二维产品二维成组更换间隔期优化研究

对于故障受日历时间与使用时间共同影响的二维产品,传统的只按照单一时间变量开展的预防性维修已不能满足二维产品的实际维修保障需求,鉴于此,针对二维产品的特点,提出了二维预防性维修的策略,以日历时间与使用时间对二维产品进行二维预防性维修决策;首先建立了二维产品故障率函数表达式,然后对二维成组更换的过程进行具体的分析,在有限使用条件下分别从经济性的角度与任务性的角度建立二维成组更换的费用模型与可用度模型;根据所建模型,结合实例,采用了费效分析中的费效比准则来优化二维成组更换间隔期,通过对比分析验证了该模型的适用性与有效性,证明了二维成组更换策略要优于传统的成组更换策略,最后对二维预防性维修提出了展望。     

基于内容的英语教学探索——以建筑英语口语为例

基于内容的英语教学(Contentbased Instruction),指的是将语言教学建立在某个学科或某种主题内容教学之上。建筑英语口语,让学生在学建筑的同时强化英语,学语言的同时了解建筑。教学专业性强,内容丰富。从而能为学生提供贴近需求的、专业性明显的教学内容,使他们积极投入到每个阶段的教学活动中去。     

基于数字媒体艺术设计在教学管理系统的应用与实现

文章通过对数字媒体艺术在实践教程中的案例分析,经过大量的实例分析,对如何培养具有创作意识的专业人才进行了探讨和研究。同时,作者还结合了当前市场人才需求现状和高等教育专业人才培养,讨论了数字媒体艺术设计在教学管理系统的应用与实现,并就如何培养具有高素质的创新型人才进行分析。     

双组元姿控发动机试验高精度时序控制系统研制

介绍了双组元姿控发动机上被控对象单稳电磁阀的工作特性及其对发动机工作时序的影响,较详细地阐述了控制系统的指标、组成和工作原理,重点介绍了控制系统对发动机试验工况控制和高精度时序控制功能的实现.该系统经过多次发动机试验应用,效果良好.     

基于改进量子遗传算法的过程神经元网络训练

针对过程神经元网络由于模型参数较多BP算法不易收敛的问题,提出一种基于量子位Bloch坐标的量子遗传算法.将该算法融合于过程神经网络的训练.按权值参数的个数确定量子染色体上的基因数并完成种群编码,通过新的量子旋转门完成个体的更新.算法中的每条染色体携带3条基因链,因此可扩展对解空间的遍历性,加速优化进程.以两组二维三角函数的模式分类问题为例,仿真结果表明该方法不仅收敛速度快,而且寻优能力强.     

互联网访问行为管理系统的研究

随着互联网的蓬勃发展,不受控制的互联网访问行为对网络安全将造成越来越大的危害。文章提出了一套有效、完善的互联网访问行为管理方案,该方案有机地结合了多种安全技术,通过"控制"、"监督""、记录"、"报告"等方法的全方位管理,实现对互联网访问行为的有效控制。该方案可广泛应用于政府、金融、电信、企业、学校等各个行业和领域。     

共轴变焦激光诱导击穿光谱定量分析EI北大核心CSCD

在诸如火星探测等极端环境原位检测应用中,共轴变焦距激光诱导击穿光谱技术发挥了重要作用。为了充分发挥变焦系统的应用效能,距离校正必不可少。现有距离校正方法多为针对单一场景的经验算法,适用范围有限。因此,提出一种基于等离子体物理的参考脉冲诊断法,无需标定设备响应即可诊断等离子体温度,进而实现变焦距定量分析。对比了所提出算法与Saha-Boltzmann法的诊断结果,最大相对误差小于8%。采用13块铝基标准样品进行了变焦距定量实验,9块于2 m处建立定量模型,4块分别于1.5、2、2.4、2.7、3 m处进行检测。反演结果中含量超过1%的元素,11号样品中Si的相对误差最大,为16%,其余大部分小于8%;含量低于1%的元素,大部分相对误差在10%~30%之间,验证了所提出的方法能够实现变焦距激光诱导击穿光谱定量分析。     

基于脉冲热流激励的戈登式热流传感器动态测试

由于薄膜热流传感器耐温上限高、体积小且响应速度快,传统方法无法满足其动态测试需求,因此提出了一种以激光器为热源的动态测试方法,该方法具有功耗低、响应速度快以及能够提供高热流等优点。设计搭建了基于高功率光纤输出半导体激光器的热流传感器动态测试系统,主要由激光器、微透镜光斑均匀化系统、热流传感器和数据采集系统组成。为了研究在不同脉冲宽度条件下传感器的时间常数的变化,选用了具有能够直接测量辐射热流、吸收全光谱范围的能量以及响应时间短等优点的戈登式热流传感器(Gardon计)对热流传感器动态测试系统进行了测试。利用系统完成了GD-B4-200K型Gardon计在脉冲热流激励信号下的动态测试,分析了5 ms、10 ms、15 ms、20 ms和30 ms脉冲宽度条件下传感器的时间常数的变化。最终得出在脉冲激励下,脉冲激励信号的脉冲宽度应小于传感器时间常数一个数量级的结论,因此需要对脉冲宽度进行严格精确的控制。未来,系统可有效解决航空、航天等诸多领域内的高速辐射热流传感器动态测试问题。     

基于信号特征提取和卷积神经网络的轴承故障诊断研究

轴承是机械设备主要零部件之一,也是机械设备主要故障零部件之一。轴承故障问题为机械设备的重点,机械设备的使用受到故障轴承的直接影响。针对传统的卷积神经网络算法轴承故障诊断效率低下问题,本文提出了一种基于信号特征提取和卷积神经网络的优化方法。首先对原始数据信号进行时域和频域的信号特征提取,获得有效的故障特征值。之后,使用卷积神经网络对提取的特征值进行故障诊断,完成故障分类。本文使用美国凯斯西储大学的滚动轴承振动加速度信号作为数据集,对提出的方法进行验证,得到的故障诊断平均准确率为74.37%,准确率的方差为0.0001;传统的卷积神经网络算法故障诊断平均准确率为65.6%;准确率的方差为0.0019。实验结果表明,相比传统的卷积神经网络,提出的方法对轴承故障诊断的准确率有显著的提高,并且该方法的稳定性更佳,计算时间更少,综合性能更佳。