摘要：多功能特种纸涂布机采用刮刀涂布器和气刀涂布器相结合的涂布方式,满足不同涂料不同涂布量的要求;循环热风干燥系统的风机采用变频控制配以温度自控系统,达到温度设定后的自动调节,实现节能的目的;退卷和收卷在全速工作状态下实现自动换卷,提高效率,减少辅助时间。该机在安装调试后生产无碳复写纸和热敏纸的情况良好,各项经济技术指标均达到设计目标。

摘要：针对无碳复写纸、热敏纸、美纹胶带纸等几类特种纸的性能和特点,同时兼顾降低能耗、绿色生产的需要,介绍了特种纸生产线配置的退卷、涂布、压光、调态、收卷、自动接纸等涂布设备及整饰完成设备。

摘要：设计了一种新型的高速自动接纸装置,采用双纸卷回转型退纸架和与纸卷不接触的新纸卷加速系统,通过进口气缸控制压辊动作及断纸,利用张力传感器或缓冲辊(浮动辊)来控制退卷张力,并采用多种形式的光电检测装置,在机外涂布机全速运行状况下,经一系列光电检测、PLC动作顺序控制、连锁控制,实现整个换卷过程的自动化。该高速自动接纸装置可以有效地保证机外涂布机的连续高车速生产,提高涂布机运行性能,已成功运用于国内20余台机外涂布机,实现了全速自动接纸,成功达95%以上。

摘要：一机多用的多功能特种纸涂布机选择了合理的设备配置流程,采用刮刀涂布器和气刀涂布器相结合的涂布方式,满足了不同涂料不同涂布量的要求;干燥系统的风机采用变频控制配以温度自控系统,实现了温度设定后的自动调节;退卷和收卷装置在全速工作状态下,能实现自动换卷。该机在安装调试后生产无碳复写纸和热敏纸的情况良好,各项技术指标均达到国内同类产品领先水平,而价格是同类进口机型的1/3,在这个多样化的市场中占有竞争优势。

摘要：针对滚动轴承故障诊断问题,利用深度学习神经网络、鲸鱼优化算法(WOA)和支持向量机(SVM)等技术,提出了一种基于深度学习特征提取和WOA-SVM状态识别相结合的故障诊断模型。先通过深度学习自适应提取故障频谱特征,并将其与数理统计方法提取的时域特征相融合,再通过WOA-SVM对融合后的联合特征进行故障诊断。该模型在对滚动轴承试验台的故障诊断中实现了不同工况下多种故障类型的可靠识别,并且在一定程度上提高了故障分类的准确性。为了验证WOA-SVM在深度学习提取特征的轴承故障识别中的可行性和有效性,对比了粒子群支持向量机和遗传支持向量机,结果表明WOA-SVM具有较高的收敛精度和收敛速度。

摘要：目的　优选从豆制品下脚料中提取大豆皂苷的最佳提取工艺条件。方法　通过正交试验 ,以紫外分光光度法测定总皂苷含量为指标 ,对提取工艺进行考察。结果　影响回流提取的主要因素为乙醇浓度 ;影响渗漉提取的因素依次为乙醇浓度、溶媒量和渗漉速度。结论　最佳提取工艺条件为 8倍量 60 %乙醇 ,热回流 1次 2 .5 h。

摘要：目的研究直线加速器机架旋转加速度设置,对多病种容积旋转调强(VMAT)计划剂量学、机器效率和计划验证结果的影响,探讨机器模型中机架加速度约束条件的优化选择。方法分别选取10例鼻咽癌、非小细胞肺癌、乙状结肠腺癌腹膜后淋巴结转移和乳腺浸润性导管癌病例,在Pinnacle v9.10计划系统中建立允许机架旋转加速度变化和限制机架旋转加速度变化的两种机器模型,采用相同射野布置、优化目标参数和优化权重设计VMAT计划,分析各病种不同机架旋转加速度设置下靶区和危及器官剂量学变化,比较治疗时间和计划验证γ通过率的差异。结果入组病例采用允许机架旋转加速度变化的机器模型:治疗时间显著低于机架匀速运动组(t=-6.751、-0.209、-19.523、-28.999,P0.05);对于鼻咽癌病例,脑干计划危及器官(PRV)最大剂量增加1.25%;对于肺癌病例,脊髓最大剂量和全肺V_(20)增加了1.19%和1.21%,全肺V_(5)降低了1.21%;对于腹膜后淋巴结放疗病例,双侧肾脏、肝脏、小肠和结肠平均剂量均有增加;对于乳腺癌病例,患侧肺V_(10)增加了1.66%,健侧肺平均剂量降低了7.45%。结论允许机架加速度变化模型设置可显著缩短计划治疗时间,提高治疗效率。虽一定程度上降低靶区适形性和均匀性,增加部分危及器官剂量,但仍符合临床剂量学要求。在Pinnacle v9.10机器模型机架加速度约束设置中,推荐使用允许机架变速运动设置。

摘要：针对当前大多数机械设备运行环境复杂,人员难以接近等特点,为了能够满足机械振动信号采集的需求,设计了一种基于6LoWPAN的无线传感器网络振动监测系统。系统由6LoWPAN无线传感器节点、6LoWPAN网关节点、IPv6传输网络以及互联网终端用户组成。节点采用模块化设计,其中以自带处理器和无线通信功能的CC2630作为节点的核心,选择高精度三轴加速度计ADXL345采集振动数据。利用基于Contiki操作系统上的IAR开发工具设计6LoWPAN协议栈,实现了节点间的组网,将采集到的三轴加速度振动信号通过6LoWPAN无线传感器网络传输到接入IPv6网络的互联网用户终端上,并通过实验结果验证了该系统设计能够满足机械设备的较高频率振动监测的要求。