车辆使用维修中应避免人为故障

汽车是由许多零部件有机地组合在一起的,它们之间有着严格的配合关系。如果零部件由于调整不当而丧失原有的性能,或者零部件的相对位置发生变化,配合关系失去协调,使汽车出现反常的现象,这就是所谓的人为故障。     

制冷剂回收机在汽车维修中的重要性

1、制冷剂回收机的功能特点在汽车维修作业时,经常要用到制冷剂回收机,俗称冷媒充注机、冷媒回收机或加氟机。其实,如果从功能上来理解,制冷剂回收机可以分为单充注机、单回收机和回收充注机。单充注机,主要组成部分为真空泵、充注管、高低压表及接头,它只能完成充注制冷剂的功能。     

基于SVM的地铁钢轨短波波磨特征识别

地铁钢轨短波波磨现象严重影响列车运行安全,更快速、准确地对钢轨波磨进行检测,有利于及时指导钢轨打磨,从而避免或减少由钢轨波磨引发的一系列问题。文章以轮轨噪声作为检测信号,提出了一种基于支持向量机（SVM）的地铁钢轨短波波磨特征识别框架;结合轮轨噪声和短波波磨类别特点,采用时域-频域特征提取方法,以最大化支持向量机分类精度为依据,实现对特征的有效提取和选择;较为全面地考虑现实中的各类钢轨短波波磨类型,实现对短波波磨的正确分类。分类测试结果表明,基于轮轨噪声和支持向量机的地铁钢轨短波波磨特征识别方法能够有效地对波磨波长和幅值进行正确分类,其中波长分类平均精度达到97.32%,幅值分类平均精度达到97.99%.     

通用型FPSO消防水系统管路应力分析及优化

通用型FPSO拥有良好的作业性能,但是性能提高的同时其安全性就需要得到更严格的要求。本文通过对通用型FPSO消防水管路系统建立Caesar Ⅱ模型,对其各种情况下的工况进行分析,对其所受应力进行计算,对不合理部分进行相应的优化;对消防水管道进行约束载荷以及法兰泄漏进行相应的分析,并根据安全要求对其进行相应的调整,保证消防水管路系统的安全性,确保FPSO完成生产任务。     

基于SVM的中小学校门口交通安全评价

根据兰州市安宁区8所中小学校门口调查数据,建立基于支持向量机的中小学校门口交通安全评价模型,利用MATLAB编程,计算8所中小学相对安全情况。结果表明：在数据样本较小的情况下,应用SVM 模型可以较好评价中小学校门口安全等级;在数据充足、影响因素指标赋值规范的情况下,评价效果进一步提高。可以为中小学校门口道路及其附属设施建设提供参考,有效地减少城市儿童道路交通伤害。     

基于DBNs的车辆悬架减振器异响鉴别方法

针对人工经验提取特征进行减振器异响鉴别的复杂性与不可扩展性的问题,分析了深度信念网络(deep belief networks,DBNs)在减振器异响鉴别中的应用,并结合减振器整车与台架试验提出了完整的减振器异响鉴别流程.该方法只需将收集到的减振器活塞杆顶端振动加速度信号作为输入,经过DBNs模型逐层特征学习便可进行减振器异响鉴别.同时将鉴别结果与经典的BP神经网络、支持向量机以及传统的3种人工特征提取方法进行对比分析.结果表明:在输入仅为原始信号的条件下,深度信念网络模型对减振器异响鉴别的准确率为96.7%,表明了深度信念网络在减振器异响甄别中的优越性,具有广泛的工程应用前景.      

基于多重分形与SVM的高速列车运行状态识别方法

为了评估高速列车服役性态问题,提出基于多重分形与支持向量机(SVM)的高速列车状态识别新方法.该方法计算了高速列车振动信号的多重分形谱,分析了多重分形谱参数与列车状态之间的关联关系,提取了多重分形谱宽度、分形维数差和谱偏斜度作为高速列车状态的特征,使用支持向量机来对高速列车状态进行识别.获取了某型列车的正常状态、抗蛇行减震器失效、空簧失效3种典型的多重分形特征,训练了不同速度下的SVM和单一速度为160 km/h的SVM,并进行了工况识别实验.所提方法对高速列车的状态识别率大于88.8%,表明了该方法的有效性.      

圆板式橡胶支座的性能评价

采用通用有限元软件ANSYS对圆板式橡胶支座的典型代表试件建立FEA模型,针对支座中心加载和坡梁偏压加载工况,进行了数值模拟分析,从有限元仿真分析的角度,定性地解释了圆板式橡胶支座的受力性能,以及利用有限元数值分析手段定性分析橡胶支座性能的可行性。     

门座起重机回转支承法兰联接方法的改进

介绍了门座起重机回转支承法兰传统的5种结构形式及它们存在的问题,并根据理论和实践经验提出改进方案。     

一种基于支持向量机的增量学习算法

具有增量学习功能的数据分类技术与普通的数据处理技术相比较,增量学习分类技术具有明显的优越性?在新的训练过程中充分利用了历史的训练结果,从而显著减少了后继训练的时间。介绍了支持向量机的基本理论和一般的支持向量机增量学习算法,针对有些渐变问题(如机械设备的早期故障期和损耗期),新样本所提供的信息量与历史样本所提供的信息量是不同的,给出一种新息加权的支持向量机的增量学习算法,通过循环来获得最优分类面仿真实验表明,采用加权的增量算法更能反映新样本点的特征?