基于神经网络的塑料打包带高光谱模式识别

目的 建立一种快速、准确、无损的塑料打包带的检验及分类方法。方法 利用高光谱在波长为350～990 nm的条件下采集52个不同来源的塑料打包带样品的高光谱数据,并对样品进行Savitzky-Golay平滑处理,同时结合主成分分析对样品进行降维。将提取到的主成分进行K-Means聚类,以聚类结果为依据建立径向基函数神经网络（RBFNN）与BP神经网络模型（BPNN）。结果 打包带样品的高光谱谱图在400～500 nm、600～700 nm处有较大区别。实验共提取了5个初始特征值大于1的主成分,可以解释96.633%的原始数据。通过K-means聚类将塑料打包带样品分为6类,Calinski-Harabasz指数为28.76,RBFNN分类准确率为86.7%;BPNN分类准确率为98.1%,BPNN的分类效果更好。结论 研究表明神经网络在高光谱谱图分类处理上具有较高的准确度,同时也验证了高光谱在区分检验塑料打包带类物证的可行性与科学性,为公安机关提供了一种新的检验方法。     

中心扇形近似滑移线场的插值作图法及其应用

本文根据中心扇形近似滑移线场的特点,提出了用大间角(Δθ≈15°)插值的作图的方法,使作图和计算大为简化。文章列举了在不同的外摩擦系数μ及变形程度ε下的正挤压、上下平冲头压入有限高毛坯、斜面模挤压或拉拔的滑移线场的作图方法。分界点的坐标和冲头上平均单位压力的计算表明:它和用小间角(Δθ≈1°)电算结果相比,其误差一般不超过3％。     

伞齿轮冷摆辗成形的实验研究

设计出冷摆辗伞齿轮的模具，采用纯铝、聚碳酸酯、20CrMo钢三种试样进行伞齿轮冷摆辗成形实验，观察并分析了摆辗伞齿轮的成形规律。得出了影响伞齿轮成形的主要因素，揭示了伞齿轮冷摆辗过程加的主要缺陷及最佳成形条件。     

用平面应变滑移线场理论解轴对称挤压问题的研究

如何将平面应变滑移线场理论推广应用于轴对称问题,是当前研究的一个课题,许多学者在这方面作了一些努力,但几乎结果都不够理想,尤其是轴对称复合挤压。本文通过较多的试验,发现在轴对称复合挤压变形对和对平面应变复合挤压研究[1]一样,存在6种可能的滑移线场,随着坯料相对高度的变化,滑移线场可能要进行转换。本文在进行变形力、变形规律的计算时采用了一种新的方法——映射法,从而保证了速度边界的一致,经过一定的变换,使轴对称问题成为平面问题。这样转换的结果符合滑移线场随坯料相对高度的改变而变化的规律,其变形力、挤出量与实验结果较为一致。本文考虑了轴对称挤压的硬化现象,采用类似于拉伸变形强化的办法计算其真实应变,从而计算k值。9组实验曲线与计算结果的比较表明,这种计算方法是可行的,而且计算曲线的趋势与实验曲线一致。     

用初始解修正法解轴对称压缩和挤压问题

上式中,为 S_a 和 r 方向的夹角,式中正负号由 Von-Karman 假设的符号决定。许多学者利用(1)式对一些塑性变形问题进行了研究,但由于特征线的计算较烦,难以在塑性加工问题中广泛应用,所以有人提出用平面变形时的滑移线场网格代替轴对称特征线族,这样可使计算得到一定的简化。