风力发电升速齿轮箱传动系统接触齿数及载荷分配

以有限元弹性接触分析理论为基础,建立了大型风力发电机组升速齿轮箱传动系统外啮合和内啮合齿轮多齿接触三维有限元模型,提出了一种内、外齿轮副啮合过程中的实际接触齿对数、齿间载荷分配及齿面载荷分布的计算方法。以某大型风力发电升速齿轮箱传动系统为例,对其在额定载荷工况下的承载能力进行了计算,为大型风力发电升速齿轮箱传动系统承载能力的估算、齿轮几何参数的确定及零部件的强度分析计算提供了理论依据。     

EQ6110客车电动AMT换挡策略

分析了客车换挡特点和原型车及C220发动机的特性，基于AVL Cruise软件建立了客车仿真模型，提出了适合于该客车电动式机械自动变速器换挡策略。仿真结果表明，在不降低原车动力性的条件下，设计的双参数换挡策略与单参数换挡相比可降低油耗2．4L／（100km），节油率达6．7％。单参数速度换挡仿真结果与试验结果基本一致，证明换挡策略是可信的。     

虚拟仪器技术在发动机故障诊断中的应用

为了达到对发动机运行状态进行实时监测和故障诊断的目的,采用PCI-9113A数据采集板实时采集发动机的技术状态参数,以图形化编程语言Lab VIEW实现数据的处理及管理,建立了发动机状态监测及故障诊断系统,实现了发动机振动信号的采集以及数据处理、显示、打印、存储等操作.以该系统为基础,只需添加一些所需要的传感器,同时增加相应的软件模块,就可实现对发动机其它性能参数的监测及故障诊断.     

大数据时代山东农业病虫害监测预警体系建设

在大数据时代,海量的数据资源是推动经济发展和社会进步的基石,丰富、透明、完善的农业大数据资源是加快农业信息化建设步伐的前提,先进、有序、完备的农业病虫害监测预警体系是服务绿色农业发展的支撑。该研究试图在研究国内外农业病虫害监测预警体系的基础上,在农业专家的指导下,进行大数据时代农业病虫害监测预警体系构建。山东农业病虫害监测预警体系的建设应主动适应大数据时代的发展需求,分步构建病虫害监测预警体系,分层划分病虫害数据中心工作,合理布局病虫害数据采集站点,科学制定病虫害监测预警任务,共建共享病虫害监测数据信息,有效加强病虫害联合监测预警,努力研发病虫害智能识别终端,为发展现代高效农业提供坚实的保障。     

数据仓库逻辑建模的初步探讨

针对逻辑建模在数据仓库构建过程中的重要性,介绍了数据仓库创建的基本步骤,并利用实例深入而详细地研究了逻辑模型的设计,分析了几种逻辑模型的特点及其使用场合。     

用Delphi实现温度传感器的数据采集和误差分析

利用Delphi嵌入式汇编的扩展功能实现基于I／O的热敏电阻温度传感器数据采集，并用二次样条插值法研究电压和温度特性非线性化的S曲线，减少非线性误差。     

猪附红细胞体的形态学观察

应用光学显微镜和电子显微镜对猪附红细胞体显微结构和超微结构进行观察。结果显示,附红细胞体属典型的原核生物,多数为大小不等的球形、卵圆形、杆状等多形态生物体,直径为0.2μm~2.5μm,常在红细胞表面或血浆中单个或成团寄生。该病原无细胞壁,由单层界膜包裹着,无明显细胞器和细胞核。附红细胞体通过一些细丝连接到红细胞膜上,使红细胞膜表面出现皱褶、突起、凹陷,导致红细胞结构和功能改变。     

建构信息时代的基石--数据库技术

信息时代,人类知识以惊人的速度增长,如何组织和利用这样庞大的信息资源,成为信息时代急需解决的技术问题之一.文中首先对数据库技术产生和发展的历史进行了概括,然后探讨了数据库技术的现状,并对数据库技术的发展趋势进行了展望.     

基于改进YOLOv5算法的农田杂草检测

随着智慧农业技术和大田种植技术的不断发展,自动除草具有广阔的市场前景。关于除草剂自动喷洒的有效性,农田杂草的精准、快速地识别和定位是关键技术之一。基于此提出一种改进的YOLOv5算法实现农田杂草检测,该方法通过改进数据增强方式,提高模型泛化性;通过添加注意力机制,增强主干网络的特征提取能力;通过改进框回归损失函数,提升预测框的准确率。试验表明,在芝麻作物和多种杂草的复杂环境下,本文方法的检测平均精度均值mAP为90.6%,杂草的检测平均精度AP为90.2%,比YOLOv5s模型分别提高4.7%和2%。在本文试验环境下,单张图像检测时间为2.8 ms,可实现实时检测。该研究内容可以为农田智能除草设备提供参考。     

基于北斗船位数据灯光罩网渔船作业状态特征的提取和验证

为研究一种使用北斗船位数据提取灯光罩网渔船的作业状态特征的方法,选取桂北渔36288、61999、62666和68209四艘灯光罩网渔船2017年的北斗船位数据,使用阈值综合判别的方法判断渔船作业的状态,通过航速、水深和时间区间的阈值判别渔船作业状态的船位点,利用船位分析软件(AST)提取渔船的作业天数、作业日期、作业时长以及对应的作业位置信息,并与实际填写的渔捞日志数据进行对比验证。结果显示:提取的结果和实际记录的结果误差较小,其中作业天数每月差值在0～3 d以内;对应的作业日期准确率在94.45%以上;作业时长每日最大误差不超过2.4 h,最小误差为0 h,总平均误差为1.49 h,且提取的作业时长和渔获率存在明显的显著性差异,相关系数r=0.512(P0.01);作业距离差值较小,总体在50 km以内。因此可以确定,本研究根据北斗船位数据提取灯光罩网渔船作业状态特征的方法可靠,具有较大的实用性和现实性意义。