建立了球轴承ADAMS多体动力学模型，考虑轴承各元件之间的相互碰撞作用及摩擦力，分析了变工况下动量轮用球轴承的保持架质心的涡动行为，对保持架的运行稳定性做出了定量的分析。讨论了轴承启动加速度大小、轴向载荷和有无重力场对保持架稳定性的影响。结果表明轴承启动加速度增加，缩短了轴承启动过程的时间，引导面对保持架的引导作用增强，较高的转速更有利于保持架运行的稳定，但较大的启动加速度使得轴承摩擦力矩较大；轴向载荷升高加剧了滚动体与保持架的碰撞，增加了保持架的涡动状态，而且轴向载荷的增加使得轴承摩擦力矩增加；失重状态下保持架与套圈的碰撞加剧，保持架涡动增加

多聚焦图像融合是计算机视觉领域中的一个重要分支，旨在使用图像处理技术将同一场景下的聚焦不同目标的多张图像中各自的清晰区域进行融合，最终获得全清晰图像。随着以深度学习为代表的机器学习理论的突破，卷积神经网络被广泛应用于多聚焦图像融合领域，但大多数方法仅关注网络结构的改进，而使用简单的两两串行融合方式，降低了多图融合的效率，并且在融合过程中存在的失焦扩散效应也严重影响了融合结果的质量。针对上述问题，在显微成像分析的应用场景下，提出了一种最大特征图空间频率融合策略，通过在基于无监督学习的卷积神经网络中增加后处理模块，规避了两两串行融合中冗余的特征提取过程，实验证明该策略显著提高了多张图像的多聚焦图像融合效率。并且提出了一种矫正策略，在保证融合效率的情况下可有效缓解失焦扩散效应对融合图像质量的影响

1.写出摇摆式颗粒机的结构,工作过程 2.写出包衣机包糖衣的过程,操作方法 3.画出所参观片剂车间的生产工艺流程并写出

第一节金属切削刀具基础 第二节金属切削过程中的变形 第三节切屑类型及控制 第四节切削力 第五节切削热和尚温度 第六节刀具磨损和刀具寿命 第七节刀具几何参数和切削用量的选择 第八节磨削原理

为探究干湿循环对水泥基复合充填材料长期稳定性的影响，以水灰比4∶1水泥基复合材料为研究对象，借助ETM力学试验系统、X射线衍射及扫描电镜扫描装置，对不同干湿循环次数下“饱水”状态和“失水”状态的试件进行单轴抗压强度试验，并通过物相分析及微观结构探讨干湿循环对其影响机理。结果表明，随着干湿循环次数的增加，“饱水”状态下失水率逐渐增大，含水率和容重呈下降趋势，峰值强度先增加后减小，增幅最高达9%；“失水”状态下失水率、含水率和容重均变化不大，峰值强度较初始状态有所降低，最高达13.5%；两种状态弹性模量和残余强度都呈下降趋势。通过机理分析发现，“干”过程中碳化反应是材料强度降低的主要原因，而“湿”过程中吸水将部分碳酸钙等物质转化为具有承载能力的钙矾石（AFT）和碳硫硅钙石（TSA）是材料强度恢复的主要原因，但恢复能力有限，长期的干湿循环会对水泥基复合充填材料稳定性产生不利影响

以往对全尾砂膏体屈服应力的研究局限于理想屈服应力流体框架内，认为一定材料配比条件下，膏体的屈服应力是确定的，即认为屈服应力是膏体料浆固有的一个物理属性值。通过开展不同质量分数全尾砂膏体屈服应力测量实验，分析了测量速率与测量时间对不同浓度膏体屈服应力的影响，发现屈服应力值的大小与测量过程相关。对比分析峰值屈服应力、动态屈服应力、静态屈服应力，发现全尾砂膏体屈服应力随测量时间–测量速率在一定条件下的变化规律，即峰值屈服应力、静态屈服应力正比于膏体的测量速率，动态屈服应力反比于测量时间，以变异系数Cv评价料浆屈服应力的离散程度，其中74%质量分数膏体动态屈服应力变异系数最大，Cvmax=27.07%，而66%质量分数膏体静态屈服应力变异系数最小，Cvmin=2.33%。进而从细观层面分析了膏体屈服过程中颗粒间作用力、颗粒网络结构随测量时间–测量速率的变化规律，解释了全尾砂膏体屈服应力易变性机理

指标质疑与惊天动地KDJ 技术指标使用方便、判断直观,深受市场喜受, 事实上指标虽能起到有益的参考作用,但显然被过分 夸大,甚至让人误入指标陷阱。这是由于指标都是根 据量价时空的数据运算而得,往往比实际的股价变化 慢一个计算过程。成交的价量在先指标的变化在后 指标往往是相对滞后的,股价与指标是因果关系由 “因”可推出“果”,由“果”来溯“因”却不一定, 因此不能把它当作灵丹妙药

装配图是用于表达部件或机器的工作原理、零件之间的装配关系和相互位置，以及装配、检验、安装所需要的尺寸数据的技术文件。在设计过程中，一般都先绘制出装配图，再由装配图所提供的结构形式和尺寸拆画零件图；也可以先绘制零件图，再根据零件图来拼画装配图。装配图的绘制涉及前四章已介绍过的各种零件图的绘制方法。本章以铣刀头和机用虎钳为例，介绍将已有的零件图定制成图块，然后将这些图块拼装成装配图的方法，同时清除多余的图线，进行零件序号和明细表的填写

为了获得钢渣制备陶瓷过程中,烧结温度和保温时间的影响规律及实现样品的致密化,在传统研究关于配方试制及性能检测的基础上,以钢渣、黏土等为主要原料制备出钢渣陶瓷,针对低镁样品和高镁样品,研究了烧结温度和保温时间对样品烧结性能的影响及致密化规律.基于烧结速率方程建立了烧结温度和保温时间对样品线性收缩率的函数关系.通过动力学分析,得出不同条件下的烧结激活能,分析认为不同Mg含量下陶瓷样品的致密化方式为扩散控制,低镁样品烧结温度为1000℃时,物质迁移由表面扩散控制,1100℃时,以体积扩散为主;高镁样品在1110℃以上烧结时,主要由液相烧结过程的扩散控制

针对分类数据, 通过数据对象在属性值上的集中程度定义了新的基于属性值集中度的类内相似度(similarity based on concentration of attribute values, CONC), 用于衡量聚类结果中类内各数据对象之间的相似度; 通过不同类的特征属性值的差异程度定义了基于强度向量差异的类间差异度(dissimilarity based on discrepancy of SVs, DCRP), 用于衡量两个类之间的差异度.基于CONC和DCRP提出了新的分类数据聚类有效性内部评价指标(clustering validation based on concentration of attribute values, CVC), 它具有以下3个特点: (1)在评价每个类内相似度时, 不仅依靠类内各数据对象的特征, 还考虑了整个数据集的信息; (2)采用几个特征属性值的差异评价两个类的差异度, 确保评价过程不丢失有效的聚类信息, 同时可以消除噪音的影响; (3)在评价类内相似度及类间差异度时, 消除了数据对象个数对评价过程的影响.采用加州大学欧文分校提出的用于机器学习的数据库(UCI)进行实验, 将CVC与类别效用(category utility, CU)指标、基于主观因素的分类数据指标(categorical data clustering with subjective factors, CDCS)指标和基于信息熵的内部评价指标(information entropy, IE)等内部评价指标进行对比, 通过外部评价指标标准交互信息(normalized mutual information, NMI)验证内部评价效果.实验表明相对其他内部评价指标, CVC指标可以更有效地评价聚类结果.此外, CVC指标相对于NMI指标, 不需要数据集以外的信息, 更具实用性