2022博之旺开启智能制造新征程

近几年,一些标杆线束企业自动化取得了极大发展,工业4.0对线束加工行业既是机遇也是挑战,不管是现在的自动化生产,还是将来的智能化生产,都离不开线束作为数据传输和电力供应的媒介。工业设备的智能化,反而会更加地依赖线束,这对线束加工行业来说是一个发展机遇。     

大型研究院所档案管理向知识智能辅助决策转型研究

大型研究院所是集产品研发、生产、经营和管理于一体的知识密集型企业,大型研究院所档案管理在做好档案的收集、整理、保管等传统档案工作的同时,在当前大数据、人工智能、辅助决策等信息技术迅猛发展的背景下,应该深挖档案的信息属性和知识属性,积极向知识智能辅助决策转型。     

中国RoHS 2.0解读与机电设备企业应对策略

我国颁布并实施《电器电子产品有害物质限制使用管理办法》(中国RoHS 2.0),对电器电子产品所含有的六种有害物质进行限量管控,旨在减少并控制电器电子产品废弃后对环境造成的污染,增加绿色产品供给,引导并鼓励绿色消费,促进电器电子产品产业绿色高质量发展。文章通过对《电器电子产品有害物质限制使用管理办法》的阐述与分析,为机电设备企业提供一些参考意见。     

新型零航速矢量减摇系统研究

针对海洋科研平台、科考船等减摇系统的快速响应性工作需求,在螺旋桨推进器基础上开发了一种零航速矢量减摇系统。本文介绍系统机构设计及其工作原理,结合耐波性计算分析获取船舶横摇规律,采用滑台搭载重物往复移动方式,模拟船舶规则横摇以获得规则波实验条件,并通过船模实验验证该减摇装置作用下的船舶横摇减摇效果。零航速规则波模拟实验研究表明,该减摇装置具有可控性强、易改装的特点,能够大幅提高船舶的耐波性,为后续工程试验船舶上安装该减摇系统奠定理论与实验基础。     

公路沿线交通标志视觉适应性分析

针对公路沿线交通标志牌和户外广告牌是否可以被驾驶员有效识别问题，给出一种公路沿线相关标志牌视觉有效性评估流程方法。模型可以根据相关标志牌的图像，通过图像处理方法获取标志牌的文字信息，并根据文字信息特征以及户外标志牌的设置位置与大小，自动分析所设计的标志牌在相关位置是否可以被相关人员认读，通过相关公路标志牌的检测表明：本文设计的方法可以有效确定相关标志牌的合理性。     

船舶主柴油机建模与仿真

船舶主柴油机作为船舶动力装置的核心设备,在船舶安全航行中有着至关重要的作用。对船舶主柴油机进行建模可以进一步研究柴油机的工况及性能,文章以7K98MC型柴油机为研究对象,基于Matlab/Simulink平台搭建柴油机工作过程的仿真模型,并对模型正确性进行验证分析。     

装备维修企业建立标准体系的研究

根据国家标准中企业标准体系的相关要求,对装备维修企业建立标准体系进行了探讨,提出装备维修企业标准体系的结构及内容,以及制定装备维修企业标准的一般程序。     

兰新高速铁路高寒地段路基温度场数值模拟分析

兰新高铁浩门至大梁区间所处地区海拔高,气温低,冻结期长,属于深季节性冻土区。为解决该区间路基冻害问题,依据当地气候条件,运用ANSYS有限元分析软件,对低路堤、零断面换填路基及不同深度处铺设保温材料的路基温度场进行数值模拟,分析路基冻结深度的变化规律和最大冻结深度,为高寒区高速铁路路基冻害防治措施设计提供参考。研究表明:(1)由于兰新高铁浩门至大梁区间海拔高、冬季冻结时间长、气温低等原因,导致路基冻结深度大;(2)零断面换填路基实测地温和数值模拟计算结果基本相符,所选计算模型、参数等可以为其他相同条件断面数值模拟分析采用;(3)铺设保温板路基温度场较未铺设保温板的0℃线上移,冻结深度增加速率变小,最大冻结深度明显减小,路基保温效果较好;(4)由于路基边坡、基床以下部位土层性质、厚度、热物理参数等影响,低路堤最大冻结深度比零断面换填路基大。     

船舶动力设备退化基线计算及预测方法

船舶动力设备在自身性能退化过程中的相当长一段时间内仍能完成规定功能,对具有重要特征参数或性能指标的船舶动力设备而言,若使用定基线进行健康状态评估会导致评估值连续较低甚至误报警问题。为了解决这一问题,以目标设备按性能退化时间序列采集的特征参数为研究对象,首先建立退化基线计算方法,利用滑动概率神经网络和性能可靠度与基线值间的转换函数获得目标设备的动态退化基线;然后建立ARMA预测模型获得预测参数,并与退化基线计算方法结合对退化基线发生动态变化的时间节点进行预测;最后利用海水泵对建立的方法可行性进行验证。结果表明,本文建立的退化基线计算方法能够获得动态基线,退化基线预测方法能够对动态基线的变化时间节点进行准确预测。     

基于聚类站点客流公共特征的轨道交通车站精细分类

已有城市轨道交通车站分类多基于定性分析，不能满足精细化设计和运营的需要。本文提出一种基于聚类站点公共特征的站点精细分类方法。首先，将来源于AFC(Automatic Fare Collection)的进站客流量数据处理为时间序列数据，并基于K-Means++算法对各个站点的客流量进行聚类；其次，建立客流量聚类结果与土地利用特征多维参数的拟合方程，计算获得居住密集型、工作就业型以及区域中心型等5种大类站点的客流量公共特征。在此基础上，充分考虑属于同一大类站点不同站点的细分特性，使用5类客流量公共特征比重组合精细描述具体站点类型。 实例结果表明，使用本文提出的精细分类方法计算得到的每个站的客流量拟合值与真实客流值间的平均绝对百分比误差控制在14%以内，说明该分类方法具有可行性。