专家系统及其在机械工程中的应用

<正> 一、专家系统和人工智能 专家系统(Expert System)作为人工智能(Artificial Intelligence)的重要分支和一门综合性较强的边缘学科,随着人工智能理论、计算机技术及模糊技术的发展,已经取得一系列重要成果,引起国际性的普遍重视,成为各行各业研究的热门课题,开始在各个领域中得到广泛应用。专家系统在机械工程中巨     

潜油螺杆泵采油系统设计与应用技术分析

潜油螺杆泵采油技术在某些方面具有其他人工举升技术不可比拟的优点，特别适合于我国渤海湾一带粘油区、海上平台的采油作业，但这项技术在我国实际开发应用的时间还比较短，人们对这项技术的了解还不够深入，很多单项技术还有待于更多的人去关注和研究.介绍了潜油螺杆泵采油系统的结构，总结了该项采油技术与其他常用采油技术相比较的特点，系统地阐述了国内外的发展状况，分析了以往投入生产试运行时系统失效的原因并提出了相应的解决办法，最后探讨了系统设计技术的发展趋势.     

微波消解-火焰原子吸收法测定污泥中的铜、锌

建立了一种微波消解样品、火焰原子吸收法测定污水厂污泥中铜、锌含量的方法。在实验条件下,测定污泥中铜、锌的回收率分别为95%～104%,96%～105%,RSD﹤5%。方法操作简便、快速、准确、灵敏、重复性好,可用于污泥中铜、锌的测定。     

不同工况下丁腈橡胶的摩擦磨损机理

为了合理选择螺杆泵定子橡胶材料以提高螺杆泵的使用寿命,分析了不同工况下丁腈橡胶与金属配副的摩擦磨损机理.采用MPV-600环块式摩擦磨损试验机对不同炭黑质量分数的丁腈橡胶在变载荷情况下进行摩擦磨损试验,利用体视显微镜观察橡胶磨损后的表面形貌,使用红外光谱仪分析表面官能团变化.试验结果表明:干摩擦情况下,磨损量在一定炭黑质量分数范围内随其增加而减小,磨损机制为黏着磨损和磨粒磨损;水润滑情况下,由于水的润滑及冷却作用,炭黑质量分数适中的橡胶耐磨性最好,磨损机制为磨粒磨损;原油润滑低载荷情况下,磨损量几乎不受炭黑质量分数的影响,而高载荷情况下,炭黑质量分数越高,磨损量越小,其磨损机制以腐蚀磨损为主.     

超细粉末制备及其应用简介

按照我国粉末级别的规定,凡是粒度小于0.5μ的粉末称为超细粉末,见表1。表1——我国粉末级别的分类表欧美一些国家通常把小于1μ的粉末定义为超细粉,而日本则把小于10μ的粉末定义为超细粉。随着超细粉末研究和测试工作的开展,用“μ”(微米)作单位来表示它的尺寸已经显得不方便了,进而一些国家开始用“(?)”(1(?)=1/10000μ)来描写它,划分它,并且用“粒子”的概念赋与它以新的含义。日本人通常将小于500(?)的超细粉末称为超微粒子。德国人则将1μ—500(?)的粉末称为微粒子,500～100(?)的称为亚微粒子,小于100(?)的称为超微粒子。     

DTI扩散张量的一种稳健估计方法

为了获得更精确的DTI扩散张量场,提出了一种基于约束M估计子的稳健估计方法,首先对扩散加权图像序列进行双树复数小波降噪预处理,以减少热噪声影响,然后通过试探法找到一个合适的回归起始点,并通过Cholesky分解对扩散张量进行正定约束,最后寻找局部最小获得DTI扩散张量的约束M估计,并在模拟二阶张量场和真实DTI数据集上进行了实验.与最小二乘法和M估计子回归模型相比,该方法可以更有效地排除热噪声和生理性离群点影响,对DTI扩散张量估计很有价值.     

一种带自适应电荷泵的超低功耗NMOS LDO

设计了一种带自适应电荷泵的超低功耗快速瞬态响应NMOS LDO,电路主要包含误差放大器、缓冲器、功率级、动态零点模块以及自适应电荷泵模块。该自适应电荷泵能够根据负载电流的大小调节工作频率,在兼顾大负载条件下功率管栅极需求的同时,保证了轻载下超低功耗的需求。同时为了满足电路中快速瞬态响应的需要,加入了动态电流电路。电路基于0.18μm BCD工艺设计,其工作电压范围为2.5～3.6 V,输出电压为1.2 V,负载范围为10μA～20 mA,工作的温度范围为-40～125℃。仿真结果显示,所设计的LDO供电电压调整率可达到1.123 mV/V,重载跳轻载时的恢复时间和轻载跳重载时的恢复时间分别为260μs和5μs,而静态电流最小仅为0.291μA。     

基于XGBoost和TCN-Attention的棉花价格多影响因素选择及预测

棉花价格受多种因素影响而复杂多变, 通过选择合适的数据特征和预测模型可提高棉花价格预测精度. 本文以棉花日现货价格数据为研究目标, 采集了供需关系、国际市场、宏观经济、产业链这4个方面的9项影响因素作为特征, 使用极限梯度提升(XGBoost)算法对棉花价格影响因素进行特征评估筛选, 选取其中5项特征后, 采用引入注意力机制(Attention)的时间卷积网络(TCN) TCN-Attention、TCN、LSTM、GRU等模型对棉花价格进行预测. 通过消融实验和对比实验, 结果表明: (1)经过XGBoost特征筛选后, TCN-Attention价格预测的平均绝对误差(MAE)和均方根误差(RMSE)为41.47和58.76, 与未筛选相比分别降低了77.57%和76.49%. (2)与TCN、LSTM、GRU相比, 本文提出的TCN-Attention模型预测结果更准确, MAE和RMSE均降低50%以上, 运行时间较LSTM、GRU缩短60%.     

基于径向基神经网络的螺杆泵转速设定方法

为了研究受多种因素影响的螺杆泵转速控制系统,提出一种基于径向基神经网络的螺杆泵转速设定方法.利用径向基函数(RBF)神经网络对螺杆泵转速进行分析及预测,通过对螺杆泵的历史数据分析处理,得到螺杆泵转速的时间序列.将时间序列视为一个从输入到输出的非线性映射,并引入RBF神经网络来进行非线性映射的逼近.通过对网络进行学习与训练仿真实验,并与BP神经网络预测结果对比,表明应用RBF神经网络对螺杆泵转速进行短期预测精度更高、效果更好.该神经网络结构简单,非线性逼近能力强,通过对非样本点数据的实验验证,证明了该系统的可行性,具有一定的实用价值.