基于ADAMS的履带式推土机行走装置动力学仿真分析

利用Pro/E建立履带式推土机行走装置的三维实体模型,简化后导入ADAMS中对其进行动力学仿真分析,并对驱动链轮、支重轮和履带板之间的作用力进行了仿真研究,为履带行走装置的改进设计提供了理论依据.     

履带式推土机粘弹性悬挂机构的开发研究

对履带式推土机行走机构的振动特性进行测试 ,建立起推土机缓冲系统模型 ,经对模型特性参数对传递率影响的分析 ,确定出参数的合理值域。把阻尼材料诺模图曲线数字化 ,做到了计算机对诺模图动态曲线的自动查询 ,实现了阻尼缓冲结构的动态优化。掌握了阻尼缓冲结构的设计理论和方法 ,已应用于 2 4 2kW履带式推土机粘弹性悬挂机构的开发。     

电传动推土机牵引性能匹配的变压控制方法

电传动推土机动力总成包括发动机、发电机、超级电容以及轮边驱动电机,其载荷变化范围大且具有突变性的动力学特征,使发电机与电动机难以实现全局功率匹配.针对电传动推土机动态牵引性能匹配这一关键问题,提出基于双DC-DC(直流-直流)变换器的直流母线电压变压控制方法.即在直流母线与发电机之间加入DC-DC变换器,控制发电机的额定电压工作点,实现发动机在额定工况点工作的高效目标;在直流母线与电动机之间加入DC-DC变换器,根据实时载荷所表达的系统状态变矢量调节变压系数,控制发电机与电动机相对于载荷变化的动力学匹配关系,使发电机与电动机在全载荷意义上实现功率匹配,保证其牵引性能的发挥.通过某型号推土机开发过程性能匹配及其系统数字化模型仿真试验,验证了基于双DC-DC变换器的直流母线电压变压控制方法的有效性.     

推土机极限载荷控制系统的探讨

在推土机作业过程中,急剧变化的外部阻力常常会使发动机转速下降或者使机器滑转率上升,进而导致工作状况恶化。提出了一推土机极限荷载自动控制系统,该系统可以根据机器的工作状态自动调整铲刀的切削深度,从而保证推土机始终工作于生产率最高的状态。     

基于维吾尔文的聚焦策略爬虫技术研究

随着网络资源的不断丰富,人们获取信息的途径已被网络代替。维吾尔文,在语言信息处理,WEB应用等领域有了迅速的发展。文章针对网络爬虫的工作原理以及聚焦爬虫策略进行阐述,在此基础上结合维吾尔语信息提取的相关研究,研究了维吾尔文的网络爬虫技术的结构和策略,从而为维吾尔文搜索引擎的网页数据库建设和维吾尔文网络舆情分析研究提供海量的语料。     

串联电传动履带推土机功率跟随控制策略研究

分析了发动机与发电机组及超级电容工作特性,建立了串联式电传动履带推土机发动机-发电机组和超级电容的数学模型,提出了一种基于最佳燃油消耗曲线的功率跟随控制策略. 通过发动机及发电机的台架试验数据建立系统各部件的仿真模型,对提出的控制策略进行仿真验证,并分析了燃油经济性. 结果表明,在设定的推土机作业工况下,与传统机械结构的原型机相比,采用最佳燃油消耗曲线的功率跟随控制策略节油率达22.3%.      

用有向图法解决网页爬行中循环链接问题

提出网页构成的有向回路问题, 描述了由网页构成有向图的形式定义, 并给出了用有向图法发现网页构成的有向回路算法. 所给定的算法能使网页爬行器避免掉入由已爬行过的网页构成的有向回路陷阱.     

本体技术在个性化推荐系统中的应用研究

针对个性化推荐系统中传统的用户建模技术的缺陷,本文将领域本体的理论与方法应用到电子商务个性化推荐中,设计了一种本体和服装信息相结合的个性化推荐模型。利用Protégé实现了服装知识本体的构建过程,在真实数据集上的实验结果验证了算法的可行性和有效性。该设计与已有的推荐算法相比,具有更高的预测准确度。     

基于HMM的主题爬虫研究

主题爬虫是垂直搜索引擎的核心组成部分,它为面向主题的用户查询准备数据资源;提出了一种基于HMM的主题爬虫方法,方法不仅分析网页内容,而且还考虑网页的上下文链接结构,首先将当前网页的聚类结果作为观察状态、将当前网页到目标网页的链接距离作为隐含状态,然后通过HMM模型学习用户的主题浏览模式并利用它采集更多的主题网页;实验结果表明:方法能采集大量与指定主题相关的高质量网页,主题爬行效率优于Best-First主题爬虫。     

基于SVM预测的金融主题爬虫

随着Internet上信息的爆炸,利用通用搜索引擎检索用户相关的信息变得越来越困难,而主题爬虫成为WEB上检索主题相关信息的重要工具。目前大部分基于分类器预测的主题爬虫的训练数据是不同类别网页的内容,但是在实际预测过程只能根据父网页中的一些链接信息进行预测,所以造成主题爬虫的预测的准确率较低。本文使用SVM分类器对标注了类别的URL以及上下文和锚文本进行训练,并分别使用了DF和信息增益两种不同的特征选择方法进行特征筛选,对影响分类器的各种因素进行了实验对比,并对分类器进行了在线的实验.实验证明这种方法在实际预测过程中效率很高。