滚动轴承疲劳故障的在线监视和诊断技术

本文研究振动诊断方法在滚动轴承疲劳故障在线监视和诊断中的应用。 文中指出:通过在轴承寿命试验机上所作的大量试验发现,当轴承疲劳后,在作为其二次效应的振动信号中,除存在已为国内外学者指出并广为使用的“通过频率(又称冲击振动发生间隔频率)”和“高频冲击脉冲”两种信息特征外,还存在另一种位于中高频段的鲜为人知的重要信息特征——某“高频峰群”。 本文对该高频峰群的形成机理、影响因素及检测方法进行了初步研究,并利用这种新的信息特征研制了“以带通滤波器或以精化信息特征DDS模型谱分析法为主体的两种轴承疲劳故障在线监视和诊断装置。     

安装误差对正交弧齿锥齿轮副接触区影响的分析

本文从理论上分析了正交弧齿锥齿轮副的各种安装误差对啮合接触区的单独影响和综合影响,建立了安装误差作用下齿面接触区的数学模型,并通过具体实例讨论了各项安装误差对啮合接触区单独影响和综合影响的程度以及综合影响的“叠加效应”和“互补效应”,提出了满足接触要求前提下降低安装要求的措施.     

能耗率极值原理和重力理论交互作用下粗质颗粒的浓度垂线分布

本文同时运用能耗率极值原理和重力理论研究了固液两相流在粗质颗粒时固相浓度的垂线分布,通过探讨能耗率极值原理对“非单向性”作用问题,进一步揭示了两相流运动的机理。计算结果与实测数据有较好的吻合。其研究方法、原理、步骤也极易推广到其它各种粒径的固相。     

薄膜介质表面电荷密度测量中探头边缘效应影响的消除

本文提出了二维的探头特性函数的概念,完成了用实验方法测取探头特性函数的工作。提出了利用探头特性函数,从表面电位的分布测量值中消除边缘效应影响的理论和方法,以提高探头对电荷面分布测量的分辨能力。对实验数据经用实测的探头特性函数和消除边缘效应的方法处理后所得的结果是令人满意的。     

对《直浇道除渣的模拟研究》一文(A)的不同看法

本文首先论证（Ａ）文的模拟实验方法的科学性与内容的真实性问题,其次考证浇道除渣的渣,除渣的立足点以及造渣除渣的机理问题,最后论证直浇道不除渣和渣砂不同表征问题。     

Earthshaker: A mobile rescue robot for emergencies and disasters through teleoperation and autonomous navigation

To deal with emergencies and disasters without rescue workers being exposed to dangerous environments, this paper presents a mobile rescue robot, Earthshaker. As a combination of a tracked chassis and a six-degree-of-freedom robotic arm, as well as miscellaneous sensors and controllers, Earthshaker is capable of traversing diverse terrains and fulfilling dexterous manipulation. Specifically, Earthshaker has a unique swing arm—dozer blade structure that can help clear up cumbersome obstacles and stabilize the robot on stairs, a multimodal teleoperation system that can adapt to different transmission conditions, a depth camera-aided robotic arm and gripper that can realize semiautonomous manipulation and a LiDAR aided base that can achieve autonomous navigation in unknown areas. It was these special systems that supported Earthshaker to win the first Advanced Technology & Engineering Challenge (A-TEC) championships, standing out of 40 robots from the world and showing the efficacy of system integration and the advanced control philosophy behind it.     

Structure of the human CLC-7/Ostm1 complex reveals a novel state

CLC-7 functions as a Cl?/H+ exchanger in lysosomes. Defects in CLC-7 and its β-subunit, Ostm1, result in osteopetrosis and neurodegeneration. Here, we present the cryogenic electron microscopy (cryo-EM) structure of the human CLC-7/Ostm1 complex (HsCLC-7/Ostm1) at a resolution of 3.6 ?. Our structure reveals a new state of the CLC-7/Ostm1 heterotetramer, in which the cytoplasmic domain of CLC-7 is absent, likely due to high flexibility. The disordered cytoplasmic domain is probably not able to restrain CLC-7 subunits and thus allow their relative movements. The movements result in an approximately half smaller interface between the CLC-7 transmembrane domains than that in a previously reported CLC-7/Ostm1 structure with a well-folded cytoplasmic domain. Key interactions involving multiple osteopetrosis-related residues are affected by the interface change.     

基于卷积模型的核信号仿真

NaI(Tl)探测器因具有探测效率高和成本低等优点,常被用于核辐射能谱测量和核辐射监管等领域．由于实验条件等的限制,研究人员往往较难获取理想的实验核信号,虽然可以借助探测器的仿真信号来实现研究目的,但是常规的探测器单指数或双指数模型和实际采集到的核信号模型存在一定的差异,需要一种更为精准的数学模型对探测器输出信号进行描述．我们通过对探测器信号形成过程分析,将探测器视为线性时不变系统,探测器各个部分响应的总卷积即为输出的核信号模型．本文建立的探测器输出信号卷积模型,结合实测伽玛源的幅度分布规律和相邻脉冲时间间隔分布规律,可以提供更精确的NaI(Tl)探测器输出信号,以便用于伽玛能谱测量算法研究;通过调节脉冲间隔时间大小,可以仿真不同计数下探测器输出信号的堆积情形,以便用于堆积信号还原算法研究．经过与伽玛辐射源的对比测试,该仿真信号与真实探测器输出信号一致,既避免了研究人员接触放射源,提高辐射防护安全性,又为开展数字化核信号处理算法研究及能谱算法研究提供了极大的便利性．     

老龄化背景下城轨换乘站客流组织仿真分析

针对人口老龄化背景下的城轨换乘站客流组织问题,从影响因素分析出发,量化老年乘客生理特征对乘客行动力影响的外在表现,并运用社会力模型描述换乘站内行人运动。借助AnyLogic仿真软件,以重庆市某换乘站为实验对象构建地铁换乘站仿真模型。通过设计多场景仿真实验,结果发现老年乘客比例对站内客流速度、进站时间、换乘时间都有明显影响,尤其是在站内客流瓶颈处和高差变化处的影响更为明显。最后,对适老背景下城轨车站设计和运营提出针对性建议。     

基于梯度加权类激活热力图的卷积神经网络故障诊断模型鲁棒性分析

深度学习近年来在故障诊断领域受到广泛应用,但基于深度学习的故障诊断模型缺乏工程上的物理解释性,难以保证其故障诊断结果的稳定性。以轴承为例,建立了以小波时频图像为故障诊断依据的卷积神经网络模型(convolutional neural network, CNN),提出了一种基于梯度加权类激活热力图(gradient-weighted class activation map, Grad-CAM)的网络模型鲁棒性分析方法,并利用美国凯斯西储大学(Case Western Reserve University, CWRU)轴承数据集进行验证。首先,将故障直径轴承数据以不同方式混合并训练大、小多个模型。其次,利用Grad-CAM方法,建立时频区域与故障模式之间的联系。最后,利用其他工况下的轴承故障数据,以及含噪数据进行测试,并根据结果结合模型最注重的时频区域进行分析。结果表明,基于深度学习的轴承故障诊断模型在参数较少时更加注重低频区域,并能使其具有更好的鲁棒性。