形成切屑上向弯曲非折断插1入区的理论研究

切屑控制是现代先进机械制造系统中的基础关键技术,切屑控制问题不解决,任何一个理想的自动化过程 都不能实现。本文以切屑空间运动轨迹理论为基础,探讨切屑与工艺系统障碍物的约束关系,建立判断其接触与 否的约束方程;以影响上向弯曲插入区形成的主要因素——主偏角为主线,探讨其对切屑卷曲的影响规律;最后判 断切屑上向弯曲非折断插入区域,并给出避免此区域生成的切屑折断条件。     

波形刃铣刀片的开发及其铣削力数学模型

在研究铣削机理和试验研究的基础上,开发了一种新型三维槽型铣刀片─—波形刃铣刀片,并在直线刃铣刀片(含大前角铣刀片)铣削力模型的基础上,建立了波形刃铣刀片铣削力模型,同时编制了计算机程序进行预测,为开发设计优选铣刀片槽型提供了理论依据。     

柔性夹具与计算机辅助夹具设计技术的进展

本世纪制造业的主导生产模式是标准产品的大批大量生产 ,专用夹具在其中起过关键性的作用。自 70年代以后 ,随着 NC机床和加工中心在生产中的普遍使用 ,80年代柔性制造系统 (FMS)的兴起 ,计算机集成制造系统 (CIMS)的提出 ,多品种中小批生产日益受到重视。但早在 80年代后期有的文献就谈到美国6 5 %的 FMS只能加工同族的 2～ 10个品种 ,而其余1/ 3只能加工一种产品 ,主要原因之一就是仍沿用专用夹具 ,因而夹具就成为制造系统实现真正柔性的瓶颈。随着柔性已作为一个和质量、成本、生产率等量齐观考虑的问题 ,柔性夹具理所当然成为开发…     

EAST上极向场线圈位置测量方法的研究与设计

文中对EAST（全超导托卡马克装置）上极向场线圈位置测量方法进行了研究与设计。以电磁学为理论基础．反复采用了划分网格和线性最小二乘方法．编写了计算机程序对极向场线圈进行模拟磁测量,并用放置磁探针的方法进行实际磁测量,最后综合模拟值和实际测量值拟合出线圈偏移后的位置。计算机仿真结果证明了该方法的正确性,并具有很高的指导和实际意义。     

供冷系统管路温升的合理计算

在供冷系统的设计中，管路温升通常不予计算，而是根据经验选定，合理计算供冷管路温升是提高供冷效率的前提，按常规热工方法计算冷管路温升其数值很小，远小于实测量值。     

一种处理等离子体密度的软件方法

介绍了一种软件计算远红外激光干涉仪相位差的方法。对比了软件程序与硬件相位计在HT-7实验中的处理结果,总结了软件处理所得相位差的特征,并在此基础上求出了真实的等离子体密度。最后,对实验结果进行了细节分析、误差分析,对软件处理时间进行了分析,得出软件方法可以获得更好的时间分辨率且具有进行实时处理的可行性。     

EAST技术诊断系统监控子系统分析和设计

EAST是为科学研究建造的全超导核聚变实验装置。根据EAST的实验特点和性能要求,技术诊断系统数据监控子系统采用管理层、控制层和现场设备层3 层网络结构完成对装置的监控,通过采集卡和以太网实现信号采集及数据的传送。在EAST工程调试实验和两轮放电实验中,该数据监控系统成功实现了对EAST装置的运行状态和故障诊断的实时监控,表明该系统具有性能稳定、可靠等特点。     

基于宽度网络架构的单模型主导联邦学习

联邦学习是一种分布式机器学习方法,它将数据保留在本地,仅将计算结果上传到客户端,从而提高了模型传递与聚合的效率和安全性.然而,联邦学习面临的一个重要挑战是,上传的模型大小日益增加,大量参数多次迭代,给通信能力不足的小型设备带来了困难.因此在本文中,客户端和服务器被设置为仅一次的互相通信机会.联邦学习中的另一个挑战是,客户端之间的数据规模并不相同.在不平衡数据场景下,服务器的模型聚合将变得低效.为了解决这些问题,本文提出了一个仅需一轮通信的轻量级联邦学习框架,在联邦宽度学习中设计了一种聚合策略算法,即FBL-LD.算法在单轮通信中收集可靠的模型并选出主导模型,通过验证集合理地调整其他模型的参与权重来泛化联邦模型. FBL-LD利用有限的通信资源保持了高效的聚合.实验结果表明, FBL-LD相比同类联邦宽度学习算法具有更小的开销和更高的精度,并且对不平衡数据问题具有鲁棒性.     

汉口原日租界历史建筑现状研究

在快速的城市化进程中,如何及时有效的对现存的历史文化建筑进行保护和再利用,是我们每个建筑学者面临的问题.汉口租界风貌街区是武汉珍贵的建筑遗产聚集地,位于最北端的日本租界历史建筑常年缺乏关注,现状不容乐观.通过分析汉口日租界内的历史建筑现状,总结其保护与再利用所存在的问题,最后据此提出建议.     

基于分解的多目标花朵授粉算法

在过去几十年里，许多多目标进化算法被广泛应用于解决多目标优化问题，其中一种比较流行的多目标进化算法是基于分解的多目标进化算法(MOEA/D)。花朵授粉算法是一种启发式优化算法，但迄今为止，花朵授粉算法在基于分解的多目标进化算法领域的研究还非常少。本文在基于分解的多目标进化算法的框架下，将花朵授粉算法拓展至多目标优化领域，提出一种基于分解的多目标花朵授粉算法(MOFPA/D)。此外，为了保证非支配解的多样性，本文提出一种基于网格的目标空间分割法，该方法从找到的Pareto最优解集中筛选出一定数量且分布均匀的Pareto最优解。实验结果表明，基于分解的多目标花朵授粉算法在收敛性与多样性方面均优于基于分解的多目标进化算法。