采煤机滚筒速度对采煤机动态响应的影响分析

针对采煤机滚筒进行煤岩的截割过程中,容易引起振动作用,不利于采煤机稳定工作的问题,基于滚筒的进给速度及旋转速度,建立滚筒与煤岩的动力学模型,分析不同的进给速度及旋转速度对采煤机动态响应的影响,为选择合理的参数提供依据.     

Φ177mm PQF无缝管连轧机前横移系统改进

对鞍钢股份无缝钢管厂连轧机前毛管坯横移装置存在的设计缺陷进行了分析,并提出改进方案,将原横移装置由高架轨道横移机构及上下升降链传动装置,改进为地面轨道横移系统及同步旋转臂实现取管、放管过程。实施后消除了生产故障,缩短了轧制周期,降低生产成本。     

基于SCAE⁃ACGAN的直升机行星齿轮裂纹故障诊断

直升机行星传动轮系结构复杂、工况多变,其振动信号受工况影响大,在故障样本较少的情况下导致行星齿轮箱故障诊断准确率不高,早期故障诊断困难。针对上述问题,提出将堆栈收缩自动编码网络(stacked contractive autoencoder,简称SCAE)与辅助分类生成式对抗网络(auxiliary classifier generative adversarial networks,简称ACGAN)相结合的SCAE-ACGAN故障诊断方法。ACGAN的生成器产生与真实样本具有类似分布的生成样本,扩展训练样本集,并与真实样本一起输入至判别器进行训练。ACGAN采用SCAE作为判别器,利用SCAE良好的抗数据波动能力,从扩展样本集中挖掘出有效的深度特征,并实现样本的真伪与类别的判定。ACGAN的判别器和生成器在对抗学习训练机制下交替优化,提高方法的样本生成质量与故障判定能力。将SCAE-ACGAN应用于直升机行星轮裂纹故障诊断,结果表明,SCAE-ACGAN的故障诊断性能好,在样本数量少与工况变化情况下具有较好的健壮性和适应性。     

基于Gabor融合特征与深度自动编码器的笑脸识别方法

Gabor特征的人脸表情识别具有良好的识别性能,但同样存在特征维数大的缺点,该文提出用Gabor融合特征的方法来进行降维以解决维数大的缺点。深度自动编码器具有对人脸自学习的能力,能精确提取有用的信息,也有非线性降维的作用。考虑到Gabor融合特征降维幅度不大,便加入自动编码器进行二次降维,将经过二次降维的特征输入深度自动编码器进行笑脸识别。该文在实验过程中采用两个数据库(公开的GENKI数据库,实验采集的数据库)进行实验。实验结果表明经过Gabor融合特征的实部作为深度自动编码器的输入的识别率比传统方法和未经降维Gabor特征识别率高。     

基于三相感应电机的小型化超低频发射天线研究

针对低频电磁传输中天线尺寸过大的问题，设计了一种基于三相感应电机的小型化超低频发射天线.电机工作时产生了时变低频电磁场，可作为超低频发射天线.为有效分析其电磁场分布，文章建立旋转磁偶极子数学模型以等效电机内部旋转时产生的磁场.首先，对电机内部磁场和旋转磁偶极子的关系进行阐述，利用麦克斯韦方程组，得到旋转磁偶极子的电磁场分布.其次，通过电磁仿真软件验证旋转磁偶极子的近场分布特性和远场辐射特性.最后，通过实验对电机近场的磁场分布进行验证.仿真和实测结果表明，三相感应电机具有超低频天线的辐射特性.     

基于LDC1314芯片的电感式旋钮控制系统设计

在家电产品中,旋钮操控是一种不可或缺的人机交互方式,相比于传统的机械式旋钮方案,电感式旋钮方案具有灵敏度可调、结构简单、利于产品面板一体化设计、可移动、易清洁、不易磨损等优势.本文结合电感式旋钮在中央空调控制器上面的应用,全面阐述了基于电感数字转换芯片LDC1314的电感式旋钮控制系统的结构、硬件和软件设计,该电感式旋钮控制系统方案可应用于不同的家电产品,提升产品外观和操作体验.     

基于旋转基线的仿生学测向研究

基于奥米亚棕蝇耦合处理机制研究了一种新型测向方法,与常规两阵元模型不同的是生物两耳间存在不可忽略的耦合响应,将生物的耦合效应量化成增加有效基线长度的度量。在前人建立的简化力学模型的基础上,研究其物理本质和动力学特性,分析时域响应和频域响应,研究了高斯噪声对响应的影响。与基线旋转相结合初步完成了对信号源的测向要求。研究表明,利用生物的耦合效应增加了基线长度,为超短基线高精度测向提供了理论依据。     

矿用液压支架调头回转装置的设计

针对井下综采工作面经常需要对液压支架等设备进行回转时存在的问题,设计了液压支架调头回转装置。重点介绍回转装置的结构及工作原理。该装置可实现液压支架井下360°转向,既缩短设备安装的辅助时间,又降低工人的劳动强度,提高生产进度。     

基于门控联合池化自编码器的通用性文本表征

为了学习文本的语义表征,以往的研究者主要依赖于复杂的循环神经网络(recurrent neural networks, RNNs)和监督式学习方法。该文提出了一种门控联合池化自编码器(gated mean-max AAE)用于学习中英文的文本语义表征。该文的自编码器完全通过多头自注意力机制(multi-head self-attention mechanism)来构建编码器和解码器网络。在编码阶段,提出了均值—最大化(mean-max)联合表征策略,即同时运用平均池化(mean pooling)和最大池化(max pooling)操作来捕获输入文本中多样性的语义信息。为促使联合池化表征可以全面地指导重构过程,解码器采用门控操作进行动态关注。通过在大规模中英文未标注语料上训练模型,获得了高质量的句子编码器。在重构文本段落的实验中,该文模型在实验效果和计算效率上均超越了传统的RNNs模型。将公开训练好的文本编码器,使其可以方便地运用于后续的研究。