本文阐述了Green函数的原理。以轴承为例阐明了Green函数对设备故障的敏感性,并在以Green函数诊断轴承故障的定量标准方面进行了初步探索

金刚石粒度和掺杂量两因素对Si-Ti-B掺杂金刚石/硬质合金复合体的金刚石层的抗弯强度和耐磨性的综合影响,可以归结为平均自由程与机械性能的关系。在强度(或耐磨性)与平均自由程的关系曲线中,存在最大值。对于低掺杂量材料,强度随平均自由程(粘结相层厚度)的减少而降低。对于高掺杂量材料,强度随粘结相层厚度的增大而下降。Si-Ti-B掺杂烧结金刚石的耐热性高于钴粘结金刚石

材料是人类生活与社会发展的主要物质基础,其品种、数量和质量是人类文明和社会进步程度的标志

针对间断连接无线网络中节点负载不均衡和能量资源受限的问题,提出了一种能量有效的数据转发策略.该策略根据网络运行的历史相遇信息,充分考虑网络特性,以分布式方式估计节点的活跃度、剩余能量和数据转发率,准确地估计节点效用值,感知网络节点的服务能力,以帕累托最优作为自适应选择最佳下一跳中继节点的理论依据,执行数据转发操作,有效地解决了由于节点自私性所导致的网络性能下降.数值结果表明,与其他能量管理机制相比,所提出的机制能够均衡网络节点负载,有效解决网络\热点\问题,延长网络生存时间,使投递率、时延等系统性能都得到大幅度提升

将支持向量机应用于岩体质量等级分类中,采用工程中适用性强的指标如岩石质量指标、完整性系数、单轴饱和抗压强度及结构面摩擦因数,作为判别因素.选用径向基核函数进行训练,通过交叉验证确定最佳模型参数,建立了岩体质量分级模型.该模型采用成对分类方法构建多类分类模型,与已有文献采用一对多分类法构建支持向量机多类分类模型相比,不可分区域减少很多,即模型分类精度提高显著.将该模型应用于工程实例,结果表明预测结果与工程勘测结果完全吻合,证明了支持向量机岩体质量分级方法的有效性

提出了一种基于多变量相重构的混沌时间序列预测方法.该预测方法从非线性动力学系统中获取与待预测时间序列相关的信息组成多变量时间序列,首先进行多变量相空间重构,然后利用局域多元线性回归模型在相空间中进行预测,最后从预测出的高维相点中分离出时间序列的预测值.由于考虑了动力学系统中多个变量之间相互耦合的关系,从而增加了重构相空间的系统信息量,使得相空间的相点轨迹更加逼近原系统的动力学行为.与采用单变量进行预测的方法相比,基于多变量相重构的预测方法无论是单步预测还是多步预测,都能有效地提高预测精度,且具有嵌入维数的选择对预测精度影响较小的优点.通过对Lorenz混沌信号进行预测,实验结果验证了方法的有效性

利用热力学软件计算了齿轮钢氧含量与夹杂物成分控制、夹杂物转变条件.结果表明,20CrMoH钢中具有较高塑性的非金属夹杂物成分(质量分数)为:SiO2 0%~10%、Al2O3 22%~55%、CaO 42%~60%、MgO 5%~10%,与之平衡的钢液中铝的质量分数大于0.020%,钙的质量分数大于0.7×10-6,a[O]为0.0005%左右;选择组成为CaO>40%、Al2O3 ≤ 37%、MgO 10%、(% CaO+% MgO)/% SiO2为10、SiO2含量尽量低的渣系,钢中Al2O3、MgO·Al2O3夹杂物可转变为低熔点的钙铝酸盐.试验发现LF和RH精炼结束时钢液T[O]含量均随炉渣碱度增加而降低,采用高Al2O3含量的炉渣对降低T[O]含量有利;精炼过程钢液中夹杂物按\Al2O3系夹杂物→MgO-Al2O3系夹杂物→CaO-MgO-Al2O3系夹杂物\顺序发生转变,其中MgO-Al2O3系夹杂物向CaO-MgO-Al2O3系夹杂物的转变是由外向内逐步进行的,转变速度相对较慢;降低T[O]含量有利于生成较低熔点的CaO-MgO-Al2O3系夹杂物

振动信号的周期性冲击及其重复频率是滚动轴承故障诊断的关键.本文提出了一种基于集合经验模式分解和交叉能量算子提取滚动轴承故障特征的方法.首先,应用集合经验模式分解方法将振动信号分解为本征模式函数以满足交叉能量算子对信号单分量的要求.然后根据相关程度和峭度从本征模式函数中选取敏感分量,计算敏感分量和原始信号的瞬时交叉能量及其傅里叶频谱.最后根据交叉能量的频谱结构和特征频率识别轴承故障.通过分析滚动轴承故障仿真信号和实验测试信号,诊断了滚动轴承元件故障,验证了该方法的有效性

钢铁企业面临库存增加、产能过剩、盈利艰难等问题，迫切需要通过绿色化和智能化的发展来应对当前的严峻形势.基于钢铁企业制造流程特点，通过分析企业以铁素流为核心的物质流和相应能量流网络特征，针对企业现有信息化系统在物质流和能量流协同方面存在的问题，提出钢铁制造过程的物质流和能量流的协同方法，明确物质流和能量流的耦合应从钢铁制造的单元工位设备与整体流程网络两个层面进行规划、设计和实施，并且指出可从完善信息监控、进行计划协同和调度协同三个方面来实现协同优化.构想基于现有信息系统架构，通过增加相应企业资源计划系统、制造执行系统、能源管理系统等信息系统的功能，以及建立物质流和能量流协同优化信息子系统的方式，以钢铁制造过程的物质流和能量流相关信息的数字化及模型化为支撑，实现制造流程的物质流和能量流协同优化，达成生产优化、资源优化和能源优化的效果

采用共存理论、动力学分析和实验验证的方法,研究转炉冶炼超低碳钢吹炼末期炉渣成分对终点[C]含量的影响规律,建立1853-1973 K时终点[C]与炉渣成分和温度的回归模型.结果表明：FeO活度受温度影响较小,主要受炉渣成分的影响;脱碳动力学条件主要受炉渣成分和温度的影响.炉渣碱度增加,终点[C]含量升高;渣中FeO含量增加,终点[C]含量迅速降低,渣中FeO质量分数应控制在12.0%-18.0%之间;渣中MgO质量分数在7.0%-13.0%范围内逐渐增加,钢液中[C]质量分数增加值不足0.01%;随着温度的增加,钢液中[C]含量降低.回归模型对冶炼超低碳钢的转炉终点[C]含量的预判平均误差率为±15.25%,[C]含量误差在±0.01%以内的炉次占69.19%