基于Jeffrey散度相似性度量的加权FCM聚类算法

针对模糊C均值(FCM)聚类算法在数据集下聚类效果差的情况,以及基于欧氏距离的相似性度量只考虑数据点之间的局部一致性问题,提出了基于Jeffery散度相似性度量加权FCM聚类算法(JW-FCM).引入源于Jeffery散度的相似性度量,首先,对于FCM算法进行特征加权,对数据的不同特征值赋予适当的权重,再将Jeffer...     

管道内金属网对瓦斯爆炸冲击波抑制作用的实验研究

为了研究金属网对瓦斯气体爆炸的抑制作用,设计了管道内圆柱状金属网体抑爆实验装置。通过对比空管实验与装有抑爆装置条件下爆炸冲击波的变化,分析了金属网在冲击波衰减过程中的能量变化。实验结果表明:圆柱状金属网体的长径比对冲击波有着重要的影响,且随着圆柱状金属网体长径比的增大,激波超压衰减率与之呈正相关;当长径比为1/0.2时,金属网弹性势能的增加在抑制作用中起主导作用,当长径比为2/0.2、3/0.2时,金属网内能的增加在抑制作用中起主导作用。     

直径盾构靠近既有结构隔离循环保压注浆技术探析

文中以深圳某隧道建设项目为依托,对大直径盾构靠近既有结构隔离循环保压注浆技术进行了分析,并对施工后既有结构的变形进行监测,分析隔离循环保压注浆技术的效益,以保障隧道盾构施工过程中既有结构的安全。     

过渡金属配位铝氢化物的研究进展

固态储氢具有体积密度高、储运方便、安全性好等优势,是目前最具发展前景的储氢方式之一。开发在低温(<80℃)条件下具备可逆储氢能力的氢化物对拓展固态储氢技术的应用具有重要意义。过渡金属配位铝氢化物的热力学稳定性较低,有可能满足固态储氢系统的低温应用要求,具有潜在的基础研究和应用价值。系统性介绍了过渡金属配位铝氢化物的研究进展,包括氢化物的制备方法、结构和性能表征以及储氢机理等方面的研究动态,并讨论了其发展面临的主要问题和发展趋势,为过渡金属配位铝氢化物的深入研究提供参考。     

天然气制甲醇的工艺现状及发展前景

甲醇是天然气的重要化工产品之一,应用极其广泛。概述了天然气制甲醇3类转化工艺:①蒸气催化转化;②部分氧化转化;③热交换器型。浅谈了天然气制甲醇的发展前景。     

矿井风门漏风监测系统的研究及应用

为了有效监控煤矿井下风门是否漏风、保证煤矿风量的充足,采用压差法测风技术和软件控制技术,开发了风门漏风监测系统。系统通过在线监测风门两侧的压差实时动态掌握在用风门良好状态,对漏风风门及时报警。     

基于VMD的智能机器人语音信号特征参数提取方法

提取智能机器人语音信号特征对于确保机器人正常运行有关键性意义。为了有效缩短特征参数提取时间,提高提取准确率,提出了基于VMD的智能机器人语音信号特征参数提取方法。利用VMD技术建立语音信号的脉冲数字模型,分析实时性系统频率,确定信号传递函数。采用VMD特有的分子程序化模式,将智能机器人作为大型生物分子来进行语音信号的特征参数分析,建立分子可视化程序,将不稳定的语音信号拆散开进行分析处理。生成自相关系数,进而通过傅里叶变换将自相关系数转变为LPC系数,通过数据分析处理生成线性预测倒谱系数,经过VMD分子可视化进行提取,得到了智能机器人的语音信号特征参数。实验结果表明,基于VMD的智能机器人语音信号特征参数提取方法能够通过加窗处理解决外部冲击问题,提高检测准确率,缩短特征参数提取时间,确保机器人正常工作。     

微波高温烧结自动控制系统设计

为了防止微波高温烧结过程中,升温十分迅速,发生局部过烧,用单片机设计高温烧结微波炉的自动控制系统。介绍了其工作原理、组成框图、硬件设计以及软件程序流程;并详细说明电路设计。该系统已正常运行于所开发的YC-Ⅱ型微波高温烧结炉上。     

利用低场磁共振弛豫测孔技术预测水泥基材料的水分渗透率EI北大核心CSCD

为深入揭示水泥基材料渗透率与孔结构间的关系,以不同水灰比、不同温度水养的白水泥砂浆为研究对象,利用低场磁共振与压汞技术分别测试了砂浆在饱水与干燥状态下的孔径分布,并利用稳态渗透法测试其水分渗透率。结果表明:砂浆在饱水与干燥状态下的孔结构差异显著,临界孔径相差1个数量级左右,原因在于水化硅胶钙(C-S-H)凝胶具有显著的水敏性。经历56 d 80℃热水养护后,由于C-S-H凝胶高温老化加速,饱水砂浆的孔隙率及临界孔径显著增大,孔结构明显粗化,水分渗透率增大,对耐久性不利。干燥预处理对压汞测试所得孔结构的影响可能远超高温老化,在分析孔结构变化时必须考虑水敏性的影响,否则可能得出错误结论。将孔隙视作不同大小的毛细管束,经典Kozeny-Carman模型可基于低场磁共振测试所得饱水孔径分布曲线来准确预测水分渗透率,将比例系数取为1.09所得理论值与实测值的相对误差在[–42.7%,71.1%]范围内,预测精度接近极低渗透率测试的误差水平。     

基于ITD分形模糊熵的轴承早期故障诊断

针对滚动轴承早期故障振动信号信噪比低、单一故障特征难以实现在整个复杂非线性状态空间上准确分类的局限,提出了基于本征时间尺度分解(intrinsic time-scale decomposition,简称ITD)和分形模糊熵的轴承早期故障智能诊断方法.首先,利用改进的ITD方法将包含大量背景噪声的非线性非平稳振动信号自适应地分解为不同频段的合理旋转(proper rotation,简称PR)分量;然后,提取蕴含故障信息的PR分量的分形维数和模糊熵,组成联合特征向量;最后,采用适合小样本模式识别的最小二乘支持矢量机(least squares support vectors machine,简称LSSVM)方法对故障类型进行分类.通过4种运行状态的滚动轴承实验表明,该方法能有效性地应用于滚动轴承早期故障智能诊断.