薄壁管材减少毛刺的加工工艺

细长薄壁管材在对管壁进行切削加工以后，内管壁上遗留的毛刺总是很难清除干净，为了解决这一难题，降低成本，提高生产效率，在实际工作中对这类零件的加工工艺进行了改进。通过应用低熔点合金，较好地解决了毛刺问题，改善了零件加工工艺性，取得较理想的效果。     

磨料流技术去除交叉孔毛刺

为去除电磁阀、减压阀相贯孔内毛刺,采用了在专用挤压研磨机上磨料流去毛刺技术。根据需要设计了磨料流去毛刺专用夹具,选择合理的工艺参数。应用磨料流工艺去除毛刺的零件都达到了设计要求。实践证明,磨料流可以用于去除零件边缘上的毛刺和对零件棱边倒圆角,尤其适于小型交叉孔内去毛刺和倒圆角。     

改进小波阈值去噪法在管道泄漏检测中的应用CSCD

基于负压波式的管道泄漏检测方法中,需要解决的核心问题之一是对负压波信号的去噪。在分析了利用小波变换理论与小波阈值去噪的基础上,对传统的硬阈值和软阈值函数、双曲型和指数型函数与改进的阈值函数算法进行了对比。实验表明,改进算法在处理管道泄漏检测中,对检测的负压波信号能够获得较大的信噪比,具有较好的去噪能力,能有效提高泄漏检测精度。     

基于最小值通道与对数衰减的图像融合去雾算法

雾天各类图像采集系统获取的图像颜色退化,细节模糊,严重影响户外成像系统的稳定性和有效性,因此研究图像去雾技术很有必要。针对暗通道一类去雾算法边缘去雾不彻底问题,提出一种基于最小值通道与对数衰减的融合去雾算法。首先,对有雾图像的最小值通道图进行对数衰减作为先验假设条件,再进行交叉双边滤波消除纹理效应,在操作前后分别进行下采样和上采样操作以提高运算速度,求出初始透射率;然后,用Canny算子检测最小值通道图得到的边缘进行对数衰减,得到边缘信息图,将初始透射率与边缘信息图进行加权融合构成优化透射率;最后,结合改进的四叉树搜索法求得的大气光值反解大气散射模型,恢复无雾图像。实验结果表明:所提算法可以有效抑制光晕现象,去除边缘残雾,且实时性好。      

宏观杠杆率与微观杠杆率的差异分析

随着我国经济发展步入新常态,"去杠杆"成为防范系统性风险、推动结构性改革的重要内容。但是金融危机以来,我国的杠杆率水平存在宏观杠杆率与微观杠杆率相背离的现象,尤其是微观杠杆率水平"不增反减",这意味着"去杠杆"政策并非优化微观企业资本结构的有效方式。本文在统计分析的基础上,结合宏观杠杆率、微观杠杆率的实际现状,对二者产生差异的原因进行了分析,根据分析结论对如何衡量宏观杠杆和微观杠杆的真实水平提出建议,有利于全面准确考察我国的杠杆率水平,实现预期的"去杠杆"调控效果。     

减涡管出口角度对去旋系统特性影响数值模拟

针对带管式减涡器的径向内流共转盘腔结构,为了研究导流管出口角度对盘腔内流场结构、压力损失的影响规律,数值模拟了不同转速和出口角度下的盘腔内部流场,获得了不同工况下的总压损失分布柱状图。结果表明:在相同转速下,直管式与60°弯管式减涡器降低压力损失的效果相近,90°弯管式降低压力损失的效果最好,30°弯管式降低压力损失的效果最差;在所有转速下,压力损失随出口角度的变化分布存在1个最高点;增加转速,压力损失总体减小。     

振动液体磨料研磨去毛刺工艺

采用低频振动液体磨料研磨去毛刺工艺进行了去除微小孔钻削毛刺的试验。试验结果表明,该工艺方法能有效去除毛刺,具有工艺成本低,操作简便等优点,有较高的工程实用价值。     

基于小波神经网络的齿轮系统故障诊断

通过对齿轮系统在不同的运转状态下不同的故障类型进行试验测试分析,获取了有关的测试信号,对振动特征信号进行了小波阈值去噪,采用离散小波变换(DWT)对去噪后的信号进行8层分解处理,对各层的小波系数进行了小波重构,得到8层细节信号和1层近似信号,并计算了各层信号的能量,得到了信号的能量分布特征.在此基础上把各层信号特征作为神经网络的输入,进行了网络的研究、分析处理和故障分类,并对小波神经网络方法与单独采用神经网络方法的故障诊断结果进行了比较评价.研究表明,去噪处理后的效果比没有去噪的信号特征更加明显,而采用小波神经网络诊断方法,对于齿轮无故障、齿根裂纹故障、分度圆裂纹故障和齿面磨损故障能够进行很好地区分与诊断,其诊断成功率均在95%以上,可对实际工程工作的齿轮系统进行故障诊断.      

惯性器件精密零件微小毛刺去除技术研究

针对惯性器件中的外形复杂类零件、通孔交叉孔类零件、特殊材料类零件等微小毛刺去除需求,分析了现有控制工艺方法不足.通过开展高效率、高质量的零件毛刺去除试验,研究了磨粒流去毛刺、磁力研磨去毛刺、强力超声波去毛刺等精密去毛刺新方法对产品质量的影响,分析了先进去毛刺工艺方法的适用性,探索了惯性器件零件去毛刺技术发展方向.     

基于可变滑动窗口与3σ准则的脉冲星信号去噪算法

针对地面接收射电观测脉冲星信号较弱、信噪比较低的问题,提出了基于可变滑动窗口与两层3σ准则的信号去噪算法。该算法引入可变滑动窗口,对信号进行分步连续处理,同时在筛选噪声时使用两层3σ准则算法,解决了噪声遗漏及过度去噪问题。为证明算法可靠性与实用性,利用佳木斯66 m观测站实测数据进行算法验证,针对J1939+2134与J1744—1134脉冲星的实测数据进行分析处理。结果表明,该算法能够对脉冲星数据进行有效去噪,普遍提高信噪比约10dB。