液压传动在机械设备的应用

阐述了液压传动系统的原理及组成,通过在日常生产中机械设备上液压传动的具体应用及工作过程的详细分析,总结液压传动的特点。从而了解液压传动技术在机械工业自动化方面起到的作用和未来的发展趋势。     

利用LC-MS对保健酒中七种成分的定性分析研究

分别对神酒、健身酒、海马酒这3种保健酒中是否含有红景天苷、鲁斯可皂苷元、人参皂苷Rb1、腺苷、紫丁香苷、羟基红花黄色素和山奈素这7种成分进行定性研究。用LCMS-8050分别对3种保健酒和7种成分标准品进行分析,并对所得结果进行了比较总结。结果表明,3种保健酒中均检测出红景天苷、人参皂苷Rb1、腺苷和紫丁香苷;3种保健酒中均未检测出鲁斯可皂苷元和山奈素;健身酒和神酒中检测出羟基红花黄色素。     

液压传动在万能外圆磨床设备中应用研究

在机械工程领域液压传动有着举足轻重的作用,尤其是实现设备的自动化。本文通过对工程机械中万能外圆磨床工作台往复运动及为满足短小零件快速磨削需要的工作台抖动油路、工作台手动与液动相互切换及互锁油路、砂轮架的快速进给及退出油路、尾架顶尖的夹紧与松开油路、机床各部位润滑及丝杠螺母副间隙的消除油路做详尽分析;并总结万能外圆磨床液压传动系统的结构特点,对于后期万能外圆磨床液压传动系统的升级、改造及创新设计具有一定的参考价值和指导意义。     

油泵用隔爆型三相异步电动机的研制

在研发4kW油泵用隔爆型三相异步电动机时,在进行整体电磁方案和结构设计中,采用了有限元模型对电机的电气性能、齿谐波进行了仿真。在结构布局和接线盒接线板设计方面,解决了小功率、结构紧凑隔爆型电动机设计难题,设计的电机体积虽小,输出功率高。     

数据采样法圆弧插补运算研究

介绍了数据采样法中两种可实现圆弧加工的插补运算方法——弦长代替圆弧插补算法和扩展DDA法圆弧插补算法:通过对圆弧加工的运算分析推导出不同象限插补运算计算公式及进给坐标,同时将两种插补运算方法作了对比介绍;为寻求更好更精确的插补技术提供必要的理论依据。     

p范数正则化支持向量机分类算法

L2范数罚支持向量机(Support vector machine,SVM)是目前使用最广泛的分类器算法之一,同时实现特征选择和分类器构造的L1范数和L0范数罚SVM算法也已经提出.但是,这两个方法中,正则化阶次都是事先给定,预设p=2或p=1.而我们的实验研究显示,对于不同的数据,使用不同的正则化阶次,可以改进分类算法的预测准确率.本文提出p范数正则化SVM分类器算法设计新模式,正则化范数的阶次p可取范围为02范数罚SVM,L1范数罚SVM和L0范数罚SVM.     

基于Web标准的信息港研究

数字城市是以Internet为平台的,实现空间信息互操作为核心的城市信息管理系统,却受到跨行业应用的基础数据不同组织形式制约.数据的组织与表现松耦合关系是实现空问信息互操作的重要环节,也是适应语义网络计算标准的要求.Web标准将页面行为与表现分开,为信息港实现资源的一体化管理,满足用户按需的3A(Anybody,Anytime,Any-where)可视化服务,达到开放、共享根本目标提供了架构和实现的途径,同时隐含了制约信息港门户性能的关键问题和解决途径.     

基于固定增量单样本感知器的AdaBoost算法

针对传统AdaBoost算法在分类过程中时间复杂度和算法学习复杂度较高的问题,提出一种改进的算法AdaBoostFISP。以固定增量单样本感知器为弱分类器,在感知器的权值更新上采用固定增量代替变量增量,从而减少运算时间、降低学习复杂度。实验结果证明了该算法在预测准确性、学习复杂度和时间复杂度等方面的优势。     

图表法解算工艺尺寸链研究

在机械加工中,对于同一方向上尺寸较多、工艺基准需要多次转换、加工工序又多的零部件,各工序间的关系比较复杂,在这种情况下会出现2个亟待解决的问题:一是为保证尺寸精度而建立的尺寸链环数较多,尺寸链的查找比较困难且易出错;二是工序余量不易查表来简单确定,而是同有关的若干工序的工序尺寸公差相关联,这些公差的累积会引起工序加工余量的变动,使得加工中出现余量不足或过大现象。运用图表法去求解相关问题不仅能够解决上述问题,而且还能够使问题变得简单、明了且直观易懂,同时有助于利用计算机辅助设计去求解尺寸链。     

基于bregman距离和等式约束正则化AdaBoost算法

基于J.Kivinen和M.K.Warmuth提出的一种基于正则化的在线学习模式,提出基于bregman距离和等式约束正则化弱分类器权值更新模式,实现了AdaBoostS,AdaBoostIE,AdaBoostRE,AdaBoostDE和AdaBoostE五种弱分类器权更新算法。在实验部分,利用实际数据对提出的五种算法与Real AdaBoost、Gentle AdaBoost和Modest AdaBoost算法作了比较。