犁式滑雪转弯膝关节软骨有限元分析

随机挑选200名实验对象,记录他们的基本信息、关节角度和滑行速度,对其中181个有效数据进行分析.根据1名志愿者的MR,CT数据建立了膝关节140°软骨与骨的三维模型.根据运动学分析结果和膝关节解剖学结构定义载荷及约束,在Abaqus 6.14中得出转弯膝软骨应力集中出现的位置.研究结果表明:体重过大、速度过快时应适当增大转弯半径以减少向心力对膝关节软骨施加的应力;犁式转弯的过弯速度应控制在3 m/s之内.     

高等职业教育产教融合政策工具 分类及优化路径--基于2010—2019年国家政策文本的量化分析

产教融合是现代职业教育体系构建的重要内容,政府应采取有效的政策工具加以推进。基于政策工具分类视角,将我国国家层面颁布的高等职业教育产教融合政策划分为供给面、需求面和环境面3类政策工具。通过对2010—2019年69份313条政策文本的量化分析,可视化展示3类政策工具占比情况。结果显示:供给面政策工具占据主导地位,需求面政策工具功能彰显,环境面政策工具作用稳定,但也存在供给面政策工具投入长、压力大,需求面政策工具引导多、示范少,环境面政策工具执行力不足、落地难等问题。“十四五”时期,需要以精准改革为核心完善供给面政策工具,借助其示范性引领作用促进产教双方深度融合,打破组织性壁垒,加大环境面政策执行力度。     

液压油缸加工方式之探

阐述了液压传动系统中的执行元件-液压油缸缸筒的加工方式，着重介绍了缸筒的加工工序、内孔加工的重要刀具以及注意事项。     

车削颤振稳定性预测软件研究与开发

针对金属加工过程中颤振预测软件实现的工程需求,设计了车削加工颤振稳定性叶瓣图实验测试软硬件系统,研究了软件实现算法中的关键问题.首先,搭建了由采集卡、加速度传感器、模态力锤组成的硬件系统,开发了具有频响函数测试和稳定性叶瓣图生成功能的系统软件.其次,设计了交互式软件采集及分析界面,研究了基于C#编程语言频响函数测试过程中多通道高速同步触发采集的实现算法,开发了具有由频域分析方法获得颤振稳定性叶瓣图功能的C#类.最后,对CJ0625车床加工系统进行稳定性预测,结果表明软件预测结果与实验结果相吻合.     

并联机床驱动杆铰链位置误差分析

为提高并联机床运动精度,解决其铰链误差对运动精度的影响问题,以东北大学开发的3-PTP并联机床为分析对象,采用叠加原理,建立三自由度并联机构驱动杆铰链误差模型;采用矩阵范数分析驱动杆铰链误差对动平台终端运动精度的影响规律.分析表明,结构参数λ大,不利于减小工作空间内动平台位置误差的最小值,但对其最大值影响不大.该误差模型的建立为此并联机床进一步优化机构设计参数以及误差补偿奠定了基础.     

奇摄动非线性系统Robin边值问题的多种层性质

通过研究一类具有转向点的二阶非线性系统Rob in边值问题的奇摄动.在适当的假设条件下,利用微分不等式方法得到了解的存在性和渐近估计.     

双前桥重型汽车轴间距及操纵稳定性分析

分析了双前桥重型汽车轴间距与轮胎载荷的关系,建立了双前桥重型汽车平面运动微分方程,得到该车型稳态横摆角速度增益和稳定性因素表达式;提出了保证轮胎均载和整车具有不足转向特性应满足的条件;分析结果为双前桥重型汽车轴距合理布置提供了理论依据。     

基于VRML的可视化工具的研究

随着网络技术和硬件设施的飞速发展,虚拟现实建模语言(VRML)被广泛用于在因特网上构建虚拟境界。由于VRML语言自身的特点,虚拟现实的制作十分繁琐。如何使用辅助工具来提高开发的效率,具有很重要的意义。本文分析和讨论了几种基于VRML的可视化工具,并给出校园导游系统的应用实例     

Forecasting key US macroeconomic variables with a factor‐augmented Qual VAR

In this paper, we first extract factors from a monthly dataset of 130 macroeconomic and financial variables. These extracted factors are then used to construct a factor‐augmented qualitative vector autoregressive (FA‐Qual VAR) model to forecast industrial production growth, inflation, the Federal funds rate, and the term spread based on a pseudo out‐of‐sample recursive forecasting exercise over an out‐of‐sample period of 1980:1 to 2014:12, using an in‐sample period of 1960:1 to 1979:12. Short‐, medium‐, and long‐run horizons of 1, 6, 12, and 24 months ahead are considered. The forecast from the FA‐Qual VAR is compared with that of a standard VAR model, a Qual VAR model, and a factor‐augmented VAR (FAVAR). In general, we observe that the FA‐Qual VAR tends to perform significantly better than the VAR, Qual VAR and FAVAR (barring some exceptions relative to the latter). In addition, we find that the Qual VARs are also well equipped in forecasting probability of recessions when compared to probit models.