XiaoMi-AI文件搜索系统
World File Search System实验机
基于计算机图形的PTFE复合传输膜的形态特征的定量测量
摘要：在本文中，对纳米-ZRO 2和聚醚酮2和聚醚酮（PEEK）颗粒填充的聚乙烯（PTFE）复合材料的摩擦学特性通过线性互换式摩擦和磨损实验机进行了摩擦测试。在材料的各个摩擦阶段获得了有关传递局面的摩擦学性能和光学图像的数据。MATLAB软件被用来制定转移胶体形态特征的定量分析程序。该程序可以增强传输图像的图像增强和形态处理，然后识别，提取和量化转移范围的几何和纹理特性，以分析特性的变化及其与材料摩擦学特性的关系的基础。结果表明，转移薄片的几何，形态和质地特征在摩擦过程中动态发展，各种摩擦阶段之间存在明显的差异，并且对材料的摩擦学特性产生了显着影响。定量分析表明，转移仪的某些形态和纹理特征的趋势（覆盖率，面积，直径，圆度，圆度，一致性和纹理熵）与PTFE复合材料的磨损抗性之间存在良好的相关性。因此，这些形态和纹理特征可用于量化转移效果的质量，并用作材料摩擦学特性的间接指标。
基于机器学习的预测雷诺的翼型空气动力系数
摘要。本研究研究了各种机器学习（ML）算法在预测两个关键空气动力系数的应用，即最大升力系数（𝐶𝐶）和最小阻力系数（𝐶𝑑），对于任何给定的雷诺数，风力涡轮机翼型。我们建议使用聚类技术对类似的机翼形状进行分组，并使用创建的分区来预测使用它们相似性的看不见的机翼属性。在这里，我们还代表了Parsec低维空间中的机翼，而不是高维翼型点空间，以弥补少量训练数据。为此，创建了一个扩展的实验机翼数据库，并用于基于五种不同ML算法的培训模型。我们观察到决策树集合（DTE），随机森林（RF）和多层感知器（MLP）模型成为𝐶𝐶𝑙和𝐶𝑑𝑑𝑚𝑖𝑛𝑑𝑑𝑑𝑑𝑑𝑚𝑖𝑛𝑑𝑚𝑎𝑥𝑚𝑖𝑛𝑙的最有效预测指标。在培训数据库中未包含的三个其他机翼案例上测试这两个ML模型表明，𝐶𝐶𝑙𝑙𝑙𝑙𝑙预测性能通常是合理的，错误级别的平均值约为5％。相比之下，𝐶𝑑的预测误差水平通常更高，平均约为15％。