MLINEX损失下k阶Erlang分布参数的Bayes估计

在MLINEX损失函数下,利用Bayes估计的方法研究了k阶Erlang分布参数的Bayes估计,并证明其容许性.给出了在MLINEX损失下得到了k阶Erlang分布参数的Bayes估计的精确表达式,并且通过随机模拟检验参数Bayes估计的合理性和优良性.     

高速动力卡盘的夹紧力损失分段模与实验研究

高速动力卡盘是高速数控车床的重要功能部件.夹紧力损失是限制动力卡盘转速提高的首要因素.考虑动力卡盘传动机构在低速阶段与高速阶段的变形差异、卡盘传动机构的摩擦力、回转液压缸中液压油液的压缩性等3个因素,建立了夹紧力损失分段模型;并针对刚度不对称的动力卡盘,提出了修正的夹紧力损失计算模型.经实验验证,该模型具有较高的精度,能较好地解释总体夹紧力损失系数随转速的升高而增大的实验现象.另外,还讨论了动力卡盘在升速各阶段的夹紧力损失系数、各阶段之间的临界转速、以及楔式动力卡盘的自锁能力.具有小楔形角（α〈20o）的楔式动力卡盘,在常规润滑状态下（μ0〉0.06）,夹紧力损失分为两个阶段,低速阶段（升速第一阶段）的夹紧力损失系数约是中、高速阶段（升速第二阶段）的70%.具有较大楔形角（α〉20o）或者极低摩擦系数（μ0〈0.06）的楔式动力卡盘,夹紧力损失最多可分为3个阶段,在高速阶段（升速第三阶段）,楔式传动机构不具有自锁能力,夹紧力损失与回转液压缸是否有液压锁以及液压油的压缩性有关,第三阶段的局部夹紧力损失系数是第二阶段的1.75～2.13倍.本文提出的分段模型有利于深入全面地认识动力卡盘的夹紧力损失机理,对动力卡盘的优化设计和转速的提高有重要的意义.     

对称熵损失下两个指数总体均值的序约束估计

在对称熵损失下, 讨论了样本容量相等时, 两个指数总体均值λ_i(i=1,2)的约束极大似然估计i的险, 其中约束为λ₁≤λ₂. 证明了λ₁与λ₂具有比经典极大似然估计X₁与X₂ 更小的风险, 并给出了当λ₂/λ₁→∞和n→∞时,λ_i对X_i(i=1,2)渐近功效e(λ_i,X_i)的值.     

Linex损失下Rayleigh分布参数倒数的Bayes估计

在Linex损失函数L(θ,δ)=ec(δ-θ)-c(δ-θ)-1,c>0下,给出Rayleigh分布的尺度参数倒数的唯一Bayes估计δB(X)=-1/clnE(e-cθ│X)=(n α)/cln(1 c/(λ T)),多层Byaes估计δ∧B(X)=-1/cln,和容许性估计的一般形式Sln(1 c/(d T)).     

Linex损失下Pareto分布参数的Bayes估计

该文讨论了在Linex非对称损失函数下Pareto分布参数的Bayes估计及多层Bayes估计,并证明了相应的估计是可容许的.     

黄土的结构性试验研究

对兰州原状黄土、重塑黄土进行了室内三轴试验,运用损伤力学的观点引入了结构性损失系数mσ,并根据试验数据,分析了含水量对兰州黄土结构性的影响,得出兰州黄土的结构性损失系数mσ与影响土结构性的因素之间的变化规律,为黄土的结构性研究及实际工程提供了参考数据。     

建立甘肃省工程建设监管系统的设想

甘肃省工程建设监管系统是以工程为主线,涵盖工程的规划、勘察、设计、施工图审查、造价、招标、施工安全、质量、施工许可、竣工验收备案等工程建设全过程的监督管理系统。建立工程监管系统,提高建设主管部门的办事效率,更进一步促进建筑市场的发展。     

建筑信息模型(BIM)在地震工程领域的研究进展

建筑信息模型(Building Information Model,BIM)借助它自身的可视化、模拟化获取建筑物全部信息的优势,在土木工程各领域进行了很多的尝试和应用.随着城市经济的高速发展,城市地震灾害损失越来越严重.因此,基于建筑信息模型(BIM)在地震工程领域的应用,近年来逐渐成为研究热点.本文综述建筑信息模型(...     

基于加权损失函数的粘连白细胞分割算法

针对粘连白细胞很难精准分割的问题,提出一种基于深度学习的粘连白细胞分割算法.首先,将急性淋巴细胞白血病患者的血液细胞显微图像的色彩空间由RGB转换至HSV,滤除红细胞并提取白细胞;其次,对提取结果中的粘连白细胞,将细胞边界设定为除前景和背景外的第三类,在深度学习分割模型训练过程中引入基于类别权重的加权交叉熵损失函数,使...     

基于实际径向切深的连续曲面周铣铣削力建模

为提高连续曲面周铣过程中铣削力的预测精度和计算效率,采用参数化曲面描述工件轮廓和刀具路径,研究实际径向切深的计算方法,推导解析算式,给出基于实际径向切深的瞬时切入角、切出角计算公式,从而构建了瞬时铣削力模型,提出了基于实际径向切深的铣削力预测方法.采用仿真法证明了曲率对实际径向切深具有显著影响,加工凹曲面时实际径向切深...