液压启闭机液压系统动态特性分析

针对液压启闭机在工作时常出现低速爬行,以及加载或卸载时运动部件产生“后坐”或“前冲”的现象,在分析液压启闭机的组成及工作原理的基础上,运用经典控制理论,建立了某液压启闭机液压系统的数学模型,据此分析了该液压启闭系统的稳定性、抗干扰性和调速性,并获得了影响该系统动态特性的主要因素,并提出了改进方法．     

儿童约束系统模型建立及其损伤的初步研究

文章运用多刚体动力学和有限元耦合的方法建立了儿童约束系统(CRS)仿真模型,对整个仿真模型的有效性进行了验证;应用MADYMO软件模拟了侧碰撞中在不同的碰撞速度下车门侵入量、儿童乘员的乘坐位置对3岁儿童乘员损伤的影响.仿真结果表明:在侧碰撞中与碰撞速度有一定比例关系的车门侵入量对儿童乘员头部及胸部的损伤影响非常大,后排座椅靠近碰撞侧位置比非碰撞侧儿童乘员受损伤的风险要高.     

时滞差分方程的振动性准则

为改进和建立一类时滞差分方程的振动准则,利用算术－几何平均不等式及最小值原理不等式方法,研究了一类基本时滞差分程的振动性,得到了两个新的新动准则,获得了准则比原有的结果更加精确,也包含了原有文献相应的结果。     

时滞差分方程的振动准则

考虑差分方程 :xn+ 1-xn+pnxτ(n) =0 ,n=0 ,1,2… ,其中τ :N→Z是单调不减的 ;τ(n) 相似文献   

多值单调型算子不动点带有误差项的Ishikawa迭代逼近

在一致光滑Ｂａｎａｃｈ空间中,证明了带有误差项的Ｉｓｈｉｋａｗａ迭代序列强收敛于一类多值单调型算子的唯一不动点。这些结果改进和推广了Ｄｕｎｎ,Ｃｈｉｄｕｍｅ,Ｄｅｎｇ－Ｄｉｎｇ,丁协平,Ｃｈａｎｇ－Ｔａｎ等人的最新结果。     

抗开裂PC/PET复合材料的制备及其性能

以聚碳酸酯树脂(PC)为基材,聚对苯二甲酸乙二醇酯(PET)为填料,乙烯-丙烯酸甲酯共聚物(EMA)为增韧剂,含氢硅油(H212)为交联剂,通过熔融共混法制备了不同比例的PC/PET食品级抗开裂复合材料。利用TG,DSC,电子万能试验机和冲击试验机对所制备的PC/PET复合材料进行了表征与测试。结果表明：当PET质量分数为20%时,PC/PET具有最好的相容性,同时热稳定性最好;PC/PET复合材料的断裂伸长率和冲击强度先增大后减小,当PET的质量分数为20%,断裂伸长率和冲击强度较纯PC分别提高了12.8%和17.5%,材料具有最好的韧性。实验表明PC与PET的配比为8∶2时可获得最优的材料性能。     

初始压力对爆轰波在管道内传播的影响

建立爆轰管道研究不同初始压力下爆轰波在管道内传播规律.选用CH4+2O2气体,采用光纤探针测量爆轰波在管道内的传播速度,采用烟迹法记录爆轰波胞格结构.结果表明:爆轰波在管道内传播时出现5种不同传播模式,分别为稳态式、快速波动式、结巴式、驰振式与失效模式.在稳态传播模式下,爆轰波局部速度波动很小且平均速度接近理论爆轰CJ速度,并呈现多头胞格结构.随着初始压力的降低,爆轰波局部速度波动增加且其平均速度产生衰减.在驰振式爆轰解耦处,爆轰波胞格结构消失,过载爆轰时,重新形成胞格结构.进一步降低初始压力至爆轰失效时,则无胞格结构.     

基于语义约束与Graph Cuts的稠密三维场景重建

本文提出一种新颖、有效的稠密三维场景重建算法.在城市建筑场景的重建中,为了快速恢复稠密、准确的深度信息,本文算法首先在视图中对建筑区域进行了语义分割以降低非重建区域(如天空、地面等)的干扰,在提高整体重建速度的同时也增强了采用平面模型对其进行重建的可靠性;然后,在通过基于DAISY特征的空间点扩散方法获取的初始深度图的基础上,针对传统算法难以重建的弱纹理、倾斜表面等区域,本文算法依据场景分段平滑的假设,在超像素级MRF能量优化框架中对其相应的空间平面进行了推断.由于能量函数融合了初始深度图的约束、空间平面先验及空间平面间的几何关系等信息,而且候选平面集通过平面拟合和已知平面约束下的多方向平面扫描两种方法构造,使得相应的两阶段迭代Graph Cuts对能量函数的求解更快速和精确.在标准数据集和真实数据上的实验表明,本文算法能有效克服光照变化、透视畸变、弱纹理区域等因素的影响,快速恢复建筑区域完整的深度图.     

一类非线性算子具混合误差项的Ishikawa迭代序列的强收敛定理

使用新的分析技巧，研究了Banach空间中强增生算子方程解的具有混合误差项的Ishikawa迭代序列的收敛性问题，改进和扩展了近期的许多相关结果。     

汽轮机故障诊断中的信息熵融合

在汽轮机轴系振动故障模拟试验的基础上,对大量故障模拟试验数据进行计算,建立了典型故障的4种信息熵样本.采用概率神经网络对故障信号的4种信息熵特征进行融合研究,并将融合结果与最小距离分类器的分类效果进行了对照分析.研究表明,概率神经网络可实现对训练样本100%的正确识别率,对"陌生"样本的正确识别率也超过80%,其识别效果远远超过最小距离分类器.可见,概率神经网络综合了贝叶斯分类器和神经网络的优势,在汽轮机故障模式分类方面具有明显的优势,利用概率神经网络融合信号的信息熵特征实现汽轮机轴系故障模式识别是一种可行有效的方法.