基于混合优化算法的关节臂式测量机参数标定

为进一步提高关节臂式坐标测量机等高机动性精密测量设备的测量精度,使用D-H矩阵法建立其关节坐标转换数学模型并据此推导出参数误差模型.针对非线性多参数标定问题,通过变换分析消除了最小二乘法求解时矩阵中的冗余参数,降低了计算的复杂性.设定判定准则并实现最小二乘法和模拟退火算法的混合,提出了一种基于混合优化算法的参数标定方法,解决了LM算法的初值设定和SA算法的搜索效率逐步降低的问题.实验结果表明:关节臂式测量机参数经混合优化算法标定后,参数的误差范围有了显著的缩小,单点重复性误差的平均值减小了1.746 mm,长度误差的平均值减小了0.941 mm,测量误差得到了进一步的抑制.     

基于改进灰狼算法优化SVR的航天侦察装备效能评估

定量评估航天侦察装备效能是武器装备体系建设的重要环节之一, 对装备发展和作战应用具有重要的现实意义。针对评估样本数据少、效能在多指标因素影响下变化规律非线性等条件下的效能评估问题, 提出一种基于改进灰狼(improved grey wolf optimizer, IGWO)算法优化的支持向量回归机(support vector regression, SVR)评估方法(IGWO-SVR)。引入反向学习策略及余弦非线性收敛因子改进灰狼优化算法收敛性能及全局寻优能力, 并将其应用于基于支持SVR效能评估参数的优化。基于航天侦察装备特点, 构建评估指标体系及航天侦察装备效能评估模型。最后, 通过对一定作战想定背景下航天侦察装备效能进行仿真评估, 验证了所提方法的合理性及优化模型的有效性。     

基于GAN的通信干扰波形生成技术

现有通信干扰方法, 通常基于通信侦察中获取的目标信号特征进行干扰决策, 选取合适的干扰波形实施干扰, 难以应对目标信号特征未知或参数动态变化的情况。为此, 提出一种基于生成对抗网络(generative adversarial networks, GAN)的通信干扰波形生成技术, 运用GAN直接提取目标信号的潜在特征, 并生成与目标信号特征相似的干扰波形。在介绍GAN原理的基础上, 首先设计网络模型, 并对学习率进行优化, 使GAN更适用于时间序列通信干扰波形的生成。然后通过对不同类型和参数的通信信号进行干扰波形生成实验, 验证了该技术的泛化性。最后进行干扰效果对比试验, 结果表明, GAN生成的干扰波形干扰效果能够逼近最佳干扰效果。     

高温作用后砂岩物理力学性质阈值温度的确定——基于机器学习算法

通过采用机器学习算法，提出了高温作用后砂岩物理力学性质变化的阈值温度的确定方法。基于Python语言，利用K-Means、SVM算法，实现了对样本数据的分类和聚类，确定了阈值温度区间，验证了二分类法的合理性和准确性.结果表明，砂岩样本的阈值温度区间为400~600 ℃，阈值温度上下砂岩的物理力学性质存在显著差异，体现为阈值温度区间以下的岩样物理力学性质较为分散，而阈值温度区间以上的岩样物理力学性质较为集中.     

智能高速罐身电阻焊机数字化控制系统

提出了以国产MCT80 0 0F8运动控制器为核心的智能高速罐身电阻焊机数字化控制系统 ,并介绍了系统的组成、工作原理、硬件接口、电机控制方法以及伺服电机的运动关系数学模型 .新的系统有利于提高罐身电阻焊机的制罐生产速度 ,并具有功能全面、可靠性高、控制精确、开放性好以及成本较低等优点     

西文期刊回溯建库中几个重要项目的著录

在实践的基础上，从期刊的出版日期、出版周期、卷、期、年、月及其他标识、ISSN、增刊、出版者以及期刊的历史发展等方面对西文期刊机读目录的标准化著录问题进行了探讨。     

过滤机液位控制系统在洗煤厂的应用

介绍了过滤机液位控制系统的结构、功能及其在洗煤厂的应用情况，并根据其运行结果，指出了需改进的部分。     

修配法解装配尺寸链的简易计算

推导出了修配法解装配尺寸链的简易计算公式．使修配法分析计算更为简便，更易于掌握。     

燃料添加剂对柴油机烟粒燃烧的影响

考察了燃料添加剂对降低柴油机烟粒燃点温度的效应。含金属添加剂的柴油机烟粒被收集在金属纤维过滤器上,把原状烟粒样品移入实验室反应器,用模拟柴油机排气进行燃烧试验。实验结果表明,当烟粒中含有Pd或Cu时,烟粒的燃点温度可降至430℃左右(普通柴油机烟粒的燃点温度约600℃);Pd的添加还可大大降低烟粒一次燃烧产物中CO的分率。文中还对金属(催化剂)/烟粒接触程度和添加剂溶液中可燃性部分对烟粒燃烧的影响作了讨论。     

工艺规划系统中动态模式分类的研究

提出了工艺规划系统中动态模式分类（pattern classification）的概念，介绍了模式分类判定树和动态模式分类的基本原理，并对动态模式分类的聚类质量标准进行了研究。动态模式分类是基于实例归纳（case based reasoning,CBR)的自动分类过程，具有自学习和自完善的功能。