UV固化喷墨红色油墨光引发体系的选择

针对红色颜料UV固化喷墨油墨所用光引发体系进行了详细研究.实验对不同单引发体系、复合引发体系以及引发剂的用量所引起固化时间与表观性能的变化进行了讨论,研究结果表明引发剂及含量的变化对固化时间的影响有较大差异.复合引发体系的固化时间、涂膜表面光泽度、铅笔硬度优于单引发体系,尤以Irgacure651/Irgacure819复合体系最明显.     

机车随车质量状态诊断记录装置

综合应用计算机软硬件技术,实现对机车主要质量状态参数的实时采集、显示和记录,并进行实时的机车故障诊断、语音定点定性报警提示,通过转储分析,获取机车性能变化趋势和故障先兆信息,及时发现故障隐患,提高机车质量,确保行车安全。     

单片机大容量FLASHRAM的扩展

微机监控设备常常需要对监控的数据进行实时记录,以便于事后分析处理,为事故分析、设备故障诊断和维修提供准确可靠的信息,如飞机“黑匣子”、列车“运行记录器”等。数据信息的记录需要大数据容量和实时快速的读写速度,以及在掉电和复位等干扰下的可靠的数据保护。现在一般采用非易失性RAM(NVRAM)为存储介质,其缺点是没有硬件和软件写保护,在强干扰下,程序误写的概率大。新型闪速存储器（FLASHRAM)由于同时具有EPROM的可编程能力和EEPROM的电可擦写功能,又能像SRAM一样进行随机快速访问,因而越来越多的受到国内外的…     

隧道轮廓激光雷达点云线特征共面约束标定方法

地铁隧道断面轮廓参数测量过程中,需要对高速激光雷达点云进行高精度系统标定。特别是大场景隧道环境,对标定模板要求高,标定过程复杂,检测精度影响大。针对此问题,本论文提出了一种新颖的适用于地铁隧道轮廓点云的标定方法,并基于双激光雷达测量系统,进行了算法研究。本方法设计了专用的手推行便携式标定系统,利用由点云数据提取的标定板线特征,建立目标函数,通过混合了遗传算法和Levenberg-Marquardt算法的非线性优化方法,寻找全局最优解从而实现对激光雷达的标定。实验结果表明：本方法对于两侧钢轨顶轨的标定误差在±1.5 mm以内;静态测量精度X误差在±1 mm内、Y误差在±4 mm内;当采集系统以5 km/h的速度进行数据采集时,动态测量精度X误差在±4 mm内、Y误差在±6 mm内。本方法能够实现激光雷达的高精度标定,算法鲁棒性强,具有易操作、环境适应性强的特点。     

基于模型的预测控制算法研究

简要介绍了MPC算法，包括其理论，优点及一些重要参数及选取，然后 根据两个具体模型的传统PID控制算法实现和MPC控制算法实现，比较两种控制算法，分析MPC算法的一些重要参数，得出MPC算法在稳定性和和快速性和快速性方面的优点，最后提到MPC算法在国内外的发展现状及广阔前景。     

微软COM技术在工业控制软件开发中的应用

组件化软件开发方法是当前计算机软件工程领域研究应用热点之一，组件化软件模块重用方便，程序易维护，现已广泛用于商务软件开发，也必将广泛应用于大型工控软件开发，大量的工业过程控制算法非常适合做成可重用的组件，微软的COM技术是目前开发组件软件的主要技术，本文简要介绍了微软COM技术并给出一个演示版的示例。     

高效液相色谱法测定葡萄皮、籽中的15种单体酚

建立了葡萄皮、籽中15种单体酚的高效液相色谱（HPLC）分析方法,采用ZORBAX SB-C18（4.6 mm×250 mm,5μm）色谱柱,柱温30℃,流动相乙腈-甲酸水（2∶98 V/V）溶液,梯度洗脱,洗脱流速为1.0 m L/min,检测波长280 nm。15种单体酚在一定浓度范围内呈良好的线性关系,相关系数为0.9980⁰.9999。方法检出限0.01⁰.10 mg/L,加标回收率均大于85%。本方法快速、准确、灵敏度高,可用于葡萄皮、葡萄籽中15种单体酚的测定。      

基于超声导波的钢轨完整性检测方法研究

检测无缝线路钢轨的完整性对于保障高速铁路的安全运营具有重要的意义。本文提出了基于超声导波实现无缝线路完整性检测的技术方案,设计了功能样机,并进行了实际线路测试。首先,基于半解析有限元方法求解得到了我国无缝线路CHN60钢轨中超声导波的频散曲线,通过分析频率、模态数量、振型等信息选取了适于检测钢轨完整性的导波模态,采用激励响应求解方法确定了所选取模态的激励点和激励方向;根据理论获取的数据信息,在环形道试验现场进行了实际测试,在钢轨轨腰中心安装导波换能器,沿着钢轨纵向激励,可以激励出选取的导波模态,并通过衰减曲线测试,该模态在两公里处可以接收到2 m V以上的信号。经在大西高速铁路现场测试,系统可实现2 km区间的无缝线路钢轨完整性的在线监测。     

深度嵌入度量学习的机械跨工况故障识别方法

传统数据驱动的机械装备故障诊断方法依赖目标工况下的完备数据,而装备实际运行工况复杂多变,难以预测,且数据获取困难。针对上述问题,提出了一种深度嵌入度量网络（Deep Embedding Metric Network, DEMN）的机械跨工况故障识别方法,该方法利用装备在已知工况下的数据学习鲁棒特征表示,建立适用于未知工况场景下的泛化智能故障识别模型。基于多尺度卷积神经网络（Multiscale Convolutional Neural Network, MCNN）获取故障信号的深度嵌入特征;用度量学习方法引导判别性特征学习,构建特征嵌入空间下的三元组损失（Triplet Loss, TL）;利用粒子群算法（Particle Swarm Optimization, PSO）对间隔参数进行寻优。所提方法有效缩小装备健康状态类内距离、扩大类间距离,降低工况变化对健康状态映射关系的影响。实验结果表明,该方法在齿轮箱跨工况故障诊断实验中表现出良好的识别精度与泛化性能。     

统计机器翻译中短语切分的新方法

本文提出了一种新的短语切分方法,通过该方法可以将句子的短语切分进行概率化处理:首先把汉语语料库中次数>2次的词语串全部都识别出来,作为汉语短语,然后通过最短路径方式实现短语切分,同时应用Viterbi算法对短语出现频率进行迭代统计.