曲轴表面淬火技术新发展

在各专业公司与用户的合作下，曲轴轴颈表面的感应淬火技术有了新发展。根据BMW公司的经验，对淬火工艺、淬火介质、减少变形的偏心淬火和偏心磨削方法、及硬化深度等自动测量及成套生产设备等方面作了介绍。     

基于改进DFS的联锁仿真教学系统的设计与实现

针对联锁系统进路搜索效率低下的问题,分析了广度优先、A*等搜索算法的局限性,提出了一种带有约束条件的深度优先搜索(DFS)进路搜索算法,搭建站场型拓扑网络,动态创建二叉树模型,设计改进DFS进路搜索算法的程序流程。从教学角度提出软件设计方案,以Visual Studio 2010为平台进行软件开发,实现CTCS-3级列控系统中的联锁仿真教学系统,该系统不但具备良好的可操作性,还集成故障设置、通信数据包查询等功能。     

超深振捣条件下混凝土墙体模板侧压力的简化计算方法

超深振捣对混凝土成品质量有害无益,研究超深振捣引起模板侧压力增大的规律,可为规避其害提供依据。为此设计4个混凝土墙体试件,实测在浇筑过程中模板侧压力的变化情况。基于振捣液化和液体压力平衡理论,建立了超深振捣情况下混凝土模板侧压力计算模型,推导了计算公式,并与实验数据进行对比验证。研究结果表明,振捣深度是影响混凝土墙体模板侧压力的重要因素,本文提出的计算模型能很好地预测墙体结构超深振捣位置的模板侧压力。     

深度模拟器液压系统仿真研究

介绍了深度模拟器总体结构及工作原理,针对深度模拟器控制系统中PID算法及其相关参数进行了仿真研究。以深度模拟器液压系统为模型,利用AMESim仿真软件工具,对整个液压系统进行了仿真分析并对系统各元器件的参数进行了优化,为深度模拟器的进一步研究提供了理论基础。     

大深度浮力驱动式水下运载器的浮潜运动研究

基于模型试验,对大深度浮力驱动式水下运载器的上浮运动进行研究与分析,基于数值仿真,提出大深度浮力驱动式水下运载器浮潜运动的快速预报方法,并将预报结果与模型试验结果进行对比,证明快速预报方法的准确性。使用快速预报方法,针对水下运载器比重变化、流体密度变化、水下运载器初速度以及水流扰动4种因素对浮潜运动的影响进行研究.此外,对水下运载器作六自由度运动时所受的水动力进行计算,为后续的六自由度运动预报和研究提供基础。     

一款可以“喝”的灭火剂

随着经济社会的发展和城市化进程的加快,公共场所、个人家庭的消防安全和火灾防范出现了新特点、新趋势。江西圣辉生化科技有限公司坚持以“推动绿色消防”为宗旨,围绕军民深度融合、消防应急建设、脱贫攻坚等主题,积极探索,投入科技创新研发成本,不断迭代升级消防产品。     

疏浚监控系统原理及校验方法*

耙吸式挖泥船与绞吸式挖泥船的疏浚监控系统的校验工作与施工生产是密不可分的。为提高挖泥船的疏浚监控系统校验工作的准确性和合理性，对耙吸挖泥船与绞吸挖泥船部分无溯源施工设备原理及校验方法进行分析，如绞刀深度原理及校验方法、耙臂下放深度原理及校验方法；并对部分主要施工设备原理及校验方法进行分析，如密度计原理及校验方法、流速计原理及校验方法。结合实际校验的工作经验，验证施工关键设备校验后调整方法的可行性及校验结果的可靠性，得出提高两种挖泥船校验工作质量和效率的方法，提高了施工准确度和生产效率，使疏浚项目加快顺利完成。     

基于轻量级卷积神经网络的烟雾识别算法

由于烟雾图像场景模糊不清，背景复杂多变，难以捕获到有效特征，导致算法识别误报率和漏报率较高；此外，深度卷积神经网络结构复杂，参数繁多，难以缩短其计算时间至1 ms内，这成为实时火灾预警的一大难题. 为了解决上述问题，提出了一种基于4种Inception结构的轻量级卷积神经网络SInception （sequeeze-and-excitation inception）在此基础上加入SE Block （sequeeze-and-excitation block）用于对烟雾特征进行重新分配；同时，为了避免由于训练样本不足引起的过拟合，原始数据集上采用数据增强技术以及生成对抗网络生成更多训练样本，并在后续实验中采用了融合暗通道先验特征的策略. 实验结果表明:该网络在增强的数据集GAN-Aug-YUAN上将识别误报率降为0的同时将准确率提升至99.65%，且计算时间减少到0.26 ms.      

铁路路基动态变形模量的数值模拟分析

介绍铁路路基动态变形模量理论计算公式的推导及动态变形模量的测试原理,采用有限元软件模拟动态变形模量的测试过程,分析承载板与土体接触压力、路基动态变形模量的影响因素,并计算动态变形模量的有效测试深度.结果表明:在承载板中心一定范围内,接触压力模拟结果较理论计算值大;土体的动弹性模量对接触压力影响很小,可以忽略;路基动态变形模量测试冲击荷载作用下,土体只发生弹性变形;动态变形模量与土体动弹性模量呈线性关系,路基动态变形模量的模拟结果大于理论计算值;土体的泊松比对动态变形模量影响较小;动态变形模量有效测试深度建议取0.5~0.6 m.     

基于深度学习的机器视觉技术在造船中的应用

近年来,以人工智能为代表的新兴技术日渐成为了传统行业生产力提升的增倍器.在船舶建造领域,为了实现高质量发展,智能制造技术的推广势在必行.由于其显著的特性,基于深度学习的机器视觉技术正应用于越来越多的造船工艺流程中,为提高生产效率、提升产品质量做出越来越重大的贡献.