煤矿带式输送机用履带自移机尾智能化的设计研究

研制带遥控控制的履带行走式带式输送机用自移机尾,以解决综掘机牵拉皮带机尾作业效率低下、存在安全隐患、迈步式自移机尾对巷道工况的适应性差、操作性差的问题.研究履带行走式自移机尾,并搭载带式转载机及矿用高效湿式除尘器,响应了国家提出的机械换人,自动化减人的要求,在煤矿快速掘进智能化、减员提效、改善掘进工作面作业环境、保...     

新的组合模型及在港口客流量预测上的应用

应用时间序列分析及灰色系统的有关理论提出了一种新的组合模型,并用这一模型对大连港的客流量进行了预测。     

金属表面自催化反应的微电极极化行为

对金属表面自催化反应的微电极极化行为进行了分析,得出了影响自催化反应的两个主要因素是表面吸氢浓度和金属离子吸附浓度;提出了促进自催化反应进行的方法.     

局部自增强厚壁筒中非对称裂纹的应力强度因子

虽然已有许多文献给出了厚壁筒多条裂纹应力强度因子的计算方法和计算公式,但还没有见到关于局部自增强厚壁圆筒中压缩残余应力引起的多条非对称裂纹应力强度因子的文献发表,本文推导了用权函数法计算这种裂纹的应力强度因子的计算公式,借助于已经发表的其它载荷情况下的有限元结果,对一个大的裂纹几何参数根据权函数公式计算了其应力强度因子,可供从事这方面工作的工程技术人员参考。     

窄域上2维弱阻尼KdV方程的局部性质

研究窄域上 2维的非自共轭且非扇形的弱阻尼KdV方程的局部性质 得到该类系统的局部动力学行为 通过对非自共轭算子的不等式估计 ,解决窄域上 2维弱阻尼KdV方程局部吸引子的存在性     

膜结合型巨噬细胞集落刺激因子介导的内吞及其半衰期

膜结合型巨噬细胞集落刺激因子（ｍ－Ｍ－ＣＳＦ）是巨噬细胞集落刺激因子（Ｍ－ＣＳＦ）的异型体,兼有粘附分子和反向传导信号的作用．以ｍ－Ｍ－ＣＳＦ高表达的Ｊ６－１细胞系为模型,研究了重组人 Ｍ－ＣＳＦ可溶性受体（ｒｈ－Ｍ－ＣＳＦ－ｓＲ）与 ｍ－Ｍ－ＣＳＦ的结合、内化和再循环．结果显示： ｍ－Ｍ－ＣＳＦ与 ｒｈ－Ｍ－ＣＳＦ－ｓＲ的结合具高亲和性（ Ｋｄ＝ １．７８×１０－１２ ｍｏｌ／Ｌ）,且 ｍ－Ｍ－ＣＳＦ能介导能量和温度依赖的 ｒｈ－Ｍ－ＣＳＦ－ｓＲ内化（ｔ_１／２＝ ２０ｍｉｎ）;内化的 ｒｈ－Ｍ－ＣＳＦ－ｓＲ能以 ｍ－Ｍ－ＣＳＦ结合的形式回到细胞表面,表明： ｍ－Ｍ－ＣＳＦ有受体样介导内化和再循环作用．用间接免疫荧光法和流式细胞仪测定了４株白血病细胞系和正常人脐血单个核细胞的ｍ－Ｍ－ＣＳＦ、膜结合型Ｍ－ＣＳＦ－Ｒ、胞质和胞核Ｍ－ＣＳＦ及胞质和胞核Ｍ－ＣＳＦ－Ｒ的半衰期,结果显示：４株白血病细胞系的各种Ｍ－ＣＳＦ和Ｍ－ＣＳＦ－Ｒ半衰期均长于正常人脐血单个核细胞相应Ｍ－ＣＳＦ和Ｍ－ＣＳＦ－Ｒ的半衰期,提示：白血病细胞降解Ｍ－ＣＳＦ和Ｍ－ＣＳＦ－Ｒ的速率明显降低;胞内Ｍ－ＣＳＦ和Ｍ－ＣＳＦ－Ｒ在瘤细胞中的作用值得研究．     

OTS分子膜的摩擦特性

在单晶硅和玻璃的基体上制备了十八烷基三氯硅烷（ＯＴＳ）的自组装膜,并采用自行研制的环境控制式点接触纯滑动微摩擦性能测量仪测试了其摩擦特性,考察了湿度对ＯＴＳ自组装膜及基体表面摩擦性能的影响。基体摩擦系数为０．４～０．５,在其表面制备ＯＴＳ自组装膜之后,摩擦系数降至０．１左右,且黏滑现象得到减轻,表明ＯＴＳ膜具有较好的润滑特性。由于ＯＴＳ自组装膜具有强斥水性,其摩擦学性能对湿度变化不敏感,在２０％～     

超宽带毫米波MIMO-OFDM 系统的非线性频偏自干扰与信道联合估计方法

系统同步产生的载波频偏会导致超宽带毫米波多输入输出(MIMO)正交频分复用(OFDM)系统产生非线性频偏自干扰,影响后续信道估计性能。为此,提出了一种非线性频偏自干扰与信道联合估计方法,通过挖掘数据超维隐藏空间的方式,将复杂的多目标优化问题降维分解成多个可并行求解的子优化问题,并利用超宽带毫米波信道的稀疏特性,采用压缩感知算法实现载波频偏与信道的迭代估计。与现有的联合估计方法相比,仿真结果表明所提方法能够有效降低计算复杂度,提升了系统信道估计准确度,并降低了系统误码率。     

基于堆栈稀疏自编码器与 XGBoost 的电力变压器故障诊断

目的 针对变压器油中的 H2 、CH4 、C2 H6 、C2 H4 、C2 H2 气体的浓度存在耦合性问题及电力变压器故障诊断精度较低的问题,提出了利用堆栈稀疏自编码器( Stacked Sparse Autoencoder, SSAE) 和 XGBoost 模型结合的方法来提高电力变压器故障诊断的准确率。 方法 首先利用堆栈稀疏自编码器( Stacked Sparse Autoencoder, SSAE) 处理DGA 数据;其次确定自编码器堆栈个数,确定隐含层数目;然后利用 SSAE 对原始数据进行数据转换,提取深层次特征信息;接着为了消除数据之间数量级差异较大的问题,对提取后的特征数据归一化进行处理;最后将处理之后得到的数据再输入 XGBoost 模型之中进行分类验证。 结果 本文建立的基于堆栈稀疏自编码器与 XGBoost 的电力变压器故障诊断方法诊断准确率为 91. 11%,高于常用的其他机器学习模型。 结论 实验结果验证了方法的有效性,表明基于堆栈稀疏自编码器与 XGBoost 的电力变压器故障诊断方法能够有效提高故障诊断的准确率。     

采用IEWT-SAE算法的配电变压器故障诊断方法

为识别配电变压器运行过程中存在的潜伏性故障,提出一种基于改进经验小波变换(improve empirical wavelet transform,IEWT)及堆栈自编码器(stacked auto-encoder,SAE)算法的故障诊断新方法. 首先,利用顺序统计滤波包络法来改进经验小波变换完成对振动信号的分解,得到一组经验小波分量并计算其与原始信号之间的K-L散度值,以剔除干扰分量. 然后,选取K-L散度值低的经验小波分量作为SAE的输入数据进行特征的自适应提取,再用Softmax分类器完成故障诊断,并在堆栈自编码器训练过程中引入樽海鞘群算法实现参数寻优. 最后,在10kV油浸式变压器上搭建数据采集平台进行故障模拟及分类测试. 实验结果表明,所提方法的分类精度达99.5%,在识别准确率、诊断时间上均优于对比方法.