矿井索车的优化设计

对矿井索车优化设计中的几个关键性问题进行了探讨，包括驱动轮和尾轮的设计、钢丝绳直径的选择计算、托绳轮间距的确定、绳卡的设计、张紧力和张紧行程的确定、互锁问题的解决等。     

自平衡式单臂双用扭矩定标器

本文指出了当前在科研和生产中采用的一般机械式扭矩加载器的某些缺点和错 误；提出一种自平衡式单臂双用纯扭矩加载装置，可以消除定标过程的附加干扰，保 证检测精度。该装置简单，合理、适用。     

利用弧形光栅尺测量大型转轴扭矩的原理研究

利用弧形光栅尺的旋转微位移测量功能,组建一组测量体系,用于测量巨型转轴的扭矩。采用四组相同的弧形光栅尺同时测量两截面的相对转角,通过多点测量实现误差均化,得出了消除转轴直径对测量影响的公式,使仪器的环境适应能力得到了极大地提高。根据不同的工作情况,提出了相应的动态测量扭矩的计算方程。实现了大型机械设备主传动的动力监测,为设备自动化、智能化奠定了基础。     

三种测应变线路的比较

介绍了三种测应变的线路,通过实验证实,在测扭矩时,用4片电阻应变片构成的线路,可以排除弯矩的影响。     

The driving torque of a rotating levitated cylindrical permanent magnet above a superconductor

Due to the Meissner effect, a permanent magnet is levitated, when released above a high temperature superconductor. When there is an inhomogeneous temperature field around the magnet, the magnet might start to oscillate with increasing amplitude until it remains in a continuous rotation. A mathematical model for the described effect is presented which couples heat transfer and electromagnetic forces with the equation of motion, yielding to a multiphysics task. In a detailed analysis it is found, that the torque which drives the rotation of the magnet, is explicitly given in terms of Bessel functions and the Fourier coefficients of order zero and one of the temperature field of the surrounding air.     

某重型自卸车制动性能分析

文章以HFC32XXXX1重型自卸车为分析对象,建立了三轴汽车的制动力学模型,对其在空载、满载和超载情况下的前、后制动力矩,制动力分配和制动效能进行理论分析和模拟计算;结合平板试验台的试验结果,根据有关标准和ECE法规要求,评价了其在不同载荷情况下的制动性。     

磁场中载流线圈力和力矩的公式

本文给出计算载流线圈在外磁场中所受力和力矩的普遍公式.     

拖拉机主减速主动锥齿轮轴的辅助设计

本文对拖拉机主减速主动锥齿轮轴提出了一种新的设计方法，为提高该件的设计水平提供了可靠数据．     

具有优先级的深度确定性策略梯度算法在自动驾驶中的应用

深度确定性策略梯度(deep deterministic policy gradient,DDPG)算法在自动驾驶领域中应用广泛,但DDPG算法因采用均匀采样而导致低效率策略比例较高、训练效率低、收敛速度慢等.提出了基于优先级的深度确定性策略梯度(priority-based DDPD,P-DDPG)算法,通过优先级采样代替均匀采样来提升采样利用率、改善探索策略和提高神经网络训练效率,并且提出新的奖励函数作为评价标准.最后,在开源赛车模拟(The Open Racing Car Simulator,TORCS)平台上对P-DDPG算法的性能进行了测试,结果表明相对于DDPG算法,P-DDPG算法的累积奖励在25回合之后就有明显提升而DDPG在100回合之后训练效果才逐渐显现,提升约4倍.P-DDPG算法不仅训练效率提升且收敛速度加快.     

数据驱动下交通异常行为的双层识别模型

为实现对车辆异常行为的准确识别,提高车辆行驶的安全性,提出了一种基于支持向量机(support vector machine, SVM)、监督学习与长短期记忆(long short term memory, LSTM)深度学习的交通异常驾驶行为双层识别模型。首先,对车辆轨迹数据筛除和滤波,构建异常行为数据集;其次,从异常行为轨迹特征中提取出特定异常行为的特征标签,并人为标定在训练集中;再次,构建SVM模型对训练集进行粗识别,基于SVM的二分法原理,从测试集中筛选出异常行为;最后,通过LSTM时间序列模型构建具体种类的异常行为模型,并通过深度学习的方法,从异常行为数据中细分为蛇形驾驶、急速变向、侧滑、大半径转弯、快速U型转弯、急刹车等具体的异常驾驶行为。本次实验选用下一代仿真(next generation simulation, NGSIM)数据中US-101高速公路和peachtree城市道路的数据集的轨迹数据验证SVM和LSTM双层识别模型的性能,包括均方根误差、识别准确率等。结果表明,构建的双层识别模型在第一层有98%的识别准确率,第二层有超过80%的识别准确率,可以较为准确地识...