基于逆向检测方式的储罐呼吸阀在线检测装置研发应用

储罐呼吸阀在线检测在实际应用中较难实现,主要是由于绝大部分储罐与呼吸阀之间未设置隔断阀和测试端口,导致无法有效隔断和开展检测。针对以上情况,基于呼吸阀的结构原理分析总结了逆向在线检测的可行性,并自主设计组装了一套基于逆向检测方式的储罐呼吸阀在线检测装置,探讨了逆向检测方式无需拆卸呼吸阀即可检测相关参数的可能性,并通过与离线检测结果进行对比,证明了其可行性和准确性。该装置的成功研发有效减少了呼吸阀拆卸检测造成的经济损耗,降低了时间和人力成本,提高了检测效率。

螺杆钻具逆向检测方法的研究

为了确保螺杆钻具的效率和使用寿命 ,研究了采用液马达驱动的螺杆钻具逆向检测试验法。此法只是类比试验 ,因此报表中的压力、转速、扭矩、功率和效率或特性曲线并不准确反映钻具的特性 ,但经过一定的经验积累 ,用户根据这些参数 ,可以方便而准确地判断出螺杆钻具性能的好坏 ,甚至可以判断低性能钻具的问题所在。鉴于螺杆钻具在出厂前的检测试验目的并不在于得到钻具准确的性能指标 ,而是评价钻具是否合格 ,故此法完全满足检测要求 ,所得结果可以用于产品检验 ,生成的报表直观、实用。

增材制造技术专业课程思政建设与实践探索——以“逆向工程与检测技术”课程为例

以“逆向工程与检测技术”课程为例,结合学校职技融通办学特色,增材制造技术人才培养要求,探索采取“三师共育、德技并修、多元浸染”的方式实现专业知识与思政的共融,设计以“工匠为基,双线并行,岗证赛结合”的课程思政主线,通过三师共研、共建、共授实现全方位育人,对新兴的增材制造领域课程思政建设有良好的借鉴和指导作用。

大模数分段齿单齿段的三坐标检测

本文基于三维数模的三坐标检测方法的基本原理,把零件的三维数模导入到三坐标测量机的检测软件中,并通过坐标系的对齐,使机器坐标系与工件坐标系保持一致,然后通过捕获零件的理论坐标与检测得到的工件的实际坐标点相比较。通过三维数模的导入、坐标系的对齐、三坐标测量机自动检测、测量结果评定及模拟装配等检测步骤完成整个检测过程。

杜芬振子在故障诊断中的应用

杜芬振子在故障诊断中的应用主要是进行故障特征的微弱正弦信号检测。杜芬振子具有对噪声强免疫能力,根据相位图的变化可判断是否存在待检测的微弱故障特征信号,如果需要检测多个特征信号,可以设定杜芬阵列。目前对于故障信号幅值大小的确定还在定性检测水平。同时在故障诊断中还可以进行杜芬振子逆向检测。

基于路网可靠性的关键点段辨识——以乌鲁木齐市为例

传统的连通可靠度分析只适用于极端情况下的路网状态评价,而基于连通可靠度的关键节点、关键路段的识别,能够分析常规条件下的城市网络可靠性。以乌鲁木齐城市路网为研究对象,采用路网效能和路网效率为评价指标,辨识路网的关键节点和关键路段,并对所有节点和路段进行统计分析。研究结果表明:在城市路网中起重要作用的节点或路段只占总体的很小部分,而其余大部分对路网的影响是较小且相似的;由于老城区路网发展已近饱和,关键节点多集中在此区域;城西开发区路网尚未完全形成,在未来发展过程中应重视该地区的关键点段,以防止出现潜在的拥堵状况;关键路段中,除河滩路之外,其余多数为东西走向的道路。

基于模拟通行能力退化的关键路段识别——以乌鲁木齐市为例

基于连通可靠度,考虑路段通行能力退化的关键路段识别,分析在发生突发事件或者异常天气时城市路网的可靠性.以乌鲁木齐市路网为例,以路网物理结构为基础,以路网效能为评价指标,辨识该市关键路段.研究表明:大部分主干路路段对于整个路网而言影响程度相似,甚至有少数路段对路网整体性能没有影响,而另外少部分路段对路网起到了重要的作用,即关键路段;随着主干路路段通行能力退化程度不断加重,路网效能损失也越来越严重,越来越多的路段显示出了自身的关键程度;当路段彻底失效时,其逆向检测实验结果出现了与通行能力退化时不同的特性.

基于OMAP3730的智能监控技术设计与实现

为了实现灵活控制和易于实现的智能视频监控技术,通过ARM+DSP硬件构架和Qt嵌入式软件开发环境,设计了帧间差分与坐标定位相结合的应用于静态背景的单目标跟踪算法,同时实现了拌线检测、区域报警和逆向检测等智能视频分析算法功能,并通过Qt开发了良好的人机交互界面。实验结果表明,该系统算法设计灵活易于调用,界面操作方便,具有较好的实时性、鲁棒性和可移植性。

经济学中的四个重新认识(上)

经济学或经济生活(经济现象)中,有些固有的结论,已形成思维定势,似乎已成了不可推翻的铁案.然而仔细一想,对照实践一检验,又似乎未必尽然.如果我们进行多方位、多角度观察和思考,或者从反面看问题,或者进行逆向检测,就会发现那些结论和铁案并不正确或并不完全正确.而有些结论,则因时过境迁,有必要进行观念更新.如果我们死抱着某些结论不放,把它当成是“绝对真理”和“金科玉律”,那就是本本主义,那就是思想僵化。

基于频率识别纤维增强树脂复合材料加筋板的分层损伤

以纤维增强树脂(FRP)复合材料加筋板为研究对象,通过对比分层损伤发生前后FRP复合材料加筋板的振动频率变化,来识别FRP复合材料加筋板中的分层损伤。构建了人工神经网络(ANN)和基于有代理模型的优化算法(SAO)两种逆向检测算法,利用FRP复合材料加筋板在损伤前后发生的一系列频率变化值来逆推出FRP复合材料加筋板中的分层位置和大小。分别采用数值验证和实验验证来双重检验ANN和SAO两种算法的识别精度和效率。数值验证结果表明:ANN和SAO两种逆向检测算法对分层损伤位置和大小的识别最大误差分别是5.04%(ANN)和5.24%(SAO),证明方法在理论上可行。实验验证结果表明:ANN在使用实测频率数据进行识别时预测精度很差,无法得到有效的分层损伤信息;而采用SAO可以较好地预测试件中的分层损伤,且对分层大小的预测比对分层位置的预测精度更高,其中,对贯穿损伤和底板损伤的大小预测误差分别不超过2.05%和9%,而四个试件中有两个试件预测的分层与实际的损伤部位存在重合(重合率分别为34%和32.65%)。因此,当前提出的ANN和SAO在理论上可行,但实际应用时都会受到不同程度实测数据误差的影响,相比ANN而言,SAO算法有更好的鲁棒性,在采用实测频率时也可以较为准确地预测出试件中的分层损伤。