基于分层建模技术的CAD/CAPP/CAM集成系统研究

在DM特征建模的基础上,建立了CAD、CAPP、CAM各个阶段的分层模型.分别从特征层和零件层两个层次建立该集成系统全局统一的数据表达.在工艺设计阶段通过引入特征子工艺设计概念与技术,完成子工艺的生成、拓扑排序、组合及编辑,从而完成整个零件的工艺规划.使得系统数据顺利地引入制造模块.该方法在所开发的回转类零件CAD/CAPP/CAM系统中得到了验证.     

磁致液面变形及其光学测量

为获取磁场中气液界面的特性参数,提出基于镜面反射成像与结构照明相结合的方法对磁致液面变形进行测量.根据图像映射和条纹灰度矩阵提取条纹图的相位差进行液面变形量的计算,并重建三维变形液面.得到了结论:液体表面附近处的梯度磁场将引起表面张力的不均匀而使其发生变形,变形量及方向与磁场强度和梯度的空间分布有直接关系,为浮力-热毛细对流的相关研究提供一种新的途径.     

基于RS485总线的DSP网络控制系统设计

为了使工业生产计算机控制系统中多种数据之间有可靠通讯,满足过程实时控制的要求,提出了一种基于DSP的网络控制系统的设计方案,介绍了DSP网络控制系统的总体设计思路,运用RS485总线技术对现场控制节点进行硬件设计并对RS485通讯软件的实现进行了详细地分析,实现了上位机与底层控制器之间的RS485数据的可靠通讯,通过生产现场调试验证了网络控制指标.     

基于混合特征提取和WNN的齿轮箱故障诊断

提出了一种基于混合特征提取和小波神经网络(WNN)的齿轮箱故障诊断方法,运用时域分析法、小波分解和小波包分解相结合的方法对齿轮箱振动信号进行故障特征提取,将所提取的特征值作为WNN分类器的特征输入参数,采用反向传播(BP)算法对WNN结构中的平移参数、尺度参数、连接权值和阈值进行调整和优化.在实验中采用不同裂纹尺寸的齿轮来模拟三种故障模式,通过对三种故障齿轮进行诊断和分类,能证明本文所提议的故障诊断方法是有效且可靠的.     

基于功能论的3G手机设计特点研究

首先介绍了3G技术的发展历程和功能论的设计思想,总结了功能论的设计方法的总体框架,进而从功能论的角度出发分析了3G时代的手机功能,通过功能定义、功能分类、功能整理和功能矩阵的分析过程得到了手机的功能关系树图和功能矩阵,以此为基础,探讨了适合3G时代的手机设计理念,归纳出了3G手机设计的几个特点.     

环氧树脂乳液改性水泥基修补材料研究进展

普通水工混凝土,在腐蚀性介质的作用下其使用寿命缩短.加入环氧乳液是解决这一问题的一种有效途径,并且环氧乳液能够显著改善水泥基材料的性能.介绍了环氧乳液及其改性水泥基材料的国内外研究现状;后者分环氧乳液改性水泥砂浆和环氧胶泥两种情况讨论;综述了环氧乳液改性水泥基材料的改性机理,从环氧乳液在水泥砂浆中作用的基本原理、环氧乳液对水泥作用、水泥对环氧乳液的作用以及环氧乳液改性水泥基材料的微观结构等四个方面讨论.最后,对环氧乳液改性水泥基材料的研究方向进行了展望.     

长期贮存对填充聚乙烯机械性能的影响

研究填充塑料在人工和自然环境下长期贮存后的性能具有极大的实际意义。在贮存聚合物及其制品时,会出现材料的静力疲劳变态—使聚合物及其制品性能改变的老化。本报道介绍了填充的和未填充的低压聚乙烯管状试样经仓库贮存不同时间后机械性能研究的结果。在工作中采用了鉴定评价法。管材是由低压聚乙烯、10％石棉填充聚     

融合交互意图的图神经网络协同过滤算法

传统的协同过滤方法很大程度上以一种统一的方式进行建模,未从交互意图的细粒度上考虑建模关系。为此提出一种融合交互意图的图神经网络协同过滤算法（INTNGCF）。首先,通过将边分解成多个潜在空间来识别潜在意图;其次,利用交互意图融合层确定这些潜在意图的重要性;最后,生成用户对项目的预测评分。在三个真实数据集上与七种基线模型进行对比实验,结果表明,提出的算法与其他先进的推荐模型相比具有一定的性能优势。     

基于计算机视觉的管路振动感知算法

为解决电厂生产区域中管路振动超出正常范围未能及时预警而导致管路破损或连接法兰、阀门处出现工质泄漏的问题,提出了一种基于计算机视觉的管路振动感知算法,首先采用卷积神经网络估计待测管路的光流信息,然后通过分析光流信息检测出管路是否振动,接着通过振动测量模块对监测画面中检测出振动的管路目标的振动频率和振幅进行测量,从而实现对管路振动的感知.在电厂原有摄像头拍摄的振动管路数据上进行了实验,测试结果表明本文方法的速度约为4 f/s,振动频率的测量误差小于0.08.为计算机视觉技术在不改变电厂原有硬件装置的情况下实现实时管路振动检测和测量任务提供了新的思路.     

基于X线的成人OSA计算机辅助诊断综述

阻塞性睡眠呼吸暂停（Obstructive Sleep Apnea,OSA）是成年人较为常见的呼吸类疾病之一,该疾病的特点是睡眠过程中频繁出现上气道完全或部分塌陷,严重影响人们的睡眠质量以及身体健康。阻塞性睡眠呼吸暂停综合征的诊断主要依靠多导睡眠监测,但这种方法无法满足目前大量的诊断需求。随着人工智能的出现及发展,假设深度学习可以有效地协助医生进行诊断该综合征。主要从阻塞性睡眠呼吸暂停的临床诊断方式出发,介绍了颅面侧位片作为诊断数据集的优势,以及人工智能诊断OSA的现状,提出了人工智能辅助医师诊断OSA的技术路线,分析了目前该诊断系统仍然存在的问题和挑战。