测量标准不确定度的精度评定及应用

测量不确定度的Ａ类下精度受测量次数多少的影响，并由二次标准差来评定，因此，对于高精度测量，测量不确定度的影响不能忽视，本文对此进行了论述。     

一种实现精密配合零件精益投靠的新模式

基于孔，轴尺寸和装配尺寸三个分布之间的关系系统阐述了配合能力指数的概念及表达式，从而为已知孔，轴配合零件统计参数预测和控制配合性能和配质量提供一个评价尺度。     

一种能提高示温漆测试精度的新方法

用示温漆测量发动机各零部件表面温度的优点是人所共知的，但是，它的测试精度太低这一缺点也是致命的，是影响这种测试方法广泛应用的主要原因。本介绍的髟数字图象仪系统判读示温漆变色温度的新方法。大大提高了示温漆的测量精度。内详细介绍了该方法的理论基础。实施步骤及在现场应用情况。     

不同保载时间作用下的定向凝固合金DZ125的高温低循环疲劳试验研究

研究了定向凝固合金DZ125 850℃时不同保载时间作用下的低循环疲劳行为。进行了拉伸保载时间分别为1 s,60 s,120 s和240 s的试验,并进行了循环应力-应变分析、应变响应分析、疲劳寿命分析以及微观断口分析,结果表明,保载时间对低循环疲劳力学行为有明显影响,随着保载时间的增加疲劳寿命逐渐减小,但保载时间超过一定范围之后疲劳寿命趋于稳定,而且随保载时间的增加蠕变损伤逐渐起主导作用。     

基于激光干涉仪的数控机床定位精度检测与误差补偿方法

针对RIFA80数控机床定位精度大幅度下降的问题,介绍了利用英国雷尼绍(RENISHAW)ML10激光干涉仪对该机床的定位精度和重复定位精度进行精度检测和误差补偿的方法,并对误差补偿前后的检测数据进行了分析。结果表明,通过精度检测和误差补偿,RIFA80机床的各项精度指标已达到工作要求。     

刷式封严初期使用特性的实验和数值研究

为了获得刷式封严在使用初期的泄漏特性,分别对两组实验件进行了27小时和50小时的泄漏特性实验,并利用多孔介质模型对实验结果进行了数值分析。实验表明:在使用初期,刷式封严的泄漏量与上下游的压差成正比;随着使用时间的增加,其泄漏水平逐渐降低直至最后趋于稳定。数值分析表明:在使用初期,刷丝排列由最初的疏松状态逐渐趋于紧密,并最终稳定在接近于紧密差排的状态,刷丝排列状态的变化改变了刷束的孔隙率,从而改变了刷束对流体泄漏的阻力,导致了刷式封严泄漏水平的变化。     

风力机叶片翼型的结冰数值模拟研究

研究了风力机叶片翼型的结冰数值模拟方法,及翼型结冰后对其气动性能的影响。求解雷诺平均N-S方程,引入k-ωSST湍流模型封闭方程,获得风力机叶片流场;采用拉格朗日法计算风力机叶片翼型周围的水滴运动轨迹,同时考虑了多尺寸水滴分布的影响,获得翼型表面的局部水收集系数分布;根据质量守恒和能量守恒原理,计算翼型表面的各项热流,获得翼型表面的结冰速率和结冰冰形;考虑到翼型结冰是时间的动态函数,采用多时间步长法完成结冰数值模拟。计算了风力机叶片翼型在不同环境条件和气象条件下的结冰冰形,同时模拟了风力机翼型结冰后周围流场的变化,并与干净翼型的气动特性进行了对比。结果表明,环境温度较高时形成的明冰对翼型气动性能的影响较大,结冰导致翼型升力下降,升阻比减小,最大减小幅度达到61%,同时结冰后的翼型会提前进入失速区,导致桨叶气动性能恶化。     

基于小波分析与支持向量机的时间序列预测

时间序列广泛存在于工业、经济、军事等各个领域,时间序列预测是数据分析处理的一个重要方面。目前提出的预测模型大多基于＂原始时间序列是无噪的＂这一假定,而实际应用中,对时间序列去噪处理的好坏将直接影响预测的准确率,针对这一事实,使用小波分析对原始时间序列去噪。利用小波变换对时间序列进行多尺度分解,对各尺度上的细节序列使用阀值法去噪;使用支持向量机对重构后的各组小波系数进行预测并将结果融合,得到预测结果。实验结果表明,用于时间序列预测,能及时反应序列的变化趋势并具有较高的预测精度。     

利用粒子群支持向量机预测轴流压气机机匣壁面压力

建立了基于粒子群优化的轴流压气机机匣压力支持向量机预测模型.利用支持向量机的强大非线性映射能力,实现了对某型轴流压气机机匣压力时间序列的非线性预测,并运用粒子群优化算法对支持向量机的重要参数进行了优化,增强了预测模型对混沌动力学的联想和泛化推理能力,提高了预测的精度和稳定性.而针对发动机台架试验数据的预测结果证明了方法...     

基于在线LS-SVM算法的变参数混沌时间序列预测

研究利用最小二乘支持向量机(LS-SVM)预测变参数混沌时间序列。变参数混沌系统适合于描述现实中的复杂混沌现象,但由于参数的慢变导致系统动力学特性不断发生变化,基于Tan-kens嵌入定理的建模预测方法难以适用,其时间序列预测可以看作是小样本学习问题。最小二乘支持向量机是在二次损失函数下采用等式约束求解问题的一种支持向量机,保留支持向量机优点同时计算量大大减少。提出用一种具有遗忘机制的最小二乘支持向量机在线递推算法,并引入历史数据的高次项预测变参数混沌时间序列。对典型变参数混沌时间序列的预测结果表明,该方法具有较高预测精度,能快速跟踪预测变参数混沌时间序列。