用三维建模与增材制造新型航海类教具

为了提升航海类教学质量,培养出优秀的航海类人才,以船舶辅机教学内容中的离心泵为例,文章详述了用三维建模与增材制造新型航海类教具的制作方法.根据船用离心泵IS50-32-125的结构,利用SolidWorks软件对船用离心泵进行三维建模和FDM3D打印机打印,通过调整其打印比例,将温度、速度和质量参数分别调试到合适状态,...     

加强集中研磨工艺提高制动阀检修质量

制动阀故障是影响行车安全和运输秩序的主要故障类型之一,通过逐步完善制动阀检修工艺措施和管理制度,有效提升了安全风险管理能力,提高了制动系统零故障交检水平,实现了货运列车的运能突破。     

国内外汽车滑动轴承材料发展现状及趋势

滑动轴承是汽车（特别是发动机）中非常重要的摩擦易损件，与发动机曲轴、活塞销、凸轮轴及汽车底盘上的某些轴类零件组成重要的摩擦副。滑动轴承材料的性能在一定程度上影响或决定着汽车和发动机的寿命、可靠性及某些主要经济技术指标。因此，随着汽车及发动机性能的不断提高，滑动轴承材料的发展也相当的迅速。     

模式类及其上的知识表示和推理

指出知识之间的关系广泛存在，这些关系正是插值推理所需要的。然而还没有一种容纳知识之间的关系的知识表示的方法，模糊推理方法隐含了这些知识但没有明确地表示出来。文中还建立了一种表示不确定知识的框架－模式类，此框架用于表示知识之间的关系，并且建立了在此框架上进行知识推理的方法，该方法可以应用到传统模糊推理能够应用的地方，且应用范围更广。     

用顶级诠释奢华之A类自行式房车

"暖风吹来夏日的脚步,火热的天气让度假变得更加兴趣盎然。当夏日的诱惑拨动看蠢蠢欲动的心时,那还等什么,带着我们的"家"即刻出发,无论多远让我们去嗅海水冰纯的气息,听海浪欢快的笑语……"     

柴油汽车排气制动故障的排除

排气制动的基本工作原理柴油汽车排气制动系统由储气筒、管路、电磁阀、排气制动阀及排气制动阀控制机构组成。制动时，放松加速踏板．打开排气制动开关．电磁阀产生吸力．关闭排气口。     

一种新的聚类算法在数据挖掘中的应用

说明聚类算法在数据挖掘中的作用,并结合实际数据的特点,采用一种新的模糊聚类算法.该算法在事先不知聚类数的情况下,能够确定聚类数及中心点.同时,能够消除噪声对于数据的影响,适合较大规模的数据,方便进一步的数据挖掘.对实际通信信号的实验结果表明该方法是实效的.     

探究铁路工程地质与钻探的结合

针对部分特殊岩土、不良地质及特殊地层特点，提出铁路工程地质与钻探工作的结合方法，从而更好地开展铁路工程勘察设计工作。     

基于卷积自编码的沥青路面目标与裂缝智能识别

目前基于深度学习的路面裂缝识别经常面临训练数据集小，以及路面图片标注成本高等问题，基于小规模路面图片数据集，利用卷积自编码（CAE）方法进行数据增强，开展包括路面裂缝在内的路面目标智能化识别方法研究。在传统图像几何变换数据增强的基础上，采用CAE重构图片方法对原始数据集进行两步骤扩增；利用卷积神经网络DenseNet，设置了不同数据扩增方法的对比试验；针对沥青路面裂缝图片背景较黑，裂缝特征不清晰，无监督聚类学习难度大等问题，采用了一种基于CAE预训练的深度聚类算法DCEC，对经数据增强的路面图片进行无标注的聚类识别。研究结果表明：经过DenseNet网络100代的训练，在同一测试集的测试下，基于原始数据集训练的网络分类准确度为78.43%，利用传统图像处理方法进行扩增后准确度为83.44%，利用所提出的图片增强方法进行数据扩增后准确度达87.19%；在保持扩增后数据集样本量大小相同的情况下，与几何变换、像素颜色变换等经典数据增强手段相比，CAE重构图片的数据扩增方法有较高的路面图片识别精度；CAE数据扩增方法较受训练数据集样本量的影响，利用传统方法将数据集扩增后进行CAE特征学习，重构后的图片样本更易被机器识别；相较于传统机器学习聚类算法，所提出的的DCEC深度聚类方法将聚类准确率提升了约10%，初步实现了无需人工标注的路面目标的端到端智能识别。