考虑节能条件下的自由曲面加工刀具路径优化研究

在数控加工过程中不同的刀具路径所产生的能耗和加工效率不同,为了降低自由曲面在数控加工过程中的能耗,提高加工效率,从节能和高效率两个方面对刀具路径进行优化。建立以节能和高加工效率为优化目标,以主轴转速、每齿进给量、径向切削深度、轴向切削深度和机床设备性能为约束条件的刀具路径数学模型。分析待加工自由曲面的面曲率和残余高度,对加工步长和行距进行合理计算,以此为依据将待加工曲面离散成点云即为刀触点。为避免遗传算法过早陷入局部最优解,引入模拟退火算法对遗传算法进行改进,使用改进后的混合算法对自由曲面刀具路径进行优化。通过仿真加工和实验加工对比了优化路径与传统路径,结果证明了优化方法的有效性。     

试论规范自助行为的必要性

论述了自助行为在我国的重要作用以及建立自助行为制度和规范自助行为的必要性,并对如何建立该制度提出看法。     

一种基于运动图像的在线手写汉字识别方法

在分析传统联机与脱机手写汉字识别系统基础上,本文提出了一种基于运动图像的在线手写汉字识别新方法.该方法利用普通摄像头,实时地采集手写汉字墨迹的运动图像,通过图像处理技术提取手写汉字,并进行在线识别.文中给出了笔尖匹配的快速算法和基于数学形态学的汉字提取方法.最后,通过实验验证了本文方法的有效性.     

影响继电保护装置使用寿命原因分析

继电保护装置是保障电力系统安全运行的一个十分重要的系统,其使用寿命的长短直接影响到电力系运行稳定性和安全性.本文主要结合现阶段电力系统运行的实际情况,就导致继电保护装置使用性能提升的影响因素进行了全面的分析,然后针对这些因素提出了相应的应对措施,希望通过本次论述对更好的积累相关工作经验,提高继电保护设备的使用寿命有一定帮助.     

煤炭绿色保水开采

论述了随着我国煤炭开采规模越来越大,引起的水资源破坏问题越来越突出,极大的阻碍了环境与社会经济的协调发展.指出煤炭绿色保水开采将会在不影响区域水文地质条件情况下采煤,可以很好地预防矿井突水等地质灾害,从而带来巨大的社会效益和潜在经济价值.依靠关键层理论、离层理论、裂隙发育规律、渗流规律、巷道矿压显现规律等基础理论支撑,进行了讨论.     

基于泵控缸技术的带钢边缘位置控制研究

介绍了泵控EPC系统的实现方案,建立了整个系统的数学模型,并验证了系统的稳定性.然后应用AMESim与Matlab/Simulink两种仿真软件,分别对液压机构和伺服电机进行建模与联合仿真,并给出仿真结果.     

10 kV架空配电线路防风举措

<正>为提高配电网供电可靠性,增强抵御风灾能力,提高应急响应效率,基于架空配电线路典型设计,对沿海、沿江等空旷地区历史运行状况进行分析,重点研究架空配电线路在面对风灾时的薄弱点,提出与设防等级相适应的杆塔选型计算、新型杆塔基础、试用新技术及网架优化等防风举措,为架空配电线路防风提供技术支撑。     

AOTF测量光谱分辨率提升算法的仿真

根据声光可调谐滤波器(Acousto-Optical Tunable Filter, AOTF)光谱测量系统分辨率随衍射波长变化的特点,研究了利用反卷积算法提高AOTF光谱仪测量光谱分辨能力的方法。结合光谱分辨率的分布,在谱段范围内进行坐标非线性变换,使整个光谱范围内的传递函数相同。再利用非线性迭代反卷积方法和傅里叶自反卷积方法对仿真AOTF光谱系统获取的线谱数据进行分辨率提升处理。仿真结果在分辨率上很大程度地得到了还原,原来由于分辨率低而丢失的信息得到了复原。     

ELM网络结构自适应正交搜索算法

由于具有灵活的非线性建模能力和良好的模式识别能力,单隐藏层前馈神经网络(Single Hidden Layer Feedforward Neural Network,SLFN)一直是机器学习和数据挖掘领域关注的焦点.众所周知,网络结构是影响SLFN泛化能力的重要因素之一.给定一个具体应用,如何在训练过程中自动选取最优的隐节点个数,仍是一大挑战.极限学习机(Extreme Learning Machine,ELM)通过随机生成隐藏层节点参数,并利用最小二乘法求解输出层权值的方式来训练SLFN,在一定程度上克服了传统的基于梯度类学习方法收敛速度慢、容易陷入局部最小值等问题.然而,ELM仍需要人为确定隐节点个数,不仅过程繁琐,而且无法保证得到最优或者次优的网络结构.在不影响泛化能力的前提下,为了进一步降低网络的复杂度,本文对ELM进行了改进,通过将网络结构学习转化为子集模型选择,提出了一种隐节点自适应正交搜索方法.首先,利用标准ELM构建隐节点候选池.然后,采用正交前向选择算法选择与网络期望输出相关度最大的候选隐节点加入到模型中.同时,每向前引入一个新的隐节点,就要向后对已选入的隐节点进行逐个检查,将变得不重要的隐节点从网络中删除.最后,设计了一种增强的向后移除策略来纠正前面步骤中所犯的错误,进一步剔除模型内残留的冗余隐节点.本文方法充分考虑了隐节点间的内在联系和相互影响,实验结果表明,该方法不仅具有良好的泛化性能,而且能够产生比较紧凑的网络结构.