为了提高齿轮箱故障诊断的准确率,准确表达齿轮箱的健康状态,结合深度学习算法,提出了一种用于齿轮故障诊断的GAF-inceptionResNet模型。该模型可以直接将原始一维振动信号经过格拉姆角场变换后形成图像作为模型的输入,通过Stem-block、残差Inception、残差模块和分类层相互连接。残差Inception网络能够拓宽网络深度,提升训练时长及准确率;残差模块利用恒等映射可以大幅度降低模型的训练难度。因此,该模型可有效地挖掘信号特征之间的信息,使模型的特征学习能力增强,从而提高准确率,精准确定故障。实验结果表明,该模型能够达到99.59%的故障诊断精度,有效实现齿轮箱良好的故障识别与分类。

由于现有刮板输送机链轮轮齿磨损测量手段不具备过程简捷、高精度、高效率和低成本等优势,基于聚焦形貌恢复,设计了一种链轮轮齿序列图像采集装置。通过控制该装置运动模块移动,实现工业相机与某个轮齿轴向与周向的对中,进而控制轮齿径向步进电机每步进一次,采集一帧照片,重复此循环过程100次,完成该轮齿序列图像的采集。实验测试结果表明,该序列图像采集装置能够快速地完成轮齿对中并采集到清晰的轮齿序列图像,可为刮板输送机链轮磨损测量提供硬件支撑和积累图像数据样本。

采用DMA4500数字式密度计测定甲醇的密度,依据JJG1059-1999对测量结果的不确定度进行了评定和表述.根据仪器操作规程,分析了影响测量不确定度的各个因素,对各个分量进行了计算和合成.

本文分析了Web应用程序中进行身份验证的基本原理。并介绍了ASP．NET应用程序进行身份验证的基本技术，详细说明了基于Forms身份验证的特点和实现方式，对实际的Web应用程序开发具有一定意义。

针对乳化液泵故障机理复杂、故障诊断难的现状,提出一种乳化液泵分级故障诊断方法。首先,通过深度自编码网络(Deep Auto-Encoder Network,DAEN)实现乳化液泵故障的第一级诊断,以乳化液泵的14个特征参数作为输入,自适应特征学习,识别故障形式;然后,通过专家系统实现乳化液泵故障的第二级诊断,将已识别的故障形式与必要故障信息作为专家系统输入,得到明确的故障定位。实验表明,深度自编码网络平均准确率98.712%,优于深度神经网络和卷积神经网络,可靠性高,可以完成第一级诊断任务,然后通过专家系统完成第二级诊断任务,分析产生原因,操作简单。将该方法编制成后台可运行的程序,嵌入煤矿综采工作面智慧云平台。经过实际测试,该故障分级诊断方法能够快速有效定位故障位置,提高诊断精度。

为缓解矿山装备企业对仿真技术日益增长的需求与资金投入不足之间的矛盾,提出将ADAMS软件与云仿真技术结合,以方便地获取采煤机运动机构在复杂工况下的动力学特性。介绍了两种远程调用ADAMS的关键技术,并以ASP.NET平台为基础,采用HTML、C#.NET、ADO.NET、批处理命令等技术开发了基于云仿真的采煤机动力学分析系统。系统采用B/S三层架构,实现了仿真运算、访问历史记录及查看仿真视频三种功能。该系统能够为采煤机设计过程中后续的模型设计及验证提供帮助,同时为ADAMS软件在其他机械产品的云仿真应用方面提供了参考和借鉴。

针对车辆在上坡行驶时出现的频繁换挡问题以及下坡行驶时发生的意外升挡现象，基于EKF算法和坡道动力学模型对坡道进行了辨识。在坡道辨识模型和传统换挡规律的基础上，提出了基于模糊控制方法的双离合自动变速器挡位实时在线优化。通过MATLAB/Simulink搭建车辆模糊换挡控制模型，并对比分析优化前后的车辆换挡规律仿真结果。结果表明，优化后的换挡规律避免了车辆的频繁换挡和意外升挡，改善了驾驶员驾驶舒适性和行车安全性。

在建立液压能源系统元件动态数学模型基础之上，利用Dymola软件实现液压能源系统动态特性分析通用模型库的构建，并对某型飞机的液压能源系统进行建模和仿真。仿真结果表明，该模型符合实际系统的管路压力和流量脉动特性，在模型中能够获得时域范围内系统任一点的流量压力脉动情况。

基于瑞典Dymola软件，利用容积建模法，分析变量泵的热力学特征，建立其热力学数学模型，并编写温度仿真程序。对变量泵在典型状态参数下进行温度仿真，并在实验室进行试验验证。结果表明，所建立的变量泵热力学模型是有效的，对液压系统的热力学研究具有一定的参考意义。

根据管道轴向运动4-偏微分方程组和泵源边界条件在L-MOC法的基础之上求得偏微分方程组在拉氏域内的解析解。分析在泵源定常激励下的液压管道模态特性并经计算与仿真验证模态特性分析结果的准确性。