基于激光多普勒测速法的2×106m/s2高冲击校准技术

在高冲击传感器动态性能校准中,实现高量程、宽脉冲激励是目前高冲击校准急需解决的问题。采用速度改变法校准原理,以气炮为激励源,利用激光多普勒测速方法测量砧体运动速度,建立高冲击校准系统。分析碰撞系统的作用原理,提出调整和控制激励脉宽的方法;分析测速误差,提出双光束差动侧向测速方法。实验结果表明:高冲击校准系统校准量程为2×106m/s2,激励脉宽在2×106m/s2时大于100μs,校准冲击灵敏度的扩展不确定度小于5%(k=2)。     

基于CPLD的系统硬件看门狗设计

基于以DSP芯片TMS320F2812为核心的数字伺服控制器,以国微电子公司的SM1032国产CPLD(兼容Lattice公司的ispLSI 1032)为载体,设计了专用的系统硬件看门狗模块,具备识别DSP软件初始化时序、自由定制看门狗时序等功能。通过对伺服控制器上电及工作运行时序的分析、仿真和实验验证,确定了硬件看门狗功能模块的设计方案,并给出了实验结果。     

数控机床光栅尺部分故障实例分析

本文通过数控机床的故障实例，分析了光栅故障现象及原因和解决的办法。     

200MW汽轮机焊接隔板检查与加固技术

阐述了200MW汽轮机焊接隔板变形这一在国内电站中多次出现的问题,以及由于隔板变形而对机组带来的危害.强调了在隔板发生严重变形时对隔板进行焊接加固的必要性,概述了隔板检查方法,包括隔板表面缺陷、内部缺陷、通流间隙、挠曲变形等的检查,以及隔板加固的工艺要点.     

“车家宝”胶在制氧机超低温管路漏气上的应用

本文对“东家宝”胶在制氧机超低温管路漏气上的应用作了简要的介绍。     

Multi-label core vector machine with a zero label

Multi-label core vector machine (Rank-CVM) is an efficient and effective algorithm for multi-label classification. But there still exist two aspects to be improved: reducing training and testing computational costs further, and detecting relevant labels effectively. In this paper, we extend Rank-CVM via adding a zero label to construct its variant with a zero label, i.e., Rank-CVMz, which is formulated as the same quadratic programming form with a unit simplex constraint and non-negative ones as Rank-CVM, and then is solved by Frank–Wolfe method efficiently. Attractively, our Rank-CVMz has fewer variables to be solved than Rank-CVM, which speeds up training procedure dramatically. Further, the relevant labels are effectively detected by the zero label. Experimental results on 12 benchmark data sets demonstrate that our method achieves a competitive performance, compared with six existing multi-label algorithms according to six indicative instance-based measures. Moreover, on the average, our Rank-CVMz runs 83 times faster and has slightly fewer support vectors than its origin Rank-CVM.     

动筛跳汰系统设计中若干环节的探讨

论述了动筛跳汰机的选型原则及技术要求,提出了4m2动筛跳汰机分选系统设计中各环节技术参数及所用设备的选择条件,同时对动筛跳汰系统各环节的布置进行了探讨。     

PSO-SVM模型的构建与应用

为了使支持向量机(SVM)获得更好的分类效果,针对人为选择参数的随机性,提出了利用粒子群算法(PSO)进行参数自动选取的优化方法,构建了PSO-SVM模型.在个人信用评估中,通过对粒子适应度函数的设置来控制造成较大损失的第二类误判,应用结果表明:模型在训练和测试样本中的分类精度可以达到95%,第二类误判率分别仅为0.78%和2.02%.利用PSO对SVM中的参数进行优化,可以避免人为选择的随机性,并且在解决分类问题中表现出较好的稳健性.     

基于多特征融合的运动物体识别方法研究

为了实现运动目标的实时检测,本文基于多特征融合,提出了一种运动物体分级识别方法.首先通过对运动目标的分割,分析得到各个物体的形状矩特征、面积大小及运动速度.对上述特征,采用支持向量机方法对其矩特征进行快速的一级分类,然后对一级分类结果及各物体的面积、速度等信源根据其对分类的重要程度,采用模糊积分技术进行多特征融合分类.实验表明,本方法具有较强的学习能力及较高的识别精度,可有效地应用于道路监控等系统.