210 t转炉连接装置的有限元分析及强度校核

利用ANSYS Workbench对某210 t转炉整体模型的三种极限工况进行有限元分析,得到转炉系统的应力分布和总变形,同时得到连接装置各个零部件的应力分布,找出零部件的最大应力值及所处位置,并结合有限元计算结果对各个零部件进行强度校核.结果表明连接装置的强度满足要求。     

高职计算机文化分专业分层次教学的实践与思考

指出了高职计算机文化课程教学面临的诸多问题,这些问题的存在严重制约了课程教学效果的提高.为此,在深入企业调研和对教学对象调查的基础上,结合各专业类别特点及其对计算机基本操作技能的不同需求,选取不同专业的班级作为研究对象,采用“横向分专业,纵向分层次”的教学方法进行了实践教学.实践结果表明,分专业分层次教学方法能有效解决高职“计算机文化”课程教学中存在的主要问题.     

大采高采煤机挡矸装置的改进设计

分析了传统的大采高采煤机挡矸装置的结构原理、技术特点及存在的问题,提出了改进设计并进行了仿真分析。通过增加油缸数量、加强加厚顶护板、将刚性连接改为柔性连接、增设分流集流阀等手段,实现了对挡板的动态调节和支护,有效地提高了挡矸装置的可靠性和采煤机的开采效率。仿真结果表明,改进后的挡矸装置受力更均匀,挡板能承受的力更大。     

可变频变压器的建模仿真与分析

采用高压直流输电方式连接两个异步电网存在谐波干扰、换相失败、难以实现功率平滑调节、无功功率不能随有功功率传输等问题。文章介绍了可变频变压器的的基本结构及原理,研究了可变频变压器的数学模型及控制模型,给出了可变频变压器传输功率与直流驱动电动机提供的驱动转矩之间的数学关系式,在此基础上采用PSCAD软件搭建了可变频变压器模型并进行了仿真研究。仿真结果表明,可变频变压器可以实现两个异步电网之间的连接并进行功率双向平滑传输,响应速度快;通过转速控制器控制直流驱动电动机的转速可使旋转变压器的转速恒定,以弥补两个电网的频差,维持系统平衡。     

线性矩阵方程异类约束最小二乘解的迭代算法

多矩阵变量线性矩阵方程(LME)约束解的计算问题在参数识别、结构设计、振动理论、自动控制理论等领域都有广泛应用。本文借鉴求线性矩阵方程(LME)同类约束最小二乘解的迭代算法,通过构造等价的线性矩阵方程组,建立了求多矩阵变量LME的一种异类约束最小二乘解的迭代算法,并证明了该算法的收敛性。在不考虑舍入误差的情况下,利用该算法不仅可在有限步计算后得到LME的一组异类约束最小二乘解,而且选取特殊初始矩阵时,可求得LME的极小范数异类约束最小二乘解。另外,还可求得指定矩阵在该LME的异类约束最小二乘解集合中的最佳逼近解。算例表明,该算法是有效的。     

基于标准件库的螺钉联接自适应设计

提出一种AutoCAD环境中基于标淮件库的螺钉联接自适应设计算法。利用螺钉和垫片以及被联接件之间设计信息的相关性自动确定装配方位及联接件的几何参数，自动检测和复原被联接件的剖面线，简化了设计过程。     

基于改进下垂控制的多微网并联运行控制策略研究

多微网并联的电网系统结构复杂、连接方式多样,在并网、解列的过程中由于子微网之间的频率和电压偏差,会在平衡点产生较大的电动力,对系统产生冲击,影响系统的动态稳定。本文针对多微网并网、解列过程中控制精度和动态稳定的问题,基于长距离线路电压降落和电压相角偏移,提出了一种改进的下垂控制方法,减少了系统的电压震荡和频率波动。最后基于Matlab/Simulink建立仿真模型,仿真结果验证了改进控制策略的合理性和有效性。     

Multi-Scale Dilated Convolutional Neural Network for Hyperspectral Image Classification

基于多尺度空洞卷积神经网络的高光谱图像分类

郑姗姗¹,刘文¹,单锐¹,赵静一²,江国乾³,张智⁴

（1. 燕山大学理学院,河北 秦皇岛 066004;2. 燕山大学机械工程学院,河北 秦皇岛 066004;3. 燕山大学电气工程学院,河北 秦皇岛 066004;4. 北京航天研究所,北京 100094）

创新点说明：

1）将图像分割方法——空洞卷积用于卷积神经网络进行高光谱图像分类,提取更加广泛、抽象的图像特征。

2）构建基于多尺度空洞卷积神经网络的高光谱图像分类方法。搭建多尺度聚合结构,在每个通道中使用快捷连接和空洞卷积结构,有效提取图像特征,避免信息丢失。

研究目的：

针对图像信息丢失问题,得到高精度的高光谱图像分类方法。

研究方法：

在Indian Pines和Pavia University数据集上,与4个已有的高光谱图像分类方法进行对比实验,比较OA, AA和Kappa值。

研究结果：

多尺度空洞卷积神经网络在Indian Pines和Pavia University数据集上OA值分别达到了99.58%,99.92%。AA值分别达到了99.57%,99.90%。Kappa分别达到了99.52%,99.89%。

结论：

1）在卷积神经网络中引入空洞卷积,可以有效避免图像信息丢失。

2）多尺度空洞卷积神经网络能提取更佳的判别性特征,实现高分类性能。

关键词：多尺度聚合;空洞卷积;高光谱图像分类;快捷连接

     

窑尾框架主次梁单夹板连接关键问题研究

主次梁的单夹板连接在窑尾框架的主次梁连接中使用广泛,本文对这种连接形式的关键问题,如是否对长节点抗剪承载力进行折减,摩擦型高强螺栓如何界定是否产生滑移以及有限元模拟下的真实承载力进行了研究,给出了可供参考的结论。