检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

涡轮盘榫槽边缘倒圆铣削工艺及其参数优化

制造技术与机床 2024年第6期 121-125页

作者：张云刘景青许志勇程庚北方工业大学机械与材料工程学院北京100144

涡轮叶片是航空发动机内核心部件之一,涡轮叶片与涡轮盘之间则是由榫槽连接,故涡轮盘榫槽的加工质量对于轮盘失效和寿命来说有着非常重要的影响。目前,工厂通用的数控加工工艺主要采用拉削的方法来加工榫槽,后通过手工打磨榫槽倒圆。这... 详细信息

涡轮叶片是航空发动机内核心部件之一,涡轮叶片与涡轮盘之间则是由榫槽连接,故涡轮盘榫槽的加工质量对于轮盘失效和寿命来说有着非常重要的影响。目前,工厂通用的数控加工工艺主要采用拉削的方法来加工榫槽,后通过手工打磨榫槽倒圆。这样可能存在表面精度低、一致性差和效率低等问题。文章设计了一款符合榫槽倒圆要求的反环面刀具,采用铣削的方法对涡轮盘榫槽进行倒圆试验,以降低加工表面粗糙度为目标优化铣削参数,为轮盘榫槽边缘倒圆处理研究奠定了基础。

关键词：涡轮盘榫槽反环面刀具铣削工艺参数优化表面粗糙度

在线全文

学校读者我要写书评

暂无评论

考虑换道切入安全的混行车辆队列控制方法

应用基础与工程科学学报 2024年第3期32卷 643-665页

作者：王庞伟孙远哲王欣荻张龙张名芳刘江北方工业大学城市道路交通智能控制技术北京市重点实验室北京交通大学电子信息工程学院

智能网联车辆以队列行驶可以大幅提升道路的通行能力，但也会带来新的道路交通安全问题.针对随机车辆换道切入引发的碰撞风险，提出一种基于深度强化学习的混行车辆队列分布式控制方法.首先，针对车辆换道切入场景特点，考虑多控制目标... 详细信息

智能网联车辆以队列行驶可以大幅提升道路的通行能力，但也会带来新的道路交通安全问题.针对随机车辆换道切入引发的碰撞风险，提出一种基于深度强化学习的混行车辆队列分布式控制方法.首先，针对车辆换道切入场景特点，考虑多控制目标建立深度强化学习奖励和智能体网络结构，建立混行车辆队列分层控制模型；其次，结合多因素道路安全性评价指标，利用复频域方法分析控制系统稳定性，得到车辆队列行驶安全性约束条件；最后，与线性控制和模型预测控制方法进行Prescan/Simulink联合仿真对比验证，相同条件下考虑换道切入安全的混行车辆队列控制方法使车间距降幅减小56.9%和52.1%,速度降幅减小58.72%和51.19%,车速标准差峰值降低54.8%和49%,碰撞时间最小值提高420.7%和265%,表明该方法应用于混行车辆队列行驶可大幅提升道路安全性.

关键词：智能交通道路交通安全智能网联车辆车辆队列行驶车辆换道切入深度强化学习队列稳定性

近距离煤层群同采工作面合理错距确定及覆岩破坏特征研究

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

煤炭工程 2024年第6期56卷 1-7页

作者：宋高峰黄鹏昝明惠张鹏飞孔德中北方工业大学土木工程学院贵州大学矿业学院

为确定近距离煤层群同采工作面合理错距揭示覆岩破断演化规律，以02号、2号煤层群同采工作面为研究对象，运用理论模型计算了上位煤层底板破坏深度和同采错距，建立了数值模型分析同采错距为35、40、45 m条件下的层间岩层支承应力分布... 详细信息

为确定近距离煤层群同采工作面合理错距揭示覆岩破断演化规律，以02号、2号煤层群同采工作面为研究对象，运用理论模型计算了上位煤层底板破坏深度和同采错距，建立了数值模型分析同采错距为35、40、45 m条件下的层间岩层支承应力分布，并采用相似模拟试验研究了近距离煤层同采工作面覆岩破断演化特征。研究结果表明：上位煤层支承应力通过工作面传递到底板岩层，底板破坏深度为5.45 m,工作面后方底板岩层支承压力最大影响范围接近38 m;层间岩层支承压力存在2次峰值，当同采错距为40 m时，层间岩层支承压力的2次峰值均较小，确定同采合理错距为40 m;上位工作面的顶板初次垮落步距和周期垮落步距分别为40 m和15～20 m,下位工作面基本顶的初次和周期垮落步距显著增大至80 m和20～30 m;当同采错距布置为40 m时，下位煤层工作面受上部煤层采动影响较小。

关键词：近距离煤层合理错距支承压力数值模拟

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

不同工况下聚酰亚胺摩擦磨损性能研究

润滑与密封 2024年

作者：许金锋杨晔豆照良刘峰斌张韶华邢超北方工业大学机械与材料工程学院北京控制工程研究所

聚酰亚胺因其特殊的多孔特性是轴承保持架的理想材料，但在轴承长时间高速运转下，聚酰亚胺保持架因高温以及与轴承滚珠之间复杂的运动难免会存在磨损。为研究聚酰亚胺材料的摩擦磨损性能及磨损机理，本文采用球-盘摩擦磨损实验机，在... 详细信息

聚酰亚胺因其特殊的多孔特性是轴承保持架的理想材料，但在轴承长时间高速运转下，聚酰亚胺保持架因高温以及与轴承滚珠之间复杂的运动难免会存在磨损。为研究聚酰亚胺材料的摩擦磨损性能及磨损机理，本文采用球-盘摩擦磨损实验机，在滚球纯滑动和滚动-滑动复合运动下分别探究润滑状态、摩擦副材质、温度等参数对聚酰亚胺磨损性能的影响规律。研究发现，干摩擦滚滑运动中，聚酰亚胺表面会出现黑色磨痕，与轴承钢球磨损产生的铁元素相关。改变滚球材质，发现采用陶瓷球能够减轻聚酰亚胺表面的发黑现象，并且能改善聚酰亚胺磨损表面质量。温度升高，使用陶瓷滚球，摩擦系数和磨损表面没有太大变化，具有良好的温度稳定性。此研究对于揭示聚酰亚胺摩擦磨损性质，提高保持架性能具有重要意义。

关键词：多孔聚酰亚胺黑色磨痕滚滑摩擦副材质

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

一种融合运动预测的三维点云目标跟踪算法

信号处理 2024年第3期40卷 516-523页

作者：张远刘昭娣杨大林王伯伦王彦平北方工业大学信息学院人工智能系北京100144

随着人工智能技术的发展以及对目标跟踪理论的研究深入,目标跟踪技术在实际生活中得到了广泛的应用,对于许多视觉应用,目标跟踪更是一项必不可少的技术。目前,针对二维图像的目标跟踪研究已取得了丰硕的成果,但基于三维点云的目标跟踪... 详细信息

随着人工智能技术的发展以及对目标跟踪理论的研究深入,目标跟踪技术在实际生活中得到了广泛的应用,对于许多视觉应用,目标跟踪更是一项必不可少的技术。目前,针对二维图像的目标跟踪研究已取得了丰硕的成果,但基于三维点云的目标跟踪技术还处于研究发展阶段。近年来,由于激光雷达的广泛应用以及深度学习技术在三维点云领域的研究,基于激光雷达点云的目标跟踪技术也取得了一些进展。现有的基于激光雷达点云目标的跟踪算法主要分为两大类:传统滤波算法和深度学习算法。虽然基于传统滤波的点云目标跟踪算法可以达到更好的效果,但是很难给这类算法赋予最优的参数,并且这类算法在一些剧烈变化的场景中很容易失效。而基于深度学习的激光雷达点云目标跟踪算法大多是“检测-跟踪”的架构,这种架构最大的问题是后端跟踪任务严重依赖于前端检测结果,当前端检测器失效时,后端跟踪模块就无法进行跟踪,这会造成大量的目标丢失问题。针对以上问题,本文使用了一种以运动预测为中心的深度学习架构。该架构将检测和运动预测相结合,主要分为两个阶段:第一阶段通过点云特征提取对目标进行检测,将目标从点云中分割出来,并将目标定位到连续帧中;第二阶段通过运动预测更新分支对目标框进行优化,以得到更准确的目标位置。实验结果表明,该方法有效,且跟传统滤波方法相比,能更好的应对一些剧烈变化的场景;跟深度学习方法中的“检测-跟踪”架构相比,减少了目标丢失的情况。针对激光雷达点云目标跟踪,能得到更精确的跟踪结果。

关键词：激光雷达点云目标跟踪深度学习运动预测

基于级联常通型SiC JFET的快速中压直流固态断路器设计及实验验证

在线全文

学校读者我要写书评

暂无评论

电力系统保护与控制 2024年第5期52卷 158-167页

作者：何东徐星冬兰征王伟湖南工业大学电气与信息工程学院湖南株洲412007 湖南大学电气与信息工程学院湖南长沙410082

固态断路器(solid state circuit breaker, SSCB)是直流配电网中实现快速、无弧隔离直流故障的关键保护装置。首先提出了一种基于级联常通型碳化硅(silicon carbide, SiC)结型场效应晶体管(junction field effect transistor, JFET)的... 详细信息

固态断路器(solid state circuit breaker, SSCB)是直流配电网中实现快速、无弧隔离直流故障的关键保护装置。首先提出了一种基于级联常通型碳化硅(silicon carbide, SiC)结型场效应晶体管(junction field effect transistor, JFET)的新型中压直流SSCB拓扑,直流故障发生时利用金属氧化物压敏电阻(metal oxide varistor, MOV)向SSCB主开关级联常通型SiC JFET器件的栅源极提供驱动电压,可快速实现直流故障保护。其次详细分析了SSCB关断和开通过程的运行特性,并提出了SSCB驱动电路关键参数设计方法。最后研制了基于3个级联常通型Si C JFET器件的1.5 kV/63 A中压SSCB样机,通过短路故障、故障恢复实验验证了设计方法的有效性。结果表明该SSCB关断250 A短路电流的响应时间约为20μs,故障恢复导通响应时间约为12μs,为中压直流SSCB的拓扑优化设计和级联常通型Si C JFET器件的动静态电压均衡性能提升提供了支撑。

关键词：直流配电网固态断路器碳化硅结型场效应晶体管金属氧化物压敏电阻短路故障

在线全文

学校读者我要写书评

暂无评论

基于信息分形的行人轨迹预测方法

电子与信息学报 2024年第2期46卷 527-537页

作者：杨田王钢赖健汪洋哈尔滨工业大学电子与信息工程学院哈尔滨150001 哈尔滨工业大学电子与信息工程学院深圳518055 哈尔滨工业大学智能海洋工程研究院深圳518055

行人轨迹预测应用十分广泛,比如自动驾驶、机器人导航等。在轨迹预测中,一些不确定信息给轨迹预测任务带来了挑战,比如判别器中对轨迹信息判别的不确定,复杂的交互信息。在不确定信息处理科学领域,信息分形能有效处理不确定信息的不确... 详细信息

行人轨迹预测应用十分广泛,比如自动驾驶、机器人导航等。在轨迹预测中,一些不确定信息给轨迹预测任务带来了挑战,比如判别器中对轨迹信息判别的不确定,复杂的交互信息。在不确定信息处理科学领域,信息分形能有效处理不确定信息的不确定性和复杂性。受此启发,为了充分处理判别器中轨迹信息判别的不确定性,提升预测精度,该文提出了基于信息分形的轨迹预测方法。首先,场景信息和历史轨迹信息被特征提取模块提取。然后,通过注意力模块获取到场景-行人之间的交互信息与行人-行人之间的交互信息。最后基于生成对抗网络和信息分形生成合理的轨迹。在两个公共数据集ETH/UCY上实验表明,该方法能有效处理轨迹信息的不确定性,提高轨迹预测的精度。比如突然转弯、从后方超越前人、避让等行为的轨迹都能有效预测。在平均位移误差(ADE)和终点位移误差(FDE)上相比基准模型误差平均降低了11.11%和23.48%。

关键词：行人轨迹预测不确定信息处理信息分形生成对抗网络

在线全文

学校读者我要写书评

暂无评论

中外合作办学中的知识产权问题研究

中外合作办学中的知识产权问题研究

作者：郑新宇北方工业大学

学位级别：硕士

中外合作办学是新时代进一步扩大教育对外开放,推进我国教育治理体系和治理能力现代化的重要着力点。2018年习近平总书记在全国教育大会上的重要讲话中强调,“要扩大教育开放,同世界一流资源开展高水平合作办学”。近年来,中外合作办学... 详细信息

中外合作办学是新时代进一步扩大教育对外开放,推进我国教育治理体系和治理能力现代化的重要着力点。2018年习近平总书记在全国教育大会上的重要讲话中强调,“要扩大教育开放,同世界一流资源开展高水平合作办学”。近年来,中外合作办学在国家教育领域的部署中被摆在了更加突出的位置,已经逐渐成为我国高等教育体制的重要组成部分。随着2019年《中外合作办学条例》完成修订,中外合作办学踏上规范化、科学化、优质化发展的轨道。然而,在中外合作办学不断发展的过程中,知识产权问题不容忽视,如何合理妥善地处置知识产权,有效平衡办学双方的利益成为了中外合作办学理论和实践中面临的全新挑战。基于此,本文对目前中外合作办学的发展现状进行类型化分析,中外合作办学机构按照运行模式可分为独立的中外合作大学、二级学院、中外合作办学项目三类并对其法律性质进行界定。梳理中外合作办学法律政策中涉及的知识产权条款,同时将合作办学中的知识产权归纳为创新成果、标记标识和其他知识产权三种类型,从而为下文奠定理论基础。通过对中外合作办学实践现状的考察,以办学的全流程时间线为理论架构提出相应的知识产权问题。在办学机构设立前,名称及标识的设定和保护有待重视,教材与教学模式的引进受到阻碍;在运行中,新产生的知识产权归属有待明晰,知识产权转化与应用不足;在终止后,知识产权资产的清算与处置问题亟待重视。中美清洁能源中心、MARA-CABI联合实验室、欧盟第七框架计划是当前国际技术合作领域十分成功的案例,在合作过程中形成了丰富的知识产权管理、保护、运用经验,为中外合作办学领域的知识产权问题的妥善解决提供了重要的启示。结合中外合作办学中的现实问题与国际技术合作中的启示,从明确中外合作办学中的知识产权归属与侵权豁免规则、建立中外合作办学中的信息披露与安全风险防范制度、构建中外合作办学的知识产权清算与处置机制、设置中外合作办学中的知识产权转移转化机构四个方面提出中外合作办学中的知识产权问题的解决与应对建议,以期为中外合作办学的高质量发展提供助力。

关键词：中外合作办学知识产权知识产权归属知识产权转化应用

基于不平衡数据深度学习的智能故障诊断方法研究

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于不平衡数据深度学习的智能故障诊断方法研究

作者：闫文豪北方工业大学

学位级别：硕士

随着现代工业过程工序日益复杂化和集成化,生产设备向着高度自动化和智能化发展,工业生产系统的可靠运行面临着巨大压力。为保证生产安全和产品质量,监控复杂工业生产过程中的异常并做出快速、准确、有效的智能故障诊断是一大关键。工... 详细信息

随着现代工业过程工序日益复杂化和集成化,生产设备向着高度自动化和智能化发展,工业生产系统的可靠运行面临着巨大压力。为保证生产安全和产品质量,监控复杂工业生产过程中的异常并做出快速、准确、有效的智能故障诊断是一大关键。工业数据量的增多使得数据驱动的深度学习故障诊断方法具有更强的适用性,其不易受到机理建模和专家经验的限制。然而,工程实践中可用的故障数据很难被获得。生产设备的状态数据存在严重的不平衡和分布差异问题,这会大大降低深度学习模型的故障诊断可信度。本文针对上述工业实际问题,对基于不平衡数据深度学习的智能故障诊断方法做出研究。1.在正常样本与故障样本的数量比平衡的情况下,针对初生微小故障特征不明显导致的正负样本特征不平衡问题以及振动信号复杂非平稳、易被噪声掩盖的特点,提出了基于信号时频分析、格拉姆角场(Gramian angular field,GAF)图像编码和二维卷积神经网络(Two-dimensional convolutional neural network,2DCNN)的故障诊断方法,用于监测气固流态化聚合物生产中的初生团聚故障。该方法以声波振动信号为监测介质:(1)利用连续小波变换提取隐藏在原始声波中的时频特征以丰富微小结块故障信息。(2)将时频双域的一维故障数据转换为GAF图像,保留了时间依赖性特征。(3)提出了改进的Alex Net用于初生团聚物故障的报警。所提方法在实际气固流化床设备上进行了实验验证,结果表明,该方法的故障检测率超过99%,误报率和漏报率分别被降低到0和1%。2.针对实际故障样本有限的正负样本数据量不平衡导致的深度学习故障诊断模型性能差的问题,提出了一种新的基于正则化稳定卷积生成对抗网络(Regularized stable convolutional generative adversarial network,RSCGAN)的智能不平衡深度学习故障诊断联合方法。所提方法:(1)将原始振动信号映射到极坐标系并编码为GAF图像。(2)将有限的故障图像样本输入到数据增强模型RSCGAN中,通过对抗性训练生成多样化的伪造故障样本以再平衡数据集。(3)基于二维卷积神经网络分类器能够自动学习平衡数据集的特征以诊断不同类型的故障。此外,RSCGAN中的正则化算法包括批量归一化(Batch normalization,BN)和频谱归一化(Spectral normalization,SN)有效控制了判别器的梯度收敛,解决了模型训练不稳定问题。通过CWRU轴承基准数据集和GSFB气固流化床结块故障数据集两个案例,验证了所提方法在不同数据不平衡率下的故障诊断有效性。结果表明,所提方法在正负样本不平衡率为10:1时,故障诊断准确率依然超过99%,漏报率低至1%以下,相比于其他方法更具优势。

关键词：不平衡数据深度学习智能故障诊断格拉姆角场二维卷积神经网络正则化稳定卷积生成对抗网络