通过实践案例讲述了GD&T基准偏移在尺寸链公差累加计算中的作用及影响,阐述了一种细分、详尽、无争议的尺寸链公差累加计算的原理和思路。然后,基于该方法的特点,结合六西格玛的理论意义,提供了一种实用而简明的标准差算法,进而从实践的角度实现对于尺寸可靠性的判断。

在不等精度直接测量时，由各测量值二及其标准差二计算加权算术平均值x的标准差二二时，有两个计算公式 式中:h各测量值的权;二各测量值的标准差;二单位权标准差;二加权算术平均值的标准差。

本文用一个实例阐述了测量不确定度的评定方法和过程。测量不确定度是误差理论的完善和发展，其分析的主体仍然是误差。从它们的定义可以看出，测量不确定度比误差更具有说明测量质量好坏的能力，测量不确定度比误差更全面更具体。

文章分析了校准血压计和血压表时的误差来源，及由此产生的不确定度分量，经合成标准不确定度计算，得到合成标准不确定度。取置信概率P=95％，按有效自由度的数值，查t分布表，算得血压计和血压表的扩展不确定度。

介绍了微小误差取舍准则的定义和内容,并利用数学方法对准则进行了补充,使其在实际应用中更具操作性,同时对该准则在测量不确定度评定等领域的应用做了简要分析。

为了提高设备故障诊断的准确度,采用LVQ神经网络来完成设备故障定位及识别,并借助遗传算法求解LVQ神经网络权重初始值。在设备故障诊断的建模过程中,根据实际故障情况和故障常见类别建立LVQ神经网络的设备故障诊断模型,充分挖掘LVQ神经网络在机械设备故障诊断细粒度的优势,为了防止因为故障细粒度诊断而造成收敛过慢的情况,对LVQ神经网络的权重和阈值初值进行遗传算法求解,然后在进行LVQ神经网络的迭代训练,得到稳定的LVQ神经网络故障诊断模型。经过实验证明,相比于传统的LVQ神经网络算法,采用基于遗传算法优化LVQ神经网络的设备故障分类,分类准确度更高,训练时间更快。

应用2D-VMD算法对图像信号进行去噪,以提升图像质量。采用2D-VMD技术对含有噪声的轴承缺陷图像进行分解,将其分解为有限个固有模态函数(IMF)分量;利用模糊线性指数和标准差筛选各IMF分量,剔除噪声项,实现图像去噪。对比2D-VMD去噪算法和均值滤波、中值滤波的去噪效果,使用均方差和峰值信噪比对去噪后的图像进行客观评价。结果表明:使用2D-VMD算法去噪效果更好,去噪后的图像能保留更多有效信息、图像质量更好,能够满足铁路部门对轴承检修的需求。

AHRI 550/590和AHRI 551/591系列冷水机组测试标准已经从2011版本升级为2015版本(2016年2月发布),2017年9月又进行了一次修订。为了方便广大冷水机组制造商和相关工程师全面了解AHRI (美国空调供暖和制冷工业协会)关于冷水机组的认证和测试要求,本文对其标准更新内容和认证变化分别进行了介绍。