论文部分内容阅读
主要介绍了自升塔式起重机液压顶升系统的工作原理,分析了故障原因,采用科学合理的解决措施,消除故障隐患。
自升塔式起重机液压顶升系统故障分析
【摘 要】
：
主要介绍了自升塔式起重机液压顶升系统的工作原理,分析了故障原因,采用科学合理的解决措施,消除故障隐患。
【机 构】
：
三明久安安全技术服务有限公司
【出 处】
：
科技与创新
【发表日期】
：
2021年12期
其他文献
以杜康酒为研究对象,检测不同微波辐射处理条件对杜康酒中甲醇和乙醛含量的影响。试验结果表明:微波技术可以加快原酒中甲醇和乙醛的变化,能使其快速达到陈酿的效果。用微波辐射处理0~100 min时,三种不同酒样中甲醇、乙醛含量均随着辐射时间的延长而降低,甲醇含量的变化规律可以用二次函数来描述;乙醛含量随着辐射时间延长而降低,呈近似下降的弧形曲线,通过拟合,乙醛含量的变化规律可以用Logistic回归模型来描述。微波辐射处理通过增加酒体温度,催化完成酯化、水解、缩合和氧化等化学反应,加速酒体中各种成分相互转化。微
拒止装备主要用于对试图冲闯、袭击中国重要目标的人或装备实施阻截。根据作用对象不同,可区分为反人员、车辆、水上/水下目标、“低慢小”飞行器4类拒止装备。目前,存在型号少、技术旧、效能低等问题,亟需填补装备体系空白,优化体系型谱,推进装备改进升级和综合集成,提升多能化、智能化水平。
多肽,也可简称为肽,是α-氨基酸通过肽键连接在一起而形成的一类化合物,也是蛋白质水解的产物。它对人体的生长、发育、代谢有着重要的影响,部分多肽具有抗癌、抗菌、抗病毒、穿透细胞等特性,对于相应疾病的治疗具有重大意义。因此研究识别具有治疗特性的多肽方法至关重要,然而传统生物实验方法鉴定多肽耗时且昂贵,不适合处理高通量的序列数据。现有的基于机器学习的预测模型虽然大大提高了多肽的识别效率,但存在识别性能不足,泛化能力不够,以及一种模型只能有效识别特定的一种多肽等问题。针对以上问题,该文提出了一种通用深度学习模型D
基于有监督学习的预测模型在预测过程中存在以下缺陷:一是过分依赖训练集中有标签样本的数量,导致分类精度受有标签样本数量多少的制约;二是其预测分类一次完成,导致大量的无标签样本无法用来修正分类器的预测精度,大量数据信息被浪费,从而影响分类性能。针对以上问题,该文提出一种基于AP聚类与Renyi熵融合的自训练半监督相关向量机分类预测模型。该模型通过AP聚类分析与Renyi熵来共同标记无标签样本的标签类别,筛选置信度高的无标签样本扩充原有训练集进行自训练迭代分类,降低噪声数据对分类器预测精度的影响,构造出了性能最
自动紧急制动系统是智能网联汽车中非常重要的主动安全系统,能够在车辆危险行驶状态下有效避免或减轻碰撞,提高车辆行驶安全性。传统的紧急制动控制策略将TTC(time-to-collision)阈值设为固定值,并假设路面附着系数不变,但汽车实际行驶的路面条件错综复杂并时刻变化。因此,该文充分考虑到车辆的运动状态(速度、加速度等)以及路面附着系数对避撞系统的影响,提出一种随车辆运动状态变化的自适应主动制动避撞算法。首先,采用扩展卡尔曼滤波(EKF)对路面附着系数进行在线估计;然后,根据估计的路面附着系数和不同的行
液晶高分子聚合物(LCP)以其优异的高频特性而被广泛应用于高频无源器件设计以及封装基板制备.文章利用LCP基板设计并实现了一款结构紧凑、中心频率20 GHz、相对带宽为30％、带
【摘要】本文首先简要阐述了数字化技术予以广播电视行业的影响，进而分别从虚拟现实技术、运动追踪技术、后期制作技术三个方面分析广播电视制作技术的未来发展趋势，旨在通过新兴技术应用，切实提高电视节目清晰度、制作效率和节目制作水平，优化观众体验，推动广播电视行业朝向高质量可持续方向发展。 【关键词】数字化环境;广播电视制作技术;虚拟现实技术;运动追踪技术 中图分类号：TN94 文獻标
为了解决测距设备因环境不同而导致测量误差不稳定的问题,该文设计了一种基于STM32的超声波与激光联合测距的方法,其硬件设备主要包括STM32芯片、超声波测距模块、激光测距模块、感光模块、测温模块;软件设计主要包含激光测距和超声波测距的原理、系统工作流程、校正算法介绍等。该文利用激光与超声波影响因素的不同,通过加权平均进行补偿计算,并采用最小二乘法减小误差值。通过实验证明,该方案相较于传统的超声波测距和激光测距工具,平均误差减少了大约2%,利用此方法的测距工具具有更好的稳定性,能减小因设备工作问题和外部环境
同轴度是决定材料试验机性能的重要指标,通过对材料试验机同轴度的分析,总结了同轴度对材料拉伸强度两种不同影响的方式,包括几何同轴度和受力同轴度的影响,介绍了计量部门对于试验机同轴度的检定方法,最后给出试验机进行材料性能实验时同轴度的调整方法,以减小同轴度误差对材料性能实验结果的影响。
当前互联网免费可用的在线翻译系统均是使用通用语料训练出来的神经机器翻译模型,在通用语义环境下翻译出色,而在特定的垂直领域(如计算机专业领域)中,由于训练文本和模型训练算法缺乏针对性,导致翻译结果出现专业词汇错漏,文本晦涩难懂。因此,实现特定垂直领域的自动化机器翻译的需求越来越大。通过网络爬虫获取计算机算法类相关的英汉双语例句,基于Word2Vec算法生成含有上下文信息的词向量,将词向量嵌入到Google开源GNMT模型训练英汉翻译模型,基于训练模型实现简易翻译软件。通过对照实验,探究Word2Vec算法中