局部均值分解和经验模态分解的性能对比研究

利用具体的非平稳齿轮箱振动信号,分别应用局域均值分解方法(Local Mean Decomposition,LMD)和经验模态分解方法(Empirical Mode Decomposition,EMD)进行了模态分解,并计算得出能量熵。物理意义明确且非常直观,用LMD方法分解齿轮箱振动信号模态混叠程度要轻于EMD方法分解所得模态混叠程度。同时,从端点效应和分解速度两方面将两种分解方法做了对比,LMD方法抑制端点效应的能力强于EMD方法,且分解速度较EMD方法快。     

电牵引采煤机PLC载波电控系统

针对电牵引采煤机采用电磁滑差调速系统存在接线复杂、不方便检修、可靠性差等问题,基于机采工作面采用动力载波控制方式的优越性,文章提出了采用PLC载波电控系统替代电磁滑差调速系统的改造方案,给出了PLC载波电控系统的硬件组成,详细介绍了系统的工作原理。实际应用表明,改造后的电牵引采煤机PLC载波电控系统不仅在可靠性、灵活性、安全性等方面有了很大的提高,同时也节省了电缆资金消耗,将采煤机的故障率降到了最低限度。     

兆瓦级风力发电机组齿轮箱支座的有限元分析

风电机组中的齿轮箱支座不但要支撑齿轮箱自身重量,还要抵消主轴传递过来的扭矩,其结构是否合理将直接影响到风电机组能否平稳运行。为验证齿轮箱支座结构的合理性,采用有限元软件HyperMesh对齿轮箱支座进行规则的六面体网格划分,并以有限元分析软件ANSYS作为分析平台对其进行强度分析,根据计算结果进行强度校核。分析结果表明:齿轮箱支座的最大应力值小于材料的许用应力,满足材料的强度要求,能够达到使用要求。有限元分析软件的使用,能够快速、直观地对较复杂的结构模型进行强度分析,提高了计算精度和分析效率。     

单兵反坦克武器添新"丁"--PF89式80mm单兵火箭1型破甲弹

海湾战争中,坦克与反坦克武器的角逐令人记忆犹新。种种迹象表明,坦克与反坦克武器之间的对抗战还将长时间地继续下去。为有效对付坦克,特别是对付披挂反应装甲的坦克和装甲车辆,我国成功地研制了PF89式80mm单兵火箭1型破甲弹,它的装备必将进一步提高我军在未来战场上的反装甲水平。 PF89式80mm单兵火箭1型破甲弹为不占编制的单兵一次性使用的便携式反坦克武器,可以用来装备步兵分队或空降兵等,用于攻击披挂反应装甲的坦克及装甲车辆,并能实施对轻型防御工事的攻击及杀伤暴露的敌有生力量。     

基于MSC.Patran风电机组轮毂的有限元分析

风力发电机组中,轮毂承载着复杂的气动载荷,利用经典力学很难仿真其应力的大小及分布.为得到较精准的轮毂受力状态,基于有限元软件HyperMesh对SUT 3000风电机组轮毂模型进行较规则的六面体网格划分,并在模型中引入GAP单元,利用MSC.Patran/Nastran作为分析平台对轮毂进行强度分析.静强度分析结果表明,轮毂的最大应力值（101MPa）小于许用应力,其强度满足设计需要.六面体单元和GAP单元的使用,缩短了CPU的分析时间并获得了较平滑的应力和应变分布云图.     

基于改进残差网络和动态ReLU肺癌病理图像分类

为实现肺癌病理图像的准确分类,提出一种基于双重注意力和动态ReLU的残差网络DrANeT,在网络模型中嵌入CBAM双重注意力机制,提高网络提取有用特种图的能力;使用动态ReLU替换网络中所使用的普通ReLU,可以根据不同特征图自动调整参数,提高模型性能。实验结果表明,该网络模型在肺良性图像、肺腺癌图像和肺鳞状细胞癌图像准确率分别达到100.00%、99.96%、99.96%,整个数据集准确率达到99.96%。因此,表明本实验所改进的网络模型可以有效地提高肺癌病理图像分类的准确率。     

对促销员素质的一次生动体验

因为家里旧的波轮洗衣机坏了．考虑到国家提倡节约用水．所以我也提高觉悟打算购买一台以节水为卖点的滚筒洗衣机。由于自己是搞家电营销的．所以这次在购买过程中特别体会了作为一名顾客与促销员打交道的整个购物心里过程。更体验到各品牌促销员不同素质表现对顾客购买行为的影响．权作为有益的学习和总结。     

双卷筒工字轮收线机的研制

简述双卷筒工字轮收线机的组成和工作原理,给出结构示意图。计算出Dv值为90 mm.m/min,工字轮外径为800 mm,牵引卷筒直径为450 mm时收线机的传动比,并对牵引和收线张力进行验算,结果表明设计达到用户要求,使用情况良好。     

PLC编程的变频电机在锅炉给粉控制系统中的应用

根据火电厂锅炉车间的给粉控制系统的工艺要求,采用了可编程控制器、变频器等组成的锅炉给粉控制系统,系统具有可靠性高,适应性强,调节性能好、节电等优点。     

一种基于改进YOLOv4的SAR舰船检测算法

在大量数据支持的背景下,如何高效利用大量SAR图像,提升舰船目标的检测精度是当前舰船目标检测的难题。本文聚焦如何提升YOLOv4算法对SAR舰船目标的检测精度,提出了一种融合多尺度和注意力增强的YOLOv4增强算法。在原YOLOv4的PANet中加入注意力模块（CBAM）,同时使用加强的K-means聚类算法对数据集中的舰船目标真实框进行聚类,并对锚框结果进行线性比例变换,让算法锚框更适合于训练集。实验证明本文提出的算法在SAR舰船检测中的平均准确率（）达到了94.05%,比原始YOLOv4精度提高了0.7%。实验结果充分证明本文提出的算法能够提升SAR舰船图像检测精度,为海上活动判断精确化提供技术支持。