高负压液压油缸系统流量再生液压阀再设计和能效分析

为解决高负压液压油缸系统存在的机器作业效率低与能量损耗大的问题,提出了高负压液压油缸系统流量再生液压阀再设计的方法。首先,以某土方机械油缸用常用液压阀为研究对象,通过析因分析可知,非再生流量回路的固定液阻参数对液压阀流量再生供油率的效应显著;其次,对液压阀最大流量再生供油率较低的问题,提出将非再生流量回路固定液阻设计为可变液阻、且与再生流量回路可变液阻差动联控的方法;最后,在所提方法的基础上,借助试验设计和响应面方法,实现以阀结构参数为设计变量、液压阀流量再生供油率最大化为优化目标的阀结构再设计。通过对2 000 h以上的小样本整机进行试验验证,结果表明,流量再生液压阀的供油率和工作装置快降作业效率分别提高了29%、27%以上,非再生流量理论能量损失减少了90%以上。该方法有效解决了油缸无杆腔高负压及其能量损耗问题,同时所提面向液阻差动联控的液压阀再设计理念与流程,对解决同类高负压液压油缸系统设计问题具有一定的工程意义。     

洪水涨落水位-流量分布规律及应用

以河溶水文站为例,采用系统分析法研究受洪水涨落影响绳套关系水位-流量关系轴线摆动变化范围。结果表明:受洪水涨落影响绳套关系水位-流量洪水洪峰水位及相应流量的轴线摆动有一定规律,水位-流量关系走向越接近洪峰水位越向轴线形成有规律的系列,由此可根据洪峰水位与相应流量之间建立回归关系,建立绳套关系水位-流量转换模型应用于洪峰水位预报,有效解决受洪水涨落影响下绳套关系水位-流量关系洪水水位预报瓶颈,满足防汛需求。     

激光诱导击穿光谱技术在录井岩性识别中的应用

采用激光诱导击穿光谱技术,结合主成分分析、偏最小二乘判别分析和对向传播人工神经网络非线性模型,对录井中的岩屑岩性进行识别.研究结果表明使用对向传播人工神经网络非线性模型对玄武岩、安山岩、泥岩、砂岩、灰岩的识别正确率均在70%以上,平均正确识别率达88%,实现了5种岩屑岩性的有效识别.     

一种深度自编码器面部表情识别新方法

为解决面部表情特征维度高的问题,该文提出了一种基于深度学习自编码器的表情识别新方法,该方法利用深度自编码器在多层隐层上进行特征选择,能够在较低维度上表示高维度的面部特征.首先采用定向梯度直方图从面部表情的选定区域提取特征,然后在多个层面上使用深度自编码器,得到最优编码特征,降低特征维度,最后使用支持向量机模型对降维特征进行分类.实验表明,与其他现有特征选择和降维技术相比,该文方法提取的特征优于其他特征,并能够有效实现面部表情识别.     

基于灰度图像二维Gabor滤波的目标识别

提出了一种基于灰度图像的Gabor滤波器识别方法.该方法首先采用Gabor小波滤波器组处理灰度目标图像,并在此基础上采用主元分析法(PCA)提取图像特征,然后结合支持向量(SVM)方法将区域内图像匹配问题转化为分类问题来识别目标物体.仿真实验结果表明,该算法能使移动机器人达到92%以上的识别率,并可满足约8 fps的实时图像处理要求.     

不同地应力条件下平行钻孔抽采瓦斯运移特性实验分析

利用自主研发的"多场耦合煤层气开采物理模拟实验系统",开展了不同地应力水平下平行钻孔瓦斯抽采的物理模拟实验,研究结果表明：1）平行钻孔瓦斯抽采中,抽采前期压降曲线斜率大,中、后期压降曲线斜率相对较小,并且相邻抽采管之间瓦斯解吸速率较边界抽采管快,任意时刻平行或垂直抽采管方向气压变化值均关于抽采管对称,离抽采管抽采段越近,瓦斯解吸速率越快,瓦斯解吸速率与距离抽采管连接段远近无关;2）瓦斯抽采中,随着地应力增加,瓦斯解吸速率减缓,压降漏斗收缩变小,瓦斯有效解吸面积变小,且地应力对消除突出危险区域出现时间影响差异不明显,但随着地应力增加,消突范围渐缩小;3）瓦斯抽采中,瞬时流量随时间演化可分为急速升高、快速衰减和极限抽采三个阶段,并且随着地应力增加,瞬时流量峰值减小,瞬时流量衰减速率减缓,瓦斯累积流量降低,累积流量增长速率减缓,抽采效率降低。     

基于栈式稀疏自编码多特征融合的快速手势识别方法

针对复杂背景下手势分割提取效果不佳、图像识别率不高、识别困难等问题,研究多特征融合的快速手势识别方法.利用YCbCr颜色空间模型,构建肤色分布模型,从复杂背景中去除大部分非肤色的干扰,从而实现手势分割;接着采用5层栈式稀疏自编码网络框架,分别提取手势感兴趣区域（region of interest,ROI）的纹理图像、形状图像和显著视觉图像作为自编码网络输入,将提取到的不同类型的特征进行线性融合;最后使用基于径向基核函数（radial basis function,RBF）的支持向量机（support vector machine,SVM）分类器进行融合特征数据分类,从而实现不同类型的手势识别.实验结果表明,相比其他手势识别方法,本文方法识别率较高,提取特征更具有代表性,平均识别率可达95.05%.      

多梁式桥梁检测的叠加曲率模态差变化率方法

鉴于应用曲率模态的桥梁损伤识别研究大多以一维单梁式结构为研究对象,提出利用G-M法的思想并基于薄板振动理论将多梁式结构转化为正交异性板后,类比梁弯曲理论得到该结构两正交方向曲率表达式,通过分析采用单阶曲率模态差指标进行桥梁损伤识别的不足,考虑利用多阶曲率模态变化率叠加指标进行损伤识别,最后采用有限元软件Ansys建立桥梁模型计算单位置、多位置不同损伤程度的多种工况。Matlab绘图结果表明:沿桥梁纵向叠加指标识别更为精确,对未损伤位置数据扰动更小,指标独立性高,可利用该指标进行多梁式结构的损伤定位。     

基于深度学习的网络流量分类识别研究

目前互联网上会存在海量的网络流量数据信息,这些海量的网络流量数据信息还未得到充分性的利用,如果有效的采取一些必要的方法或者手段,分析整个的网络流量挖掘信息对于后期的网络发展趋势,挖掘网络当中所存在的异常状态并且有采取针对性的措施,这对于后期的网络应急响应能力的增强、抵御网络不法攻击行为、快速的维护网络空间安全等方面都具有非常重大的价值及意义.本文基于网络流量识别的基本需求,分析了深度学习经典模型-CNN的基本原理,在此基础上将原始流量进行分层处理,并建立了基于注意力机制的改进的CNN算法的网络流量识别模型,最后在国际标准数据集上进行仿真分析.实验测试结果表明,该模型可以实现对各类网络流量有效识别.