铁路中间站辅助设计系统

铁路中间站辅助设计系统是Object ARX2004,基于Access数据库,在Visual C 7.0中对Auto2004的二次开发.系统的基本功能包括站型库管理、示意图的编辑与修改、咽喉区的优化、坐标自动推算、工程量计算及表格生成、尺寸标注、工程数据管理等.此外,还介绍了系统的总体结构和模块设计.     

基于深度学习的动车组运行安全图像异物检测

动车组在运行过程中容易附着塑料袋等异物,影响动车组的运行安全.针对动车组运行安全图像异物自动检测的问题,研究基于卷积神经网络的动车组异物检测与分割模型,该模型采用特征金字塔网络提取异物的多尺度融合特征,通过区域提议网络生成未知类别的候选区域,通过预测网络对候选区域进行分类和位置回归,并通过分割网络生成预测区域的蒙版.针对异物形态变化多样,采用可变形卷积改变感受野适应异物形态的变化.针对异物检测任务中异物数量远小于背景零部件的数量,采用在线困难样本挖掘筛选出困难样本重新输入预测网络以平衡正负样本的比例.实验分析表明,通过优化方法使得最终模型检测精度达到了90.35%,提升了4.03%;召回率达到94.85%,提升了8.1%.      

支持向量机在内燃机车燃油系统故障诊断中的应用

将支持向量机应用到内燃机车柴油机燃油系统故障诊断中,将故障诊断问题转换为故障分类问题,成功地实现了小样本情况下的数据识别.以昆明机务段在修程期间记录的故障数据作为样本,采用1-a-1多类分类器对DF4B型内燃机车燃油系统部分故障信息进行了学习.计算结果显示采用支持向量机的识别方法,故障判断平均准确度可以达到99.2%.     

全球数字化转型的车界新样本

数字化转型浪潮袭卷全球,业务系统向云端迁移,国内企业上云也势不可挡。当前,越来越多的企业通过数字化改变企业销售,变革内部运营,全面重塑业务。此次疫情又为整个社会数字化进程加速带来了新契机。如何利用数字化转型调整商业模式、优化企业组织结构,进而提升企业核心竞争力,成为摆在企业面前的重要课题。近日,在全球30个国家拥有超过40个研发中心、近80个生产基地的汽车零部件企业均胜电子,通过一场特殊的云签约仪式,与科技巨头微软达成战略合作,将自身的全球化部署和数字化转型战略向前推进了一大步。整合全球数字转型战略,均胜电子是如何做的?     

关于一面两销作为安装基准的零件图上尺寸标注探讨

在机械类产品的设计制造和检验中经常遇到这样的实例,即箱体的两部分或箱体与盖等之间的连接是依靠接合面与接合面上的两个圆柱销来定位的,以此来保证轴孔的同轴或位置等.这类件的安装基准(一面两销)与轴孔间位置要求的尺寸标注有多种方式,多数不能自圆其说或不能做到规范、严谨和合理.     

基于混凝土碳化的桥梁耐久可靠度分析

以混凝土碳化作为评价指标,提出一种在小样本条件下进行桥梁耐久可靠度分析的方法。通过利用参数的线性无偏估计,使用这种方法可以直接计算钢筋混凝土桥梁的耐久失效概率。并通过工程实例进行验算。     

一种轻量化制动摩擦片背板样本的装调与实车测试分析

本文对一种轻量化制动摩擦片背板进行了材料的分析与选择,并利用粘接的方式进行了样本的组装。通过对不同车型进行对比,最终选定合适车型,在实车上安装调试后,进行了综合道路测试。通过对测试数据和样本实体的分析,验证该种轻量化制动摩擦片背板设计的可行性,对无人驾驶汽车的适用性,探讨了材料进一步优化的思路和未来发展前景。     

参数优化VMD对变压器声音信号的故障诊断

变压器内部局放声音信号包含了设备故障特征信息,但是局放声音信号的非线性、非平稳性使得故障特征难以提取,因此现有基于声音信号识别变压器内部故障识别率低.为此,提出模拟退火优化变分模态分解—样本熵的特征提取方法,并与支持向量机结合进行变压器内部局放故障诊断.首先,基于模拟退火算法实现变分模态分解(variational mode decomposition, VMD)的参数寻优;然后,采用最优参数设定VMD并对故障声音信号进行分解,得到包含故障特征的本征模态函数,进而求取各本征模态函数的样本熵作为对应样本的特征向量;最后,利用支持向量机实现特征向量的识别与分类.模拟实验结果表明,所提出的方法可以有效提取局放故障声音信号的特征,具有较好的故障识别率.     

有序样本聚类方法在城市轨道交通运营时段划分中的应用

为合理划分轨道交通运营时段并指导其开行方案,提出一种基于有序样本聚类技术的运营时段划分方法。根据统计时段内客流数据,引入单向OD(origin-destination)概率矩阵,并给出单向OD概率矩阵的时序模型和提取方法;利用有序样本聚类方法,以最优分割法量化站间客流转移规律,求解聚类方案。最后以某一轨道交通线路为例,提取时间间隔为20 min的上行OD概率矩阵时间序列,以最优分割法进行聚类,将站间客流转移规律相近的统计时段归为一类,提出目标线路运营时段划分方案。     

基于PSO的小样本特征选择优化算法研究

针对神经网络进行小样本数据训练时出现文本表征精确度低及特征过拟合,易造成权值全局最优和局部最优的不平衡现象,提出一种基于粒子群的双向长短期记忆网络(Bi-PSO)算法,利用Bi-LSTM对序列数据中长短期距离依赖信息的能力,对文本特征矩阵进行最小残差化处理得到降维矩阵,并通过粒子群算法获取降维矩阵中特征向量的全局最优和...