不同装载情况下矿井活塞风效应的数值模拟

为了减少运输设备对矿井通风系统的影响,分别建立了矿车在空栽和满载两种情况下的矿井活塞风数值分析模型,对两种情况下的活塞风效应进行数值模拟,绘制流场迹线图。在相同列车运行速度和巷道通风速度条件下,得出空载情况下产生的活塞风大于满载时效应、对巷道通风阻力影响较大;空载条件下活塞风对列车运行前方静压场影响距离小于满载情况下影响距离,对列车运行后方影响距离大于满载情况下影响距离;空载条件下活塞风对列车运行前方、运行后方速度场影响距离均大于满载情况;活塞风控制应着重空载情况。     

汽车自适应巡航控制的间距策略

汽车自适应巡航控制中,为确定不同车距下的控制策略,通过建立汽车行驶模型和制动模型,推导得到车速判据、第一车距判据、第二车距判据。将前后两车之间距离按此三条判据,由前至后划分为避撞区域、制动区域、降速区域、加速区域。自适应巡航系统能够判断和识别汽车当前所处区域,能够决定当前所应采取的驱动控制和制动控制策略。     

最大距离预测法在超长时间细胞序列图像跟踪中的应用

细胞活性是人类健康的重要指标。根据世界卫生组织(WHO)人类细胞活性检查与处理实验室手册第5版的要求,对细胞序列图像进行超长时间跟踪可以更精确地分析出细胞的活性。根据细胞运动目标的特点,提出一种基于小窗口的最大距离预测法应用于超长时间细胞序列图像的跟踪。跟踪细胞在每一帧的轨迹点,然后把这些轨迹点坐标连在一起就是细胞的运动轨迹。试验结果表明:该方法可以快速、准确、稳定地实时跟踪细胞。     

圈不交的双圈图的距离谱半径(英文)

图G的距离谱半径ρ(G)是图G的距离矩阵的最大特征值.本文利用线性代数和图论的方法,先给出了一些使距离谱半径递减的图变换,然后利用这些变换确定了圈不交的双圈图中距离谱半径最小的极值双圈图,同时,给出了对应距离谱半径满足的三次方程.     

单螺杆泵螺旋面型线的研究

针对螺杆泵性能和特性的理解、认识及合理应用,首先应从掌握螺杆泵的基本原理入手。根据单螺杆单头螺杆泵定、转子啮合过程,推导了单螺杆单头螺杆泵转子曲线方程、定子曲线方程。而转子螺旋型面是横截面均为半径为R的圆,定子内腔型线由多段型线构成封闭连续接触线并与转子型线形成密封单元。     

基于Hausdorff距离的直觉模糊多属性决策的TOPSIS方法

传统的TOPSIS方法在考察目标方案与正、负理想方案的距离时多采用欧氏距离来度量.用Hausdorff距离替换欧氏距离,并用其来度量直觉模糊集（IFS）之间的距离,进而建立相对贴近度的概念,由此对目标方案进行排序、择优.实证分析结果表明该方法有效、实用,在直觉模糊多属性决策中,该方法比欧氏距离方法要简单,但计算结果完全一致.     

索道电磁离合器的检查、维护及故障案例分析

本文对离合器进行了简单介绍,对离合器的工作原理和分类进行了阐述.脱挂式索道的车距系统较多的使用电磁式离合器,本文对电磁式离合器的工作原理和优缺点进行了分析,并通过两个电磁离合器实际故障案例,介绍了排除故障的分析步骤和日常维护保养时应注意的问题和方法.     

一种多关节机械臂运动过程中的碰撞检测方法

针对多自由度机械臂在运动过程中自身会发生碰撞的问题,建立机器人的简化模型(关节为球体,连杆为胶囊体),进而将多自由度机械臂的碰撞检测问题转化为简化后的几何模型(碰撞检测基元)之间的干涉计算问题。将此干涉问题进一步分解,最终转化为两球体之间、两胶囊体之间、球体与胶囊体之间的最小距离求解,并针对空间两胶囊体轴线之间距离计算问题,提出一种精确并快速的碰撞检测方法。将该算法实现并应用于6R串联机器人,最终利用MATLAB和ADAMS联合仿真进行验证。仿真结果验证了该算法的有效性。     

热轧非稳态过程轧制力自学习模型优化

为提高热连轧非稳态过程轧制力的预测精度,提出了一种轧制力自学习模型优化方法. 将模型自学习系数分解为层别学习系数和轧制状态学习系数,表征机架间轧制力预报偏差的遗传特性及实际轧辊状态对模型预报的影响.在系数更新过程中,根据层别距离分别对学习系数进行更新,减小了轧制规格切换时轧制力的预报误差.所提方法已成功应用于某热连轧过程,与原模型相比,优化后的自学习方法的预测偏差从2.8%降低到1.4%,均方差从3.3%降低到1.7%,有效提高了非稳态过程轧制力的预测精度和鲁棒性.     

空间数据库反向最近邻聚类方法

针对当前空间数据库聚类方法未考虑降维后的距离特征反向结果, 导致空间数据分量失真, 存在聚类精度低、 耗时长的问题, 提出一种空间数据库反向最近邻聚类方法. 首先, 通过选取训练样本集实现核矩阵的特征分解, 获得其距离特征修正值去除初始值的影响; 然后, 根据核主成分分析（KPCA）降维并结合降维后的距离特征反向结果, 利用反向最近邻聚类方法与扩展的部分失真搜索法相结合, 实现空间数据的聚类; 最后利用选定的聚类中心对数据集进行计算, 计算数据集第一维分量与聚类中心第一维分量之间的失真, 得到反向最近邻, 直至所有空间数据均找到所属类别, 最终完成空间数据库反向最近邻聚类. 实验结果表明, 该方法提高了空间数据的聚类精度, 减少了空间数据聚类所用时间.