排序方式: 共有34条查询结果,搜索用时 15 毫秒
21.
基于HV分割的精确碰撞检测及其应用 总被引:2,自引:0,他引:2
为了实现虚拟加工环境中的精确碰撞检测,采用了HV分割的方法以实现三维物体的自动分割,并且在HV分割后很容易地实现包围盒重构,从而对其进行精确碰撞和干涉检测.对于任意两个在虚拟设计环境中的以任意角度旋转的三维物体,采用HV分割均能精确地检测出它们之间的碰撞.该算法在虚拟车削环境中的应用实例可以说明,该算法与传统的包围盒法相比,可更为准确地实现仿真中的碰撞检测. 相似文献
22.
加工状态下实测信号的AR最优建模 总被引:1,自引:0,他引:1
车削加工时的振动信号具有时变和非平稳的特性,采用分段建模的方法可以更加准确地建立其AR模型,同时引入FPE优化准则进行优化设计,可以建立信号的最优模型。对实际加工状态下振动信号的分析证明了该方法的准确性。 相似文献
23.
刀具在加工过程中会受到材料的挤压、摩擦、冲击与腐蚀等因素影响,导致切削刃出现崩刃、磨损等现象.这些现象使得工件尺寸出现偏差,严重时甚至会对机床和人员带来伤害.有效的刀具剩余使用寿命预测可以提高加工效率,保证加工精度,降低加工成本,因此具有重要的研究价值.针对反映刀具磨损程度的趋势性特征自学习提取与刀具剩余使用寿命预测问题,提出了基于深度学习与混合趋势粒子滤波的刀具剩余使用寿命预测方法.使用刀具未发生磨损的信号特征训练降噪自编码器,然后将刀具各磨损阶段下的信号特征输入训练好的降噪自编码器中,提取其重构误差作为单调性特征,为了解决样本数量不足带来的过拟合的问题,对原始样本进行了加噪处理.考虑到传统粒子滤波算法进行刀具剩余使用寿命预测的过程中无法自适应调整状态方程,提出混合趋势粒子滤波算法来实现刀具剩余使用寿命预测.采集刀具全寿命周期的切削力信号并进行处理与分析,分析结果证明了所提方法能够有效实现反映刀具磨损的趋势性特征自提取,该特征提取方法可以减少人为因素的影响,降低训练成本,同时,相比于传统粒子滤波,混合趋势粒子滤波算法对刀具剩余使用寿命预测精度更加准确可靠. 相似文献
24.
王国锋 《安徽理工大学学报(自然科学版)》2001,21(3):33-35
简单介绍了 Matlab的图形仿真软件 Simulink中的电力系统工具箱 ,通过电阻和电机的仿真元件使用介绍及一个仿真实例的研究 ,说明 Matlab非常适合于进行电气设计的仿真实验。 相似文献
25.
基于案例推理的导弹故障诊断专家系统研究 总被引:5,自引:0,他引:5
简述了专家系统应用于导弹武器系统故障诊断的重要意义,并将基于案例推理的技术引入到导弹故障诊断专家系统的设计中,最后结合某型导弹故障诊断特点,探讨了这种基于案例推理的导弹故障诊断专家系统的结构和实现方法。 相似文献
26.
政府信息化与电子政务 总被引:3,自引:0,他引:3
王国锋 《科技情报开发与经济》2004,14(6):43-44
简要介绍了我国政府信息化的概况、电子政务的概念、我国电子政务建设的主要目标及必要性,提出了电子政务发展中应注意的问题,指出推进电子政务建设,能够有效地提升政府形象,搞好政府内网、专网、外网和资源数据库的建设是当务之急。 相似文献
27.
本研究以农村家畜粪便和有机生活垃圾为研究对象,设计了6个不同组合的农村有机废弃物作为基质混入土壤,同时引进日本“大平二号”赤子爱胜蚓(Eisenia foetida)进行盆养试验.结果表明:蚯蚓对农村有机废弃物的减量效果为:3组>2组>1组>6组>5组>4组.蚯蚓分解处理未预处理有机生活垃圾的生物降解率最高,达到75.688%.蚯蚓的日增重倍数和日增值倍数在预处理的有机生活垃圾组合中最低,在未预处理的有机生活垃圾组合中最高,未预处理的有机生活垃圾组合中蚯蚓日增重倍数是0.139,日增值倍数0.177.不同基质的土壤中,有机碳、总氮、总磷、速效氮、速效磷增加,有机质、C/N比降低,未预处理的有机生活垃圾组合pH增加,其余各组合均有降低;本试验结束后各组合蚯蚓体内重金属Cu和Zn的含量超过其作为饲料的标准. 相似文献
28.
在英语学习的过程中,听力难一直是困扰中国学生的一个主要问题。对英语听力的影响有着多方面的因素,本文着重分析了影响英语听力的语音因素并在此基础上提出了一些相应的对策。 相似文献
29.
工频SPWM逆变电源输出电压的变结构控制 总被引:4,自引:2,他引:2
分析了影响50HzSPWM逆变电源输出电压特性的因素;针对其输出电压控制特性中存在的由于滤波网络导致反馈信号延迟大,进而引起电压超调量大,调节时间长问题,提出一种在反馈通道中加入特殊变结构控制的方法,将死区非线性控制与微分加相角超前网络超合起来,以解决电压控制中动,静态特性问题,实验证明该方法是非常有效的。 相似文献
30.
基于TVAR-HMM的滚动轴承故障诊断 总被引:2,自引:0,他引:2
针对工况条件下轴承故障振动信号的非平稳特性,分析时变自回归与隐马尔科夫模型的特点,提出了一种基于时变自回归和隐马尔科夫模型的滚动轴承故障诊断方法.振动信号经时变自回归建模后,得到时频分辨率较高、无交叉干扰项的时频谱,基于能量法对时频谱进行特征提取,然后利用隐马尔科夫模型对故障特征统计分类,实现对轴承故障的诊断.轴承信号分析表明,TVAR建模可以有效地提取信号中的故障特征,结合隐马尔科夫模型的动态统计特性可智能识别轴承故障类型,得到良好的诊断效果. 相似文献