基于PCA和灰色关联的齿根裂纹损伤程度识别

在齿轮齿根裂纹故障检测方面,利用倒频谱分析可以比较损伤程度的轻重,但很难具体量化损伤程度范围。为实现损伤程度的量化检测,提出采用主成分分析(Principal Component Analysis,PCA)与灰色关联分析(Grey Relational Analysis,GRA)相结合的方法。首先,利用能量法计算含不同齿根裂纹的齿轮副时变啮合刚度,分析不同损伤程度的响应,并结合损伤检测统计指标进行量化检测,通过PCA算法,对多维损伤检测统计指标进行降维优化后,计算待检目标序列与各个比较状态序列的关联度,用关联度表征裂纹损伤程度。在理论仿真的基础上,进行实验验证。结果表明,倒谱分析可有效地识别出齿根裂纹故障,损伤程度越大,倒谱的尖峰幅值越大。PCA与GRA结合算法与GRA算法计算的关联度相比更大,区分度也更加明显。并可以有效地量化待检目标的损伤程度,为齿根裂纹的定量识别提供理论依据。     

浅谈不同给液方式在铜电解车间的应用

不同给液方式对铜电解过程中有重要的影响,不同的循环方式会影响槽内温度分布、电解液成分及阳极泥沉降等,因此,根据铜电解生产不同情况的需要,分析对比了多种给液方式在贵冶电解车间的应用,总结了这几种给液方式的优缺点和适用条件。     

X射线荧光光谱分析法在检测铁矿石组分中的应用

在检测铁矿石组分中科学合理的应用X射线荧光光谱分析法,既能大幅度提升检测的灵敏度,又能有效消除非均质效应,从而保证检测结果的精度。基于此,文章结合理论实践,在简要阐述X射线荧光光谱分析法原理和结构组成的基础上,分析了具体的应用过程,希望能够对从事铁矿石检测工作的相关人士提供一定的帮助和参考。     

基于PCA-GWO-SVM的矿山边坡变形预测

针对矿山边坡预测模型精度低等问题,提出一种由主成分分析(PCA)、灰狼算法(GWO)和支持向量机(SVM)组合的混合模型(PCA-GWO-SVM)。首先,采用PCA对原始数据进行降维去噪;其次,通过GWO算法优化支持向量机参数;最后,通过SVM实现矿山边坡变形的预测。矿山边坡实例表明PCA-GWO-SVM模型具有更高的预测精度。     

基于主成分回归模型的建设工程项目成本预测研究

为了提高招投标过程中建设工程项目成本预测的速度和精度,本文选取近3年河北省几家施工企业的40个已完工程的项目结算文件数据,利用主成分回归分析法展开承包商标前成本预测模型研究。结果显示,所建成本预测模型的预测精度符合行业标准,说明承包商在招投标过程中运用此模型是可行的。通过本研究可以为承包商招投标提供一种模型化成本预测工具,为建立高标准且科学合理的成本控制体系提供测算依据。     

Emulex在中国再获殊荣

作为网络连接、监控和管理领域的领导者,Emulex公司(NYSE:ELX)在中国的网络连接市场迅速壮大,并且与本土主要OEM持续深化稳固的合作伙伴关系。作为领导者,Emulex亚太区销售副总裁严庆和(Jimmy Yam)在这一领域做出了突出贡献。严庆和表示:"这种强大的伙伴关系为Emulex产品实现更高的I/O、更大带宽