基于马尔可夫转移场和深度残差网络的电能质量复合扰动多标签分类

现代电力系统的电能质量扰动逐渐复杂化和多样化,传统的分类方法难以适应复杂多样的扰动变化。依据神经网络进行识别分类的研究都采用传统的单标签分类方法,当出现标签集以外的复合扰动,该分类方法将无法使用。若要更新扰动标签集,则需要整个分类模型重新训练。因此,该文利用深度残差网络构建一种适应能力更强的多标签分类系统,该系统能够准确识别训练样本标签集以外未知标签组合的电能质量复合扰动(power quality disturbances,PQDs)。首先利用马尔可夫转移场(Markov transition field,MTF)将一维时域扰动信号转换为二维可视化图像,利用深度残差网络(ResNet)建立9个二分类器提取二维图像中涵盖的扰动特征。通过9个二分类器构成的多标签分类系统进行扰动分类,其训练样本标签集内分类正确率可达97.58%,掺杂标签集外的扰动信号平均正确率可达97.67%,远高于同级别的分类系统。     

凸轮轴工作表面强化处理工艺的研究

介绍了凸轮轴表面强化处理技术,分析了凸轮轴传统表面处理的特点及其存在问题,研究了凸轮轴激光表面热处理工艺及其质量影响因素。激光表面热处理后的凸轮轴表面淬硬层硬度有大幅度的增加,有利于提高凸轮轴表面抗疲劳强度。与现行的凸轮轴表面处理工艺相比,激光热处理工艺稳定、可靠,易于实现自动化,具有广阔的应用前景。     

Mg-9.5Li-2.56Al-2.58Zn合金组织及室温变形行为

以Mg-9.5Li-2.56Al-2.58Zn合金为对象,研究其组织形貌及相组成。并利用UTM5305电子万能试验机对其进行了不同应变速率以及不同变形量的室温压缩实验,获得真应力-应变曲线,构建合金的室温变形本构方程。研究压缩前后合金的微观组织和压缩性能演变规律。结果表明,Mg-9.5Li-2.56Al-2.58Zn合金包含α-Mg、β-Li、Al_(12)Mg_(17)、AlLi和MgLiAl_2 5相,β-Li为基体相,α-Mg相呈条状或块状,纤维状Al_(12)Mg_(17)相位于α-Mg相内部,颗粒状MgLiAl_2相分布在晶界上,晶内相AlLi呈颗粒状。固溶处理后合金组织中析出相的数量明显减少,合金强度得到提升。根据Mg-9.5Li-2.56Al-2.58Zn合金真应力-应变曲线分析了应变速率对流变应力的影响,挤压态和固溶态合金室温压缩都存在峰值应力和峰值后的软化现象,有利于室温成形;并通过线性回归的方式获得不同状态下的材料本构方程常数n以及ln A–(Q/RT)的值,构建了基于Arrhenius模型的本构方程。合金组织随压缩变形量增加被逐渐压扁、拉长,AlLi相有所增多。     

大学生思想政治教育中利益视域的思考

近年来,思想政治教育与利益的关系得到了越来越多的关注。思想政治教育中的利益视角研究已成为一些学者的共识,但在这些研究中大多关注于物质利益,这是不全面的,也影响了思想政治教育的效果。探寻思想政治教育中的物质利益和精神利益内在交互作用的机理,有助于改进大学生思想政治教育的手段与方法,增强大学生思想政治教育的实效。     

高职《机械基础综合实训》课程教学改革与探索

《机械基础综合实训》是一门实用性、综合性都很强的课程。论述了现行该课程教学模式的不足,说明了教改的必要性。针对本课程的特点,提出"课堂工场化、工场课堂化"的理实一体化教学模式,开展项目化教学,有利于学生创新能力和综合素质的提高。     

实达电脑的“校园氛围”

实达公司总资产由 １９８８年创立时的 ２５ Ｗ升至 如今的１６亿元。有人将其形容为中国版的小微软。实达是中国最早实行知识管理的高科技公司之一。 “校园氛围”酝酿新思想的氛围 经历的人都会熟悉这样一种氛围；没有严厉的约束，大家很随和的相处；一杯清茶，志同道合的几个朋友可以在宿舍里热烈的讨论一下午；但就是在这样的氛围中，许多智慧的火花迸发出来。许多大学毕业生进了实达以后都惊异的发现他们仿佛又回到了校园。在实达，没有一般大公司要求的统一着装，大家都穿着很随便。你可以经常见到公司高层经理手插牛仔裤袋在走廊上与…     

QT600球墨铸铁激光淬火相变层机械性能的研究

利用CO2激光对QT600球墨铸铁进行了淬火处理试验，对其金相组织、显微硬度和耐磨性进行了分析，并用X射线应力仪测定QT600激光淬火后的残余应力分布。试验结果表明，激光淬火后QT600的金相组织为隐品马氏体＋石墨，硬度为60—70HRC，耐磨性提高了46％，表面淬火相变层的残余应力均为压应力，其值在-250MPa以上，将有利于提高QT600材料的使用寿命。     

基于LMD-PE与神经网络的刀具故障诊断方法

针对刀具故障诊断信号信噪比低、诊断结果不准确等问题,采用局域均值分解(LMD)结合排列熵(PE)来处理采集到的刀具加工时的振动信号,然后将提取到的特征向量输入到训练好的长短期记忆神经网络(LSTM)中得到诊断结果,为了提高LSTM的诊断效率,结合卷积神经网络(CNN)对LSTM进行了改造;试验表明,文章提出的方法诊断准确率比BP神经网络提高了将近12%,改进LSTM网络比传统LSTM的诊断时间缩短了50%。     

基于多源同步信号与深度学习的刀具磨损在线识别方法

为提高刀具状态监测系统的实用性、避免实际加工过程中工序变换产生的信号干扰,提出一种基于多源同步信号与深度学习的刀具磨损在线识别方法。该方法利用自动触发的方式实现了机床运行在特定工序时的刀具振动、主轴功率、数控系统参数等多源信号的同步在线采集,保证信号同步性的同时有效避免了因工序变换而产生的信号波动干扰;进一步利用高频振动特征实现了 “切削过程”与“切削间隙”采集样本的准确划分,并基于皮尔逊积矩相关系数筛选出强关联特征,保证了多源监测信号融合样本的可用性;最后基于一维卷积神经网络建立了刀具磨损在线识别模型。实验结果表明,该方法无论从识别精度还是诊断效率,均能实现实际加工过程中刀具磨损状态的在线识别。     

Solid Works中设计库的定制

Solid Works软件是一款功能强大、易学易用、高效快捷的三雏设计软件,在工程中被广泛使用.要提升SolidWorks软件的工作效率,必须在工作前合理进行设计库的定制,仅仅强调建模、装配的手法和技巧则是片面的.