为了解决多芯电缆的非侵入式电流测量由于被测对象信号微弱、系统灵敏度高、易受环境因素干扰，造成测量误差较大的问题，采用磁阻传感器的非侵入式电流测量系统为研究对象，在分析系统测量方法及硬铁、软铁和比例因子等误差构成的基础上，提出一种基于二步法的误差校正方法，该方法通过对传感器输出信号进行非线性变换，构造了与误差相对应的矩阵方程，并在对方程求解后进行非线性回归计算，从而实现对多芯电缆的电流测量值的动态误差修正.实验结果表明，该方法可以同时校正非侵入式电流测量系统的线性误差与部分非线性误差

基于块体化程度和物元可拓理论,提出一种适用于顶板稳定性分级的BET法(classification method based on blockiness and extension theory).从三维空间上运用块体化程度指标刻化顶板围岩的完整性,建立以块体化程度、单轴抗压强度、节理条件和地下水条件为指标的评价体系;构建物元可拓模型的经典域、节域和待评物元,分析指标间不相容问题,用可拓层次分析法计算指标权重;综合计算关联度,制定出稳定性分级方法与标准.选取广西铜坑矿四个裂隙岩体试验区,进行BET分级法的工程应用研究.将BET法分级结果分别与RMR法、RSR法、Q法等传统方法及BT法的结果进行了对比.结果表明:与其他各类分级方法相比,BET法所选指标体系更全面,评价方法更客观、科学,评价结果更准确

针对边坡稳定性影响因素复杂、传统的稳定性分析方法计算工作量巨大、计算过程复杂的问题,提出了一种新的解决方法——判别分析方法.以在边坡稳定性分析中广泛采用的边坡重度、内聚力、摩擦角、边坡角、边坡高度、孔隙压力比共六项指标作为判别因子,建立了可进行边坡稳定性预测的判别分析模型.典型工程实例的分析结果表明,该方法简便可行,具有较强的分析可靠度,且排除了边坡稳定性判别分类中人为因素的影响,为解决边坡岩体稳定性判定和分类提供了一条新的途径,可以在实际工程中进行推广

一、概述 二、齿轮传动的失效形式及设计准则 三、齿轮的材料及其选择原则 四、齿轮传动的计算准则和设计方法 五、标准直齿圆柱齿轮传动的强度计算 六、齿轮传动的设计参数、许用应力与精度选择 七、标准斜齿圆柱齿轮传动的强度计算 八、标准锥齿轮传动的强度计算 九、齿轮传动的润滑 十、齿轮的结构设计

采用有限元方法计算了点接式玻璃幕墙在风荷载作用下的应力场,并讨论了其特性,得到了玻璃板的最大挠度计算公式.计算结果与实验结果一致

为解决W型辐射管温度均匀性差和NOx排放过高的问题，提出了一种新型带烟气循环的W型辐射管，建立了该辐射管的数学模型，并运用数值计算的方法进行了模拟研究.在验证模型可靠的基础上，对带烟气循环的W型辐射管和常规W型辐射管的流场、温度场和NOx排放进行了比较.结果表明：带烟气循环的W型辐射管气体平均流速是常规W型辐射管气体流速的3倍，有57.6%的烟气参与再循环；带烟气循环的W型辐射管中气体燃烧最高温度为2260 K，比W型辐射管低192 K；带烟气循环的W型辐射管壁面温差为166 K，比常规W型辐射管的壁面温差小76 K；带烟气循环的W型辐射管的NOx排放量9.9×10-5，而W型辐射管的NOx排放达到7.98×10-4，高出将近7倍

为解决W型辐射管NOx排放过高的状况，运用数值计算的方法，研究了具有两级空气分级的W型辐射管NOx排放情况，经验证，模型可靠.探讨了不同稀释剂、分级稀释以及高温稀释情况下对NOx排放的影响规律.分析以N2和CO2作为稀释剂的区别，发现以CO2作为稀释剂更能抑制NOx生成，在保证火焰稳定的情况下适当增加稀释体积分数可以使出口NOx降低到4×10-5以下.通过采用分级稀释，发现二级风与一级风相比，更能减少NOx排放.通过高温预热空气添加稀释剂的模拟，发现即使空气预热温度达到1000℃以上，也可以通过增加稀释体积分数将出口NOx控制排放在1×10-4以下

提出了一种采用LabVIEW并行运算提高传统遗传算法计算速度的方法,可实现多核计算机多线程的同时运算,从而大幅度提高运算效率.Ni-Ti合金线材无模拉拔初始阶段拉拔速度路径优化结果表明,在八核计算机上采用基于LabVIEW的多线程并行运算程序,与基于文本编程的MATLAB运算程序相比,前者运算时间仅为后者的1/8左右.Ni-Ti合金线材无模拉拔实验结果表明,采用本文智能优化后的拉拔速度路径,可使线材直径波动长度缩短至24 mm,远小于线性或S线型路径的最小直径波动长度

在前一章中,我们引进了导数的概念,详细地讨论了计算导数的方法。这样一来,类似于求已知曲线 上点的切线问题已获完美解决。但如果想用导数这一工具去分析、解决复杂一些的问题,那么,只知道怎 样计算导数是远远不够的,而要以此为基础,发展更多的工具

针对地磁导航方向适配性分析时人工提取的特征主观性较强且难以表达深层的结构性特征的问题,提出一种基于深度卷积神经网络(convolutional neural network,CNN)的地磁导航方向适配性分析方法.首先,利用Gabor滤波器的方向选择特性建立了6个典型方向的适配特征图;然后,设计了卷积神经网络对深层次的方向适配特征进行提取,并通过混和粒子群算法(hybrid particle swarm optimization,HPSO)对卷积神经网络的训练参数进行优选;最后,通过仿真实验对所提方法进行了验证.结果表明,该方法可有效避免复杂的计算以及人工特征提取的盲目性,实现了地磁导航方向适配性分析的自动化,且所提方法的准确率高于传统的BP网络和支持向量机,对地磁导航和航迹规划具有指导意义