种养融合下种植桶侧立面蔬菜立体培植模式探讨

为了减小生猪规模养殖对周边环境的污染,缓解养殖场周边田土面积有限与养殖规模之间的矛盾。在种养融合基础上,提出一种使用种植桶侧立面进行蔬菜培植的新模式。该模式首先设计了专用种植桶结构,将蔬菜种植位由地表平面分布改为空间立体分布,实现同一类型蔬菜的空间立体培植,并可多桶堆叠使用,将单位占地面积的植株培植面积最大化;其次种植桶内营养土一茬一更换,既保证了蔬菜的培植质量又增强了生猪粪污的消纳能力。试种结果表明该新型模式既显著提升了养殖场周边单位田土面积的生猪粪污消纳能力,很好地缓解了田土面积有限与养殖规模之间的矛盾;同时还大幅度提高了农作物的产量,为养殖户家庭带来可观经济收益。

基于α稳定分布参数和支持向量机的齿轮箱故障诊断方法

针对含有尖脉冲的齿轮箱振动信号故障特征难以提取且样本较少的问题,提出了一种基于α稳定分布和支持向量机故障诊断的新方法。先设计齿轮箱故障测试方案,获取齿轮箱振动信号;然后提取齿轮箱振动信号的α稳定分布参数,用它作为故障类型的特征样本,并结合决策树和投票法构造多分类支持向量机齿轮箱故障决策系统。该方法较好地解决了小样本学习问题,避免了人工神经网络进行诊断时的过学习、收敛速度慢等缺点。实际齿轮箱故障诊断实验结果表明所提方法有效。

数控机床可靠性增长模型参数的贝叶斯算法确定

以国产数控机床的可靠性为研究对象,给出了适合数控机床的可靠性增长模型,引入了适用于小子样抽样试验的贝叶斯参数确定算法,通过贝叶斯参数估计值与传统的参数估计值分别与实验真值比较,得出应用贝叶斯算法所确定的模型参数具有更高的可靠性和准确性结论。

面向学生工程能力培养的《机械制图》教学改革探讨

为了实现卓越工程师人才培养的需求,立足培养学生的工程能力,从教材建设、教师队伍的优化和制图技能培养体系设置3个方面对《机械制图》课程进行教学改革。教材建设方面,应加强与企业的联合,编写富含制图理论在工程中应用实例的制图教材;教师队伍优化方面,应选拔具有工程知识背景的《机械制图》主讲教师;制图技能培养体系设置方面,应与后续课程设计、毕业设计共同实现对学生制图技能的不间断训练和体系化培养。

基于神经网络的数控机床可靠性预计研究

本文提出了利用人工神经网络来辅助实现数控机床的可靠性预计的方法,建立了用于数控机床可靠性预测的三层BP神经网络模型,给出了具体的算法,并通过实例证明该方法比传统的数学模型预计方法更准确和可靠。

基于教学理念变革的《机械制图》教学改革探讨

根据《机械制图》是学生接触的第1门专业课及其自身抽象难懂的特点,提出了"虎头式"、"以面带点"式、"换位思考"式教学理念,促进了《机械制图》教学方法改革,提高了《机械制图》课程的教学质量。

基于神经网络的数控机床可靠性预测的研究与实现

数控机床的生产厂家为了生存和发展的需要,对可靠性的预测也提出了迫切的要求。本文提出了基于人工神经网络的可靠性预测方法,建立了用于数控机床可靠性预测的三层BP神经网络模型,给出了具体的算法。通过实例证明该方法比传统的数学预测方法更准确和可靠。

浅析UG软件在工程制图课程教学中的应用

工程制图课程如果在教学过程中,加入实物作为模型,采用多媒体配套教学,来提升教学效果。本文旨在探讨如何应用UG软件的可观性、具象性来完成工程制图课程教学。

基于贝叶斯算法的数控机床可靠性增长模型参数确定初探

介绍了适合数控机床可靠性增长的增长模型。为确定准确可靠的模型参数,引入适用于小子样抽样试验的Bayes参数确定算法,并通过实例证明,应用Bayes算法所确定的模型参数比传统的算法估计值,具有更高的可靠性和准确性。

工程制图类课程一体化教学改革

该文分析了课程教学中存在的问题，并针对问题在教学理念、教学内容、教学方法、教学手段以及一体化实践教学等方面的改革进行了思考和实践。这些改革思路和措施有效地提高了教学质量、加快了课程建设步伐。

混沌-支持向量机在加工误差预测中的应用

提出将混沌-支持向量机模型方法应用于加工误差数据预测。利用互信息法和曹氏方法进行相空间重构,并运用小数据量法计算最大Lyapunov指数,对加工误差时间序列进行混沌识别。通过最小二乘支持向量机对历史样本的学习建立预测模型,并将其预测结果与RBF神经网络预测结果进行仿真对比。结果表明,在较少的加工误差数据条件下,该模型能够有效地描述和预测加工误差的变化,具有较高的预测精度。

高脂血症相关性重症胰腺炎救治1例

病例 男，32岁，因“腹痛半天”于2012年6月23日入院。入院前半天，患者进食油腻饮食后出现上腹疼痛，呈持续性刺痛，放射至腰部，伴反酸、嗳气、恶心，呕吐清水样物3次，量约50ml／次，无腹泻、呕血、黑便，无畏寒、寒战、发热等不适。

基于LS-SVM的机床加工误差预测模型探讨

提出一种基于最小二乘支持向量机(LS-SVM)的机床加工误差回归模型和预测方法,给出了相应的步骤和算法。通过与BP神经网络和RBF神经网络预测方法比较,仿真结果表明,在较少的误差数据条件下,该模型能够有效的描述和预测加工误差的变化,且模型预测误差比神经网络模型小60%左右;应用该预测模型预测机床加工误差有更高的预测精度,对其实施补偿和控制,将有效提高机床的加工精度。

基于粗糙集的车牌字符特征提取方法探讨

本文介绍了一种基于粗糙集理论的优化车牌字符识别的方法。粗糙集理论是一种继神经元网络和模糊数学之后的新的处理含糊和不确定性知识的数学工具;粗糙集方法是一种具有发展潜力的智能信息处理方法。本文主要思想就是在汉字的网格特征提取过程中保持分类能力不变的前提下,通过知识约简提出了一种车牌字符网格特征选择的改进算法;它不仅找出了对识别最有效的网格特征集,而且可以大大降低图像特征空间的维数,减少工作量和无用特征干涉,从而提高了分类识别率。

基于CFD的顶部可开合塑料温室外流场仿真分析

顶部可完全打开的塑料温室能更好地满足采光、降温、换气、除湿的要求,为作物的生长提供更适宜的条件。介绍一种顶部可“折扇状”收放的塑料温室为研究对象,应用CFD数值方法对其封闭状态的风压及风速等进行模拟。通过对不同风向来风时的流场分析,得出温室表面风载的特征及其分布规律,说明CFD方法在风压分析方面的有效性,分析结果可以为温室的结构设计以及建造提供有价值的参考。

Alpha稳定分布噪声条件下的广义S变换时频分析

在分析Alpha稳定分布噪声干扰下的非高斯信号时,基于传统二阶广义S变换时频算法效果显著退化。针对该问题,提出了基于分数低阶的广义S变换时频分析(FLO-GST)算法。该算法将分数低阶谱理论和常规广义S变换时频分布算法有机结合,同时优化窗口调节因子改善时频聚集性,得到较好的时频图谱。通过计算机仿真,并与其他时频算法进行对比,结果表明,该算法能有效抑制脉冲噪声干扰,更好的描述稳定分布噪声下非平稳信号的时频图谱,具有良好的韧性。

脉冲噪声环境下机械故障信号的盲分离

针对振动传感器在采集故障信号时,在α稳定分布脉冲噪声的干扰下,使得传统机械故障信号时频盲源分离算法性能退化的问题,提出了一种基于分数低阶和S时频变换的盲源分离新方法。该方法先对传感器测试信号进行分数低阶子空间预白化,再计算低阶化信号的S变换时频分布,最后通过联合近似对角化恢复各个部分的故障源信号。通过计算机仿真实例分析表明,该算法能有效抑制脉冲噪声影响,避免了二阶矩或高阶矩无穷大的缺限,盲源分离效果较好,具有良好的鲁棒性。

基于S域NMF的模拟电路故障特征提取新方法

针对提取的模拟电路故障特征向量信息不够充分的问题,提出了一种将S时频变换(ST,S-transform)和非负矩阵分解(NMF,non-negative matrix factorization)相结合的特征选取新方法。该方法先对模拟电路故障响应信号应用S时频变换建立时频图谱矩阵,再用NMF算法构造时频图谱数据集合的子空间基矩阵,有效降低了投影特征向量的维数,保留了足够多的故障隐含特征信息,进而提高模拟电路故障识别率。最后,在Sallen-Key高通滤波器电路中验证了文中方法的有效性。