数控机床主轴及主轴电机温度检测与控制系统

介绍了一种数控机床主轴及主轴电机温度检测与控制系统。该系统采用C8051F350单片机为主控芯片,选用TN9红外温度传感器与高精度pt100温度传感器作为数控机床主轴及主轴电机温度的检测元件,采用KeilC和LabWindows/CVI开发了下位机温度采集程序及上位机温度监控程序。详细介绍了系统的设计思路及具体的实现方法,并给出了下位机程序流程图及Lab-Windows/CVI编程实例。实验结果表明,该系统具有灵敏度高、实时性好、稳定、准确、操作简单等优点,为数控机床的加工精度及安全无故障运行提供了保证。     

SJ高强灌浆料及其应用技术通过技术鉴定

首钢第一建设总公司技术处(首钢建筑研究所)研制的SJ高强灌浆料及其应用技术,已于1994年10月31日通过了专家鉴定。该项技术居国内同类产品先进水平。 大型冶金、机电等设备的安装,对基础的强度和安装精度要求很高。目前设备基础的安装主要采用有垫板安装工艺和无垫板安装工艺。有垫板安装工艺复杂,施工速度慢;无垫板安装     

江坪河水电站超期服役的导流洞下闸封堵安全保障工程措施

江坪河水电站导流洞质量缺陷较多,且超期服役多年。为确保工程下闸封堵安全,下闸前,通过对导流洞闸门井及其上下游一定区域衬砌混凝土进行检测、结构验算、评价,并有针对性地对缺陷区域进行缺陷处理;下闸后,迅速在闸门前浇筑水下自密实混凝土进行堵漏,在闸门后浇筑混凝土挡墙提升闸墩、闸门整体稳定性。通过这些有效的安全保障工程措施,安全、高效地完成了堵头封堵施工,有效消除了下闸封堵系统性安全风险。     

干式变压器及其绝缘结构

前言干式变压器以其具有的难燃、免维护、形体小、重量轻、损耗低、可靠性高的特点，满足了那些既要使变压器深入负荷中心又要无燃烧危险，如大都市高层建筑、地铁、机场、电站等用户。近十几年来世界干变技术和产量都得到了高速发展。90年代以来随着我国经济实力的增强，以及干变技术的引进消化，干变的质量水平迅速提高，干变也被广大用户接受，干变市场得到了高速发展。全国干变产量由1990年的504MVA增加到1995年的6191MVA，其增长速度是同期电力变压器增长速度的6．3倍（见图1）。预计2000年其全国产量将达到15000MVA左右。干式变压…     

ZL5铝镁合金的生产实践总结

“认识从实践始,经过实践得到了理论的认识,还须再回到实践去。”遵照毛主席这一光辉教导,我们把十多年来生产ZL5铝镁合金铸件的实践经验加以整理、提炼、总结成文,以便更好地为生产实践服务。     

水泥系自流平材料研究应用进展

详细论述了国内外水泥系自流平材料（简称ＳＬ）的化学组成、技术性能、施工方法及研究应用现状探讨了存在的问及解决途径，展望了应用前景。     

基于LabWindows与PLC控制的作动筒盐雾试验装置的设计

介绍飞机起落架作动筒在盐雾及湿热环境下的性能测试与实验要求。结合实验装置的液压系统原理,上位机用Lab Windows/CVI软件对作动筒测试参数进行设定、监控、存储和记录,下位机采用西门子PLC对盐雾试验装置进行控制。实验结果表明:该装置可以根据不同的盐雾及湿热环境,对飞机起落架等部件使用的作动筒进行快速测试,判断其性能是否满足要求;该装置对压力、流量、温度等参数控制精度较高,比传统使用的继电器仪表等测试方法自动化程度更高,并具有良好的人机交互界面与通信功能,装置稳定、安全可靠,达到了性能测试要求。     

基于非合作博弈和RFID的紧急加单下柔性作业车间动态调度方法

为了实现基于实时数据驱动的优化决策,针对紧急加单下柔性作业车间的动态调度问题,以原有调度计划的快速性和稳定性为目标,构建了基于非合作博弈和RFID的紧急加单下柔性作业车间动态调度数学模型。针对所建立的数学模型,给出了求解算法并求得博弈的纳什均衡点。而后给出了基于非合作博弈紧急加单下柔性作业车间动态调度的分配策略。在该分配策略中,将紧急加单任务的工序两两分为一组进行博弈,进而将加单的每道工序按照它们的实时状态分配给最优的机器。最后,通过生产实例仿真验证了模型和算法的有效性、可行性和稳定性。     

基于可拓聚类的极限学习机神经网络

针对极限学习机(ELM)算法随机选择输入层权值的问题,借鉴第2类型可拓神经网络(ENN-2)聚类的思想,提出了一种基于可拓聚类的ELM(EC-ELM)神经网络。该神经网络是以隐含层神经元的径向基中心向量作为输入层权值,采用可拓聚类算法动态调整隐含层节点数目和径向基中心,并根据所确定的输入层权值,利用Moore-Penrose广义逆快速完成输出层权值的求解。同时,对标准的Friedman#1回归数据集和Wine分类数据集进行测试,结果表明,EC-ELM提供了一种简便的神经网络结构和参数学习方法,并且比基于可拓理论的径向基函数(ERBF)、ELM神经网络具有更高的建模精度和更快的学习速度,为复杂过程的建模提供了新思路。