基于ASP的信息安全管理机制的研究

信息网络安全是指防止信息网络本身及其采集、加工、存储、传输的信息数据被故意或偶然的非授权泄露、更改、破坏或使信息被非法辨认、控制，即保障信息的可用性、机密性、完整性、可控性、不可抵赖性。网络化制造已成为21世纪制造企业生产的主要模式，基于ASP的网络化制造资源管理应用服务是基于ASP的网络化制造的重要体现，     

预测摩擦桩极限承载力的新方法

在桩极限端阻力、极限侧阻力与标准贯入击数的统计模型以及剪切波速度与标准贯入击数统计模型的基础上，建立了常见土质条件下桩极限侧阻力、极限端阻力与剪切波速度的相关模型。应用瞬态面波测试技术可快速地获取地下不同深度的剪切波速度值，从而提出了应用瞬态面波预测摩擦桩极限承载力的新方法。模型桩试验分析及实际工程应用表明，该方法具有良好的应用前景。     

煤体张开型裂隙演化规律及失稳前兆试验

为探究不同裂隙分布特征参数煤体失稳前兆信息,基于MTS 816试验系统开展单轴加载试验,分析了煤体力学特征及裂隙演化规律,推导出起裂角精确表达式,建立了弯折裂纹力学模型.结果表明：随裂纹方位角减小,煤体劣化程度增加,但均低于完整试件,裂隙长度同试件强度呈负相关性;剪切互锁效应使含裂隙煤体应力-应变曲线表现为双驼峰形态,互锁强度同方位角呈负相关性,但与长度无明显关联;裂隙分布特征参数对初始应变场形成局部高应变区具有显著引领作用,方位角于0°～90°之间时,应变集中、弥散与裂隙扩展的空间演绎形式高度统一;定义了端部动态剪切因子(τ₀)并求得其表达式,完善了Ⅱ型SIF(应力强度因子)并推导出精确起裂角表达式,得出起裂角同方位角呈负相关性;比较剪切互锁前后扰动系数ε(K_Ⅱ/K_Ⅰ)可知,剪切互锁效应可通过抑制裂纹端部的翼状Ⅰ型扩展从而发生Ⅱ型破坏,且抑制效果与方位角呈负相关性;相较于表面应变监测,互锁强度变化特征可对煤体在不同裂隙分布特征参数下的骤然破坏提供更加积极的前兆信息.     

软PLC逻辑控制元件图形化分析与实现

基于大型中央空调实际运行过程中存在的能耗问题,将软PLC( Programmable Logic Controller,可编程逻辑控制器)应用于大型中央空调的节能控制系统中,针对不同的应用需求对硬件模块进行功能开发、软件管理及升级维护.基于Qt平台,针对该系统中的图形元件的创建以及功能实现进行研究,介绍了图形元件类设计、功能实现以及元件间的数据交互.从而实现系统运行的高效性与稳定性.通过实例应用,系统稳定可靠,能够很好的实现各功能模块功能.     

尿素造粒机流化风机轴弯曲在线处理

介绍造粒机硫化风机因轴弯曲引起振动大的故障情况,阐述探索采用热处理与施加外力相结合的校轴法对弯曲轴进行在线处理的过程。     

自适应时间阈值的RFID数据清洗算法

传统的以事件过滤方式处理RFID冗余数据的方法缺少灵活性,缓存消耗比较大,影响系统的运行效率。本文通过对RFID数据处理方法的深入分析,在原有数据清洗方法的基础上,提出了一种以事件为基础,自适应时间阈值约束的新型RFID数据清洗机制。根据当前读取的标签信息,结合时间窗方法和伪事件过滤方法,从标签存在周期的角度,自适应地调整事件发生的时间阈值。实验结果表明,该方法降低了缓存的数据量,一定程度上解决了多读和冗余读等问题,具有一定的理论和实际意义。     

合成气压缩机循环段进口止逆阀优化修复

根据合成气压缩机循环段进口止逆阀损坏情况,分析造成止逆阀损坏的原因,在此基础上对止逆阀进行优化修复再利用,消除了安全隐患。     

多品种小批量复杂精密零件生产车间质量信息集成运行研究

针对多品种小批量复杂精密零件生产车间质量信息数据量大、实时交互性差、统计分析困难,以及生产质量得不到有效控制等问题,结合精益制造和集成化等先进管理思想,提出一种多品种小批量复杂精密零件生产车间质量信息集成运行模式,从目标层、业务执行层、状态分析层以及信息采集与交互层等四个层次构建了该运行模式的总体框架,并研究了基于网络化多功能交互式信息终端的信息交互层模型和质量信息集成运行的信息采集与交互平台,以支持该模式的运行.针对某多品种小批量复杂精密零件生产车间,采用该模式进行了应用实践,取得了良好的应用效果.     

对聚丙烯纺粘法非织造布生产技术的探讨

简述了聚丙烯纺粘法非织造布生产线的工艺和生产流程,针对生产工艺,包括纺丝温度、侧吹风、牵伸风、泵供量以及摆丝器和热轧机的一些技术参数进行了探讨,并对生产线的技术改造提出了有关看法。     

基于深度学习的表面缺陷检测技术研究进展

随着计算机视觉技术的快速发展,基于深度学习的表面缺陷检测技术实现了爆发式的应用,并逐步成为了主流发展方向。基于深度学习的缺陷检测技术可以近似为计算机视觉任务中的分类、检测、分割等任务,其主要目的是找出物体表面缺陷的类别和所在位置,相较于传统图像处理方法,深度学习在特征提取能力和环境适应能力上优势明显。以缺陷数据标签类型为依据,对近年来基于深度学习的表面缺陷检测技术进行梳理划分,总结目前技术的优点与不足,重点阐述了监督学习下的三种缺陷检测方法。探讨了表面缺陷检测技术面临的小样本以及不平衡样本等关键问题：对于小样本问题目前有结构优化、数据增广、迁移学习等解决方法;针对不平衡样本问题,介绍了近年来热点的无监督、弱监督与半监督学习模型。随后介绍了常用的工业表面缺陷数据集并展现了近年来提出的算法在NEU数据集上的应用效果。最后对进一步的研究工作提出展望,希望能给缺陷检测研究提供有意义的参考。