摘要 目的——监视设备是当前空中交通管制系统中最重要的部分之一。它提供飞机位置和其他相关信息,包括飞行参数。然而,现有的监视设备在真实位置和检测位置之间存在一定的位置误差。操作员必须了解并考虑监视系统中位置误差的幅度和频率特征,因为这些误差会影响飞机运行的安全性。本研究旨在开发用于分析这些监视位置误差的仿真模型,以提高机场飞机的安全性。 设计/方法/方法——本研究调查了机场地面监视系统的机场表面检测设备中观察到的位置误差的特征,并提出了一种实用的方法来数字地再现误差的特征。 结果——所提出的方法比另一种简单方法更准确地表示位置误差。本研究还讨论了计算结果在微观仿真建模环境中的应用。 实际意义——从雷达轨迹数据分析监视误差,并配置一个随机生成器来实现这些数据。这些数据通过应用程序编程接口用于航空运输模拟,可应用于模拟中的飞机轨迹数据。随后,在实际模拟中使用额外的构建环境数据来从模拟引擎获得结果。原创性/价值——所提出的监视误差分析和模拟及其实施计划有望对航空运输安全模拟有用。
摘要 尽管工业自动化水平不断提高,手动装配仍然在各个制造领域发挥着基础性作用。然而,手工操作容易出现人为错误,导致质量问题和经济损失。本文旨在展示一些方法,这些方法可以识别不同类型的错误并评估影响工人绩效的因素的影响。特别显示了 SHERPA 和 HEART 方法。同样,我们还讨论了考虑装配复杂性的重要性,因为它会对工人的认知负荷产生负面影响,从而增加出错的可能性。本文使用了专业文献中的概念,并对人体工程学、工业工程和系统可靠性等多个知识分支进行了阐述。关键词:人类可靠性;装配系统;复杂;人体工程学;持续改进;认知负荷。摘要 尽管制造业的自动化水平不断提高,但手动装配仍然在多个生产领域发挥着关键作用。然而,手工装配操作容易出现人为错误,从而导致质量问题和经济损失。本文旨在提出一些方法,可以识别不同类型的错误以及影响操作员性能的因素。这些方法包括 SHERPA 和 HEART。本文还讨论了考虑任务复杂性的重要性,因为这会对工作人员的认知负荷产生负面影响,从而增加出错的风险。在讨论中,使用了专业文献中的不同概念,同时阐明了不同的知识分支,例如人体工程学、工业工程和系统可靠性。关键词:人类可靠性;装配系统;复杂性、人体工程学、持续改进认知负荷。
研究了地形表示误差(ETR)的概念和计算,并将DEM总误差作为全球DEM评估的精度指标。开发了一种基于表面定理(SMTS)的表面建模方法。通过数值试验和实际示例,比较分析了SMTS与ARCGIS 9.1中执行的经典插值方法(包括IDW,SPLINE和KRIGING)在采样和插值误差以及DEM总误差方面的模拟精度。数值试验表明,SMTS比经典插值方法精度高得多,而ETR对SMTS精度的影响比经典插值方法更差。在实际示例中,使用SMTS以及三种经典插值方法构建了DEM。结果表明,虽然SMTS比经典插值方法更准确,但实际测试表明精度损失较大。总 DEM 误差不仅包括采样和插值误差,还包括 ETR,可以被视为全球范围内 DEM 评估的良好精度测量。SMTS 是 DEM 构建的另一种方法。& 2010 Elsevier Ltd. 保留所有权利。
摘要。3D高斯碎片在实时神经渲染中引起了广泛的关注和应用。同时,人们对这种技术在稀疏观点中的限制,绩效和鲁棒性等方面引起了人们的关注,从而导致了各种改进。然而,显然缺乏关注分裂本身固有的局部仿射近似引入的投影错误的基本问题,以及这些错误对照片真实渲染质量的结果影响。本文介绍了3D gaus-sian脱落的投影误差函数,从投影函数的一阶泰勒膨胀开始,从剩余的误差开始。分析建立了误差与高斯平均位置之间的相关性。subsemess,利用功能优化理论,本文分析了该函数的最小值,以提供最佳的投影策略,以涉及最佳的高斯分裂,这可以使各种摄像机模型可观。实验验证进一步提出了这种投影方法可以减少伪影,从而导致更令人信服的现实渲染。
摘要:空心线圈电流互感器是数字化变电站建设中的关键设备,但与传统的电磁式电流互感器相比,其更容易受到各种故障的影响。为了了解各种参数对空心线圈电流互感器性能的影响,该文利用最大信息系数法研究了这些因素的影响,并分析了影响因素对互感器误差的干扰机理。最后,采用Stacking模型融合算法对互感器误差进行预测。开发的基础模型由深度学习、集成学习和传统学习算法组成。与门控循环单元和极端梯度提升算法相比,本文提出的基于Stacking模型融合算法的预测模型具有更高的准确性和可靠性,有助于提高未来数字化变电站的性能和安全性。
摘要 在工业应用中,具有精确几何公差的高精度旋转轴通常在齿轮和壳体之间以微米级间隙安装。在大多数这些应用中,动态循环载荷是不可避免的,这会对关键部件的疲劳寿命产生不利影响。在加工过程中确保严格的尺寸公差和同轴度是非常可取的,因为它会影响许多应用中的旋转特性。因此,同轴度误差的控制在旋转轴和高精度机床中起着至关重要的作用。然而,使用高精度加工会大大增加制造成本。因此,一种能够潜在地减少同轴度误差的经济高效的加工工艺具有很高的工业重要性。本研究通过优化参数(切削速度、进给率、切削深度和切削刀具刀尖半径)尝试实现圆柱形加工零件的最小同轴度误差。计划进行实验,即中心复合设计矩阵和统计分析通过应用响应面法确定机器参数对高强度 Al 7075 合金同轴度误差的影响。进给率和切削深度因素对同轴度误差有显著影响。所有加工参数对同轴度误差均表现出非线性影响,这定义了强相互作用因素的影响。通过确定一组加工参数,即应用 Big-Bang 和 Big Crunch 以及 Rao(Rao-1、Rao-2 和 Rao-3)算法,使用推导出的经验方程来最小化同轴度误差。Rao 算法在计算量和解决方案精度方面均优于 Big-Bang 和 Big Crunch 算法。Rao 算法的结果经过实验验证,同轴度误差降低至 1.013 µm,与 CCD 实验相比提高了 72.6%。
摘要 在工业应用中,具有精确几何公差的高精度旋转轴通常以微米级的间隙安装在齿轮和壳体之间。在大多数此类应用中,动态循环载荷是不可避免的,这会对关键部件的疲劳寿命产生不利影响。在加工过程中确保严格的尺寸公差和同轴度是非常必要的,因为它会影响许多应用中的旋转特性。因此,同轴度误差的控制在旋转轴和高精度机床中起着至关重要的作用。然而,使用高精度加工会大大增加制造成本。因此,一种能够潜在地降低同轴度误差的经济高效的加工工艺具有很高的工业重要性。本研究试图通过优化参数(切削速度、进给速度、切削深度和切削刀尖半径)来实现圆柱形加工零件的最小同轴度误差。计划进行以下实验:中心复合设计矩阵和统计分析应用响应面法确定了机器参数对高强度 Al 7075 合金同轴度误差的影响。进给速度和切削深度因素对同轴度误差有显著影响。所有加工参数对同轴度误差均表现出非线性影响,这定义了强相互作用因素的影响。通过确定一组加工参数,即应用 Big-Bang 和 Big Crunch 和 Rao(Rao-1、Rao-2 和 Rao-3)算法,利用推导出的经验方程来最小化同轴度误差。Rao 算法在计算工作量和求解精度方面均优于 Big-Bang 和 Big Crunch 算法。通过实验验证了 Rao 算法的结果,同轴度误差降低了 1.013 µm,与 CCD 实验相比提高了 72.6%。
摘要 在工业应用中,具有精确几何公差的高精度旋转轴通常以微米级的间隙安装在齿轮和壳体之间。在大多数此类应用中,动态循环载荷是不可避免的,这会对关键部件的疲劳寿命产生不利影响。在加工过程中确保严格的尺寸公差和同轴度是非常必要的,因为它会影响许多应用中的旋转特性。因此,同轴度误差的控制在旋转轴和高精度机床中起着至关重要的作用。然而,使用高精度加工会大大增加制造成本。因此,一种能够潜在地降低同轴度误差的经济高效的加工工艺具有很高的工业重要性。本研究试图通过优化参数(切削速度、进给速度、切削深度和切削刀尖半径)来实现圆柱形加工零件的最小同轴度误差。计划进行以下实验:中心复合设计矩阵和统计分析应用响应面法确定了机器参数对高强度 Al 7075 合金同轴度误差的影响。进给速度和切削深度因素对同轴度误差有显著影响。所有加工参数对同轴度误差均表现出非线性影响,这定义了强相互作用因素的影响。通过确定一组加工参数,即应用 Big-Bang 和 Big Crunch 和 Rao(Rao-1、Rao-2 和 Rao-3)算法,利用推导出的经验方程来最小化同轴度误差。Rao 算法在计算工作量和求解精度方面均优于 Big-Bang 和 Big Crunch 算法。通过实验验证了 Rao 算法的结果,同轴度误差降低了 1.013 µm,与 CCD 实验相比提高了 72.6%。
摘要 在工业应用中,具有精确几何公差的高精度旋转轴通常以微米级的间隙安装在齿轮和壳体之间。在大多数此类应用中,动态循环载荷是不可避免的,这会对关键部件的疲劳寿命产生不利影响。在加工过程中确保严格的尺寸公差和同轴度是非常必要的,因为它会影响许多应用中的旋转特性。因此,同轴度误差的控制在旋转轴和高精度机床中起着至关重要的作用。然而,使用高精度加工会大大增加制造成本。因此,一种能够潜在地降低同轴度误差的经济高效的加工工艺具有很高的工业重要性。本研究试图通过优化参数(切削速度、进给速度、切削深度和切削刀尖半径)来实现圆柱形加工零件的最小同轴度误差。计划进行以下实验:中心复合设计矩阵和统计分析应用响应面法确定了机器参数对高强度 Al 7075 合金同轴度误差的影响。进给速度和切削深度因素对同轴度误差有显著影响。所有加工参数对同轴度误差均表现出非线性影响,这定义了强相互作用因素的影响。通过确定一组加工参数,即应用 Big-Bang 和 Big Crunch 和 Rao(Rao-1、Rao-2 和 Rao-3)算法,利用推导出的经验方程来最小化同轴度误差。Rao 算法在计算工作量和求解精度方面均优于 Big-Bang 和 Big Crunch 算法。通过实验验证了 Rao 算法的结果,同轴度误差降低了 1.013 µm,与 CCD 实验相比提高了 72.6%。
摘要 在工业应用中,具有精确几何公差的高精度旋转轴通常以微米级的间隙安装在齿轮和壳体之间。在大多数此类应用中,动态循环载荷是不可避免的,这会对关键部件的疲劳寿命产生不利影响。在加工过程中确保严格的尺寸公差和同轴度是非常必要的,因为它会影响许多应用中的旋转特性。因此,同轴度误差的控制在旋转轴和高精度机床中起着至关重要的作用。然而,使用高精度加工会大大增加制造成本。因此,一种能够潜在地降低同轴度误差的经济高效的加工工艺具有很高的工业重要性。本研究试图通过优化参数(切削速度、进给速度、切削深度和切削刀尖半径)来实现圆柱形加工零件的最小同轴度误差。计划进行以下实验:中心复合设计矩阵和统计分析应用响应面法确定了机器参数对高强度 Al 7075 合金同轴度误差的影响。进给速度和切削深度因素对同轴度误差有显著影响。所有加工参数对同轴度误差均表现出非线性影响,这定义了强相互作用因素的影响。通过确定一组加工参数,即应用 Big-Bang 和 Big Crunch 和 Rao(Rao-1、Rao-2 和 Rao-3)算法,利用推导出的经验方程来最小化同轴度误差。Rao 算法在计算工作量和求解精度方面均优于 Big-Bang 和 Big Crunch 算法。通过实验验证了 Rao 算法的结果,同轴度误差降低了 1.013 µm,与 CCD 实验相比提高了 72.6%。