带钢连续处理机组中带钢纠偏设备设计与应用研究

对纠偏检测、执行原理进行研究,给出了纠偏设备执行纠偏动作时,带钢由运动扭曲而对其边缘带来的拉伸应力的校核方法,提出了带钢纠偏执行装置设计的重点和难点,为带钢处理机组的纠偏设备设计提供理论和实践两方面的参考和借鉴.     

进口全自动材料试验机备件国产化的可行性

针对进口全自动材料试验机部分备件更换周期短,且海外直购时间长的问题,结合日常工作中对试验机的故障维修案例,重点探讨了各型号、各阶段购入的进口全自动材料试验机备件国产化的可行性,找到替代进口备件的合理方案。该工作可为提高实验室设备的管理效率提供保障。     

信息技术在产品BOM演变过程中的作用

从销售、设计、工艺到生产制造和售后产品BOM要有不同的表征状态,以满足企业各部门不同的应用要求。信息技术在这一过程中提供了有力的支持,通过分析产品BOM在不同信息系统如CRM＼PDM／CAPP／ERP等软件中的状态及数据流转过程,保证产品在演变过程中数据的准确性和唯一性。     

1500m3/h空分设备分子筛纯化器系统常见故障分析与处理总结

简要介绍了1500m3/h空分设备分子筛纯化器系统流程.叙述系统运行7年来发生的常见故障,分析了引起故障的原因,提出改进措施.     

基于改进VGG13的冲压件表面缺陷识别方法研究

针对现有冲压件制品缺陷检测方法准确率低的问题,分析深度学习的原理与方法,以VGG13网络为基准模型,通过在特征提取层之后增加CBAM模块进行改进,提出5种基于VGG13与CBAM注意力机制模块相结合的网络模型（VGG13-CBAM）,将改进后的新模型与改进前原VGG13模型分别在武汉某制造车间采集的冲压件缺陷数据集上进行实验研究。将数据集以6∶2∶2划分为训练集、验证集、测试集,并使用数据增强进一步扩充训练集,增加模型泛化性能,对比数据增强前后效果的提升。实验结果表明：在改进后的VGG13-CBAM03网络与VGG13-CBAM04网络上效果明显提升,测试集正确率由79.65%分别提高到了81.55%和81.40%,在使用数据增强对训练集进行扩充后,测试集正确率分别达到84.25%和84.15%,有效提升了冲压件缺陷检测准确率。     

基于深度学习的室内定位系统设计与实现

设计并实现了一个基于深度学习的室内定位系统,该系统分为信息采集模块、地磁定位模块、深度神经网络定位模块及联合定位模块4个模块。首先利用智能手机传感器采集室内地磁信号,以地理位置为标签保存为位置指纹文件。通过粒子滤波算法计算得出用户地理位置。然后使用深度神经网络模型和当前扫描的数据预测行人位置,最后对用户位置进行校正,消除地磁定位的累计误差。将基于深度学习的室内定位方法在Android平台实现并进行相应测试。实验结果表明,改进后的地磁室内定位的平均误差为2.2m,较只使用地磁定位技术进行定位时,定位误差平均降低了2.3m,具有更高的定位精度。     

闪光的足迹

陈彩华,武警黄金五支队司令部助理工程师。在关于她的事迹里有一段是这样纪录的:入伍5年时间,个人荣立三等功2次;她用5天时间来学习MAPGIS软件,结束了支队多年用手工描图的历史;为如期完成设计报告图件,她每天工作15个小时以上,2个月后体重锐减12公斤;在两年时间里,她累计完成各类地质图件520幅……黄金,向来被人们冠以高贵、稀少的有色金属而著称!对于毕业于中国地质大学中国第一批矿石鉴定专业本科的陈彩华来说,穿上橄榄绿,不畏跋涉艰辛,行进在山野之间,用所学的高科技手段去探求祖国宝藏,才是自己人生价值的体现!2000年,对于陈彩华所…     

基于改进工作流的故障预测系统设计

为降低实验模型构建和参数配置的复杂性,提出一种基于改进工作流的故障预测系统,以可视化的方式设计、配置、执行和部署故障预测实验。该平台不仅能够使专家更容易地使用各种故障预测算法和预测工具,而且能够使不具有算法基础和经验的非专家也参与到实验模型的构建中。通过某表干炉设备的故障预测实验,验证了该系统架构设计的可行性。     

工艺参数对Ni-SiC复合镀层中微粒的质量分数的影响

在复合电镀过程中施加机械搅拌,制得Ni-SiC复合镀层。借助元素分析法,系统研究了工艺参数对复合镀层中SiC的质量分数的影响,进而优选出最佳的工艺参数组合。结果表明:复合镀层中SiC的质量分数随微粒直径的增大而降低,随电流密度的增加而升高,随微粒的质量浓度的增加和搅拌速率的加快先升高后降低。优选出的工艺参数组合为:微粒的直径40nm,微粒的质量浓度20g/L,搅拌速率500r/min,电流密度10A/dm2。采用该参数组合制备的Ni-SiC复合镀层中SiC的质量分数达到3.6%。     

基于SimAM模块与ResNet34网络的混合缺陷检测模型

针对现表面缺陷检测方法准确率低、需要进行复杂的特征设计、特征泛化性不强、参数多和识别速度慢等问题,在残差网络卷积模块之后采用自适应全局平均池化,有效降低了分类器的特征维度,减少了信息冗余。将无参注意力机制模块SimAM与ResNet34网络相结合用于缺陷检测,并对不同组合结构进行研究,提出ResNet34＿s＿e和ResNet34＿m这2种混合网络模型,该2种混合网络模型均不增加原始网络参数量。在东北大学钢铁缺陷标准数据集上进行实验,对数据集使用镜像、翻转等数据增广策略,防止模型过拟合。通过对比发现,ResNet34＿s＿e混合网络模型能够有效加快训练过程中误差的下降趋势,提升分类准确率。最后在武汉某制造车间采集的冲压件缺陷数据集上验证该混合网络模型的泛化性能。测试集正确率由88.34%提高到了89.19%,有效提升了车间冲压件缺陷检测准确率。