汽车D柱饰板集成设计概述

作为重要的外饰装饰零件,D柱饰板在提高汽车整体线条流畅性和美观性上的作用日益突出,提高D柱饰板的集成设计能力也显得愈发重要.文章主要从基本结构、设计要求和布置方案等方面对D柱饰板的集成设计进行总结概括,分析了D柱饰板的几种常见集成设计方法,并应用不同方法对集成方案进行选择和优化,为D柱饰板的工程开发提供了思路,同时也为...     

电子装备故障预测方法研究

文章介绍了电子装备系统故障预测的概念,以及故障预测的流程,并对预测的方法进行了研究。其中展开对灰色系统理论进行研究并建立了故障预测的灰色模型方法;以及建立了最小二乘支持向量机(LS-SVM)回归预测算法和反向传播神经网络预测方法。三种预测方法为后续电子装备的故障预测建立了理论基础。     

基于神经网络的液晶数字识别在船用设备管理中的应用

数字识别是字符识别中的一个重要的研究课题。阿拉伯数字只有0～9十个,而且笔画简单,但是识别这十个数字并非易事,识别的正确率并不高。虽然液晶数字在形式上相对于识别难度较大的手写体数字来说比较规范,但是液晶数字的变体也比较多,形状各异,因此文章研究的目的在于找到一种对于液晶数字识别的一般的有效的方法。文章建立了＂仪表监控与数字识别系统＂,主要对液晶数字识别的过程进行了讨论,重点研究了数字图像处理和数字识别,做了以下几个方面的工作：1）在研究了多种液晶数字特征的基础上,提取了数字的粗网格特征。2）建立了一个基于BP神经网络的液晶数字识别系统,进行了分类器设计,并对数字识别结果进行了检验,取得了较好的系统性能,从而证明了采用的方法是可行的。     

舰载平面阵天线布置中的电磁兼容性问题及控制措施

以平面阵天线为射频集成系统的典型研究对象,从电磁兼容性层面分别研究平面阵天线装舰的电磁特性、平面阵天线与传统离散天线装舰布置方式的区别,以及平面阵天线间主要的电磁干扰耦合方式。分析并提出阵面天线的应用将使得高场强分布由离散的舰面分布,改变为集中分布并向高空间发展,呈现出立体分布特性;改变原来天线的隔离度特性,将产生新的强近场环境的电磁干扰特征,对舰载天线和电子设备的优化布置产生重大影响。为解决平面阵天线带来的新问题,必须突破的关键技术将涉及辐射源、耦合途径和敏感设备的电磁分析、建模和试验验证等方面,电磁分析需要计入舰船物理环境和天线布置状态的影响。同时,在平面阵天线的优化布置尚无相关标准可依的情况下,可以先通过试验获取不同条件下天线间隔离度数据作为参考,并通过抑制表面波传输等手段进一步控制电磁兼容性。此外,还需加强对上层建筑的空间和频谱的管理,防止各平面阵天线间的相互干扰。     

基于卷积网络与自适应SVM的齿轮箱故障诊断

针对齿轮箱运作过程中故障诊断效果不理想的问题,提出了一种卷积神经网络(CNN)与粒子群优化的支持向量机(PSO-SVM)方法.首先利用特征参量求出信号的时频特征统计量,其次利用卷积神经网络对时频特征统计量进行二次特征提取,最后利用粒子群优化的支持向量机进行分类.经实验验证,此方法准确率不仅高于其他经典网络模型,而且训练...     

基于Pro/Mechanica的机械结构优化设计

介绍了Pro/Mechanica,并针对结构优化设计给出了一般的设计步骤,并以一角架为例,完成了角架的优化设计。研究表明利用Pro/Mechanica可以无缝集成PRO/E建模与有限元分析,提高机械产品的设计效率。     

粗糙集-BP神经网络组合在PSC选船模型中的应用

本文以欧盟最新港口国监督法令(2009/16/EC)巴黎备忘录目标船选船机制(NIR)为研究对象,提出基于粗糙集和BP神经网络组合算法的PSC的新选船模型。研究结果表明:该算法有效结合粗糙集理论与BP神经网络的优点,属性约简科学合理,避免选择评价因素的主观影响,简化了网络结构。     

贝叶斯与遗传神经网络相融合的柴油机故障诊断研究

利用小波包分解提取缸盖振动信号的特征向量,提出选择因子对改进误差反向传播(BP)神经网络和超1-依赖贝叶斯算法的诊断结果进行融合,克服贝叶斯和神经网络的不足。通过在WD615柴油机上的实验检测,证明了该方法的有效性。     

物流集成场视角的港口内陆腹地延伸战略思考

<正>一、物流集成场理论认识港口内陆腹地物流集成场是物流集成体进行物流集成活动所涉及经济、社会、自然等诸多领域的时空范畴。港口-陆港商贸或物流企业、陆港、海港,以及到境外的海港、陆港、用户企业或收货人的物流过程,     

基于BP神经网络的复杂布局管道泄漏检测研究

对基于BP神经网络的复杂布局管道泄漏检测与定位进行研究,确定实验方案和研究内容,介绍BP神经网络的输入参数、训练目标和隐含层节点个数,阐述基于BP神经网络的复杂管道泄漏检测研究。研究表明：用BP神经网络来预测复杂管道发生泄漏后的泄漏量大小是完全可行的;用其对是否发生泄漏进行状态辨识,则还要进行数据的二次处理;由于训练样本过少,用BP网络进行泄漏定位时会产生较大的误差,建议增加训练样本数,从而提高泄漏定位精度。