脱附-气相色谱-质谱-嗅觉检测器联用装置分析Tenax-TA管中采集的气体,详细分析出了不同聚氨酯泡沫塑料中的散发物质、各散发物质的气味强度和气味类型,并说明了聚氨酯泡沫塑料的气味与各散发物质的关联。结果表明,聚氨酯泡沫塑料中散发的挥发性有机物(VOC)主要包括醛类化合物、醇羟基化合物、胺类化合物、烷烃、脂类化合物和苯系化合物等;其中,氨臭味主要来源于胺类化合物,溶剂味主要来源于苯系化合物、醇羟基化合物和烷烃;可通过降低目标气味物质含量或增加特定的香味物质改善材料的VOC和气味。     

板类制件水辅助注射成型流动过程的数值模拟研究

基于Hde-Shaw流动模型，采用广义牛顿流体本构方程，建立了三维薄壁制件的水辅助注射成型充填阶段的数学模型，采用黏性、可压缩非牛顿流体基本方程，建立了水辅助注射成型保压补缩阶段的数学模型。采用有限元／有限差分／控制体积法数值求解。最后对一具有梯形截面水道的薄壁平板零件的水辅助注射成型流动过程进行了模拟，模拟所得到的熔体前沿位置与前人实验结果吻合较好，浇口处压力变化、水的厚度分布及平均温度分布合理。     

基于AR-SVM的转子故障诊断

将时间序列建模与支持向量机相结合并应用于转子故障诊断领域.用时间序列理论进行故障建模,可以在缺乏对实际故障机理了解的情况下从机组自身的运行过程中动态获取故障的统计特征信息.而支持向量机作为模式识别领域的新工具,其具有小样本学习能力等显著优势.这里首先对实验台振动信号建立时间序列模型,然后用模型参数来训练一个支持向量机作为故障诊断的分类器.实验结果表明,这种方法有很好的实用性.     

基于F-δ模型的校直压下量确定方法及应用

弹塑性力学理论出发建立了校直过程的载荷一挠度数学模型-（F-δ模型）,进而提出一种基于F-δ模型的校直压下量确定方法,阐述了该方法在自动精度校直机上的实际应用。实验研究表明该压下量计算方法具有较高的求解精度,能有效地指导高精度压力校直实践。     

浅谈文留油田旧抽油杆的检测与修复

重点介绍了文留油田抽油杆检测与修复工艺技术 ,并对各工序工艺过程、现场应用进行了阐述。     

CMWPE结合SaE-ELM的轮对轴承故障诊断方法

针对DF4型内燃机车轮对轴承不同故障状态的判别问题,提出了一种基于复合多尺度加权排列熵(Composit multiscale weighted permutation entropy, CMWPE)和自适应进化极限学习机(Self-adaptive evolutionary extreme learning machine, SaE-ELM)的机车轮对轴承故障识别方法。CMWPE基于复合粗粒化和加权排列熵的思想,能很好地区分信号的不同模式。SaE-ELM通过自适应进化算法对极限学习机的输入权重、隐含层参数和输出权重进行优化,解决了ELM随机选取网络参数的局限性,提高了网络的泛化性能。计算机车轮对轴承不同健康状态下振动信号的CMWPE,利用SaE-ELM识别轴承所属故障类型及故障程度。在机务段的JL-501轴承检测台上采集了7种不同健康状态的轮对轴承试件的振动信号数据。结果表明：CMWPE特征提取效果优于MPE和MWPE;SaE-ELM模式识别效果优于参数不经优化的ELM。所提方法能够有效诊断机车轮对轴承的不同故障,且故障识别率达到100%。     

基于形态学处理的仪表指针提取算法

指针式仪表被广泛应用在工业检测等诸多领域,目前指针式仪表检测朝着自动化和智能化的方向发展。指针特征提取是指针式仪表检测系统中极为关键的技术,针对仪表表盘环境复杂、指针的粗细不一等因素导致的指针特征提取困难问题,提出了基于形态学处理的仪表指针提取算法。首先将获取的图像经过图像增强处理、中值滤波、otsu算法获得干净的二值化图,其次将反转后的二值化图经过形态学处理,最后输出提取结果。实验结果表明:该算法在损失极少量指针长度的情况下能够更为精确有效的提取指针信息,解决“双边缘效应”现象和复杂表盘环境下无关信息对指针特征信息的干扰,从而可以提高仪表检测的精确程度和仪表检测系统的适用性,对指针式仪表检测系统的读数识别研究具有重要意义。     

TVAR在非平稳工况转子故障诊断中的应用

研究了基于BP网络（ANN）的时变参数自回归模型（TVAR）及其在非平稳工况旋转机械故障诊断中的应用。首先提出了一种基于BP算法的TVAR参数辨识方法，然后利用TVAR方法对一非线性调频仿真信号进行时频分析，并与典型时频分析方法短时傅里叶变换（STFT）及Choi—Williams分布（CWD）的分析结果进行比较。结果表明，TVAR方法具有时频分辨率高、无交叉干扰项及计算速度快等优点。最后利用TVAR方法分析了转子启动过程正常及故障工况下转子实验台的非平稳振动信号。研究表明，TVAR不但能够有效地分析非平稳振动信号，而且具有较强的故障特征提取和抗噪声能力，是在时频域上进行故障诊断的有效方法。