船舶合成磁罗经油研制

进口船舶磁罗经中使用了低黏度的聚甲基硅氧烷磁罗经油,国内无成熟产品可替代,为了满足该类型磁罗经的用油需求,必须对该油进行国产化研制。文章研制了能够替代俄ПМС-5聚甲基硅氧烷的船舶合成磁罗经油,通过理化性能试验、环境适应性试验和长期使用试验证明,研制产品具有良好的高低温性能,性能稳定,能够满足相关设备的使用要求。     

软岩地层回采巷道合理支护技术探讨

为进一步发展软岩回采巷道合理支护技术,基于华润煤业五间房煤矿软岩地层地质特点和目前建设状况,通过对现场钻取或掏撬各煤层顶、底板岩层岩石试样物理力学参数测试、回采巷道围岩松动状态的地质雷达探测及分析、回采巷道断面形状与支护结构形式的选择,煤层7.0m厚以上条件下回采巷道支护参数设计,复合支护结构与参数设计的数值模拟优化分析,得出了回采巷道合理支护结构形式,对进一步研究内蒙古锡林浩特煤田软岩回采巷道合理支护技术具有一定的参考意义。     

舰船用燃气轮机齿轮油的研制

为实现某型舰船燃气轮机主减速器润滑用油的国产化进行了替代油品的研制。使用PAO6、VHVI4和酯类基础油,加入适当种类和比例的抗氧剂、极压抗磨剂、防锈抗腐蚀剂等研制了满足暂定质量指标的油品。该油具有良好的粘温性能、氧化安定性、防锈抗腐蚀、抗高温腐蚀、水解安定性以及适宜的极压抗磨性。     

配电网规划中分布式电源的选址和定容

分析了分布式电源接入配电网前后对配电网规划的影响,在此基础上提出了采用带惯性权重的粒子群算法进行分布式电源选址和定容的计算方法,建立了以分布式电源投资运行费用、网络损耗费用和购电费用等总费用之和的函数。最后通过算例验证了所提出的算法在分布式电源选址和定容问题求解中的全局搜索能力和收敛速度。     

子结构法在齿轮-箱体-基座耦合系统辐射噪声仿真中的应用研究

为了提高齿轮-箱体-基座耦合系统辐射噪声分析的计算效率,采用子结构法提取了基座在与箱体各连接点处的等效质量和等效刚度,并用质量单元和弹簧单元对基座进行了等效。在此基础上建立了齿轮-箱体-基座耦合系统的辐射噪声分析模型,完成了辐射噪声分析,并与全有限元/边界元法的分析结果进行了对比。结果表明：采用文中提出方法分析获得的耦合系统在各场点处的有效声压级与全有限元/边界元法分析结果间的差距均未超过4.5dB,同时文中方法的分析时间仅为全有限元/边界元法的32.7%。     

液体塑料软包膜对低温酸奶风味的影响

目的研究液体软包膜对低温酸奶整体风味的影响。方法通过对不同厚度、不同种类液体软包膜盛装低温酸奶产品后物理性能、感官风味变化的分析,研究包装酸奶产品的液体塑料包装膜最佳厚度及种类。结果黑白膜包装的样品要比乳白膜包装的样品的相对稳定性好,常温正常条件下使用厚度在80μm以上的黑白膜优于其他厚度薄膜。同时,保证一定的运输存储环境——即低温存储才能维持产品在整个货架期的整体风味。结论采用不同厚度、不同种类的液体软包膜影响不同存储条件下的酸奶整体风味。     

激光表面织构氮化钛薄膜的摩擦磨损性能

采用磁控溅射法制备了TiN薄膜,研究了其与激光表面织构的摩擦学协同效应,并基于磨损表面分析,探讨了其减摩抗磨机理。结果表明：TiN薄膜与表面织构具有优异的协同抗磨作用,但减摩作用不明显。织构化TiN薄膜的磨损率相对于原始TiN薄膜降低约20%。表面织构因“机械捕捉效应”和“微存储效应”降低TiN薄膜磨损表面的物质损失,磨损机理为氧化磨损和磨粒磨损。     

基于包装结构评价有限元分析在酸奶瓶型优化中的应用

有限元分析用于仿真模拟,普遍应用于固体力学、流体力学、热传导、电磁学等,但在包装结构评价领域应用较少。本试验选择5个酸奶瓶型设计,通过ABAQUS有限元软件分别模拟顶部和侧方压力下的应力分布。试验结果表明:在码垛状态优化设计的2L、2L+B、1R瓶的应力值分别为3.92MPa、2.33MPa、1.8MPa,相对原始设计应力值降低,应力云分布更均匀,抗压能力增强。2L瓶的克重相较最轻,应力集中最低;在运输状态2L瓶的应力值为14.4MPa,2L+B瓶的应力值底部为20.2 MPa,上部为14MPa,应力值降低,应力云分布均匀。1R瓶的应力值为5.32MPa,相对原来的设计应力值未降低,但成本降低。     

边界面法数值结果的云图表征

边界面法继承了传统边界元法的优点,并将几何实体的边界曲面离散为参数空间里的曲面单元,在处理一些特殊问题如移动边界、高梯度、大变形等方面显示出特殊的优越性。但是也使得计算结果的后处理遇到困难。提出了一种基于黎曼度量推进波前法生成三角背景网格的实用边界面法计算结果后处理方法。该法对求解域剖分成三角背景网格然后将计算结果映射到网格节点上,通过区域填充获得计算结果的云图。温度场的数值算例表明该方法可靠实用。     

一种新的基于距离加权的模板约简K近邻算法

作为一种非参数的分类算法,K近邻(KNN)算法简单有效并且易于实现。但传统的KNN算法认为所有的近邻样本贡献相等,这就使得算法容易受到噪声的干扰,同时对于大的数据集,KNN的计算代价非常大。针对上述问题,该文提出了一种新的基于距离加权的模板约简K近邻算法(TWKNN)。利用模板约简技术,将训练集中远离分类边界的样本去掉,同时按照各个近邻与待测样本的距离为K个近邻赋予不同的权值,增强了算法的鲁棒性。实验结果表明,该方法可以有效地减少训练样本数目,同时还能保持传统KNN的分类精度。