解析分析

摘要： 近似直线机构因组成构件少、机构的累积误差小、传动效率高,在冶金工业和轻工业自动化生产线、物流行业的物料垂直搬运与输送中起到很重要的作用。运用解析法、机构学原理来分析该近似直线机构的运动特性,分析了不同尺寸案例并在MATLAB软件平台上实现,为后续的概念设计和方案设计实施提供了便利和基础。

摘要： 针对波浪能装置在波能流密度较低区域转化效率偏低的问题,应用分离变量法和匹配特征函数展开法建立波浪与聚波水道相互作用解析模型,采用边界逼近法处理聚波水道的复杂边界问题.通过收敛性验证、波能流守恒验证和已发表结果对比,验证解析模型的正确性.通过数值计算探究聚波室宽度比、长度比和收缩坡道长度比对聚波水道水动力特性(反射系数、透射系数和波幅放大因子)的影响规律,结果表明:聚波室的宽度比和长度比对波幅放大因子具有明显的影响,随着聚波室宽度比增大,波幅放大因子峰值呈现增大趋势;收缩坡道的存在改变聚波室内的波浪共振频率,并对聚波水道全透射和全反射的发生频率有着明显的影响;随着聚波室长度增加其共振频率向低频区移动,且随着收缩坡道长度比的增大,聚波效应越明显.

摘要： 为确保人们在使用骑马机锻炼时效果更佳、体验更舒适,基于人因工程学原理,运用SolidWorks软件对骑马机进行设计。通过对骑马机的结构尺寸以及后座、踏板和扶手运动特性的解析与仿真分析,确定了重要零部件的尺寸参数,验证了结构设计的合理性。基于人因工程学对安全性能的要求,运用SolidWorks Simulation对骑马机进行静力分析,对应力最大处进行优化;运用Abaqus软件对自由状态下的机架进行模态分析,分析其在工作状态下的固有频率,表明了骑马机的安全性。

摘要： 特定极槽配合的分数槽永磁电机在空载情况下会产生固有轴电压,对轴承有着不可忽视的危害,同时对电机运行的稳定性及安全性也会造成极大的影响.斜槽作为电机性能优化的常用方法,对谐波的削弱也有着很好的效果,故可以采用定子斜槽法来削弱永磁电机空载轴电压的主要谐波.首先,基于磁路原理和法拉第电磁感应定律,推导出考虑斜槽时的分数槽永磁电机空载轴电压的解析模型,分析轴电压的主要谐波成分与斜槽数的关系,给出可使轴电压得到削弱的最佳斜槽数,然后利用二维有限元法分析了不同斜槽度下的4台分数槽永磁电机的空载轴电压,结果证明了解析分析的正确性和有效性.

摘要： 在水工隧洞工程施工中高外水压力是极为常见的问题,目前对于如何在工程施工中合理地计算高外水压力参数受到了各界广泛的关注.本文通过实际工程案例,结合解析及有限元分析,探究渗透系数、灌浆圈施工参数以及设施排水孔等因素与衬砌的外水压力的关联,并探寻基于外水压力下衬砌结构的计算.根据研究结果表明,工程中围岩的渗透性能愈强,作用在衬砌的外水压力就愈大;固结灌浆圈的作用效果与渗透性、施工参数具有密切的联系;利用设置排水孔可有效地降低衬砌上外水压力,不过需要注意的是过多的渗水量将对周边环境产生一定的影响,但是可采用与固结灌浆联用的方式进行改善.

摘要： 现有关于永磁电机电磁振动的研究主要围绕单边开槽永磁电机展开,而异步起动永磁同步电动机的定转子双边开槽、永磁体内置于转子铁心内部,导致其电磁振动特性及抑制措施的研究难度大幅增加.本文针对异步起动永磁同步电动机的负载运行,提出了一种新的电磁力解析分析方法,建立了不同阶数、频率的电磁力与电机定转子齿槽参数之间的明晰关系.利用机械阻抗法计算了电机主要低阶电磁力的电磁振动响应,并得到了对电机电磁振动起主要作用的低阶电磁力的频率.进一步研究了通过改变定子齿宽抑制上述主要电磁力,并得到了相应的定子齿宽确定方法,利用有限元法验证了上述抑制措施的有效性.

摘要： 轴线相交的两个圆柱立体相交时,会产生一条相贯线,以该相贯线为研究对象,分别分析了在正交、斜交情况下,相贯线随两个圆柱半径变化而形成不同形状和特殊点性质,推导出了两个圆柱相交时相贯线最低点及与Y轴线相交点的解析式,根据推导所得的解析式结果提出了圆柱相交相贯线上特殊点的图解方法,最后得到了轴线相交的两个圆柱立体相交时产生的相贯线相关结论.

摘要： 三相异步电机的主要故障之一是定子绕组匝间短路。首先,运用解析分析建立了三相异步电机发生匝间短路后的磁链、电磁转矩、电阻和电感等相关参数的解析表达式,然后建立了电机有限元仿真模型,根据解析分析结论对相关电磁参数进行设置,对电机正常及发生匝间短路故障时进行有限元仿真;最后运用快速傅里叶变换,分析了电机在匝间短路稳态运行时的电磁转矩及电流频谱特性。结果表明:电机定子匝间短路后,电磁转矩会出现频率为2倍同步频率的谐波分量,匝间短路相电流会出现频率为3倍同步频率的谐波分量,并且随着匝间短路严重的程度不断增大,相应谐波幅值也不断增大。

摘要： 定义了在天气雷达天线座水平度数值非0条件下的"实用坐标系",并提出了该坐标系与"理想坐标系"之间的解析关系;在此基础上通过严格数学分析,得出天气雷达探测目标的方位、仰角在"实用坐标系"中的读数与其在"理想坐标系"中对应的方位、仰角数值之间的多元函数关系;定义了方位误差分析函数、仰角误差分析函数,并利用所定义的误差分析函数对天气雷达天线座水平度数值如何影响目标定向进行了深入的解析分析.结果表明:仰角读数在45°以下,天线座水平度引起的方向定位误差不会大于天线座水平度自身的数值;当仰角读数大于45°后,天线座水平度引起的方向定位误差将迅速增大.尤其在接近天顶的空间区域,天线座水平度引起的方向定位误差可达天线座水平度数值本身的百倍以上.

摘要： 本研究在加劲梁竖向挠度与主缆一致等基本假定下,详细推导了考虑中间桥塔刚度影响的三塔悬索桥解析分析基本微分方程。在主缆水平力等于常数的假定下,给出了求解主缆活载水平分力、加劲梁挠度及内力的影响线公式。根据推导的公式,采用动态规划法加载原理，编制了可以计算三塔两跨悬吊连续体系悬索桥结构的活载内力与变形的计算程序。利用BNLAS软件建立了有限元空间分析模型,验证了解析分析方法和计算程序的正确性。

摘要： 依据永磁直线电机磁阻力的产生机理,针对两极三槽短初级长次级永磁直线无刷直流电机(LPMBDCM),在不考虑齿槽力情况,采用傅立叶变换法,对磁阻力端部分量进行解析分析,基于此提出了优化初级铁心长度和初级铁心端部形式的磁阻力最小化方法,并利用Magnet有限元分析验证了最优化动子铁心长度,以及动子边端齿的长度.仿真结果表明本文所提出的磁阻力最小化方法是可行的,减小了LPMBDCM的推力波动范围,提高了电机的稳定性。

摘要： 本文以解析分析为基础,研究矩形横截面Nd:GdVO4晶体受高斯分布半导体激光双端面偏心入射时温度场以及抽运面热形变分布情况.得出了矩形截面Nd:GdVO4晶体的温度场分布和端面热形变场通解表达式,同时对影响激光晶体温度场分布的各种因素进行了定量研究.并对偏心度对热形变影响的规律进行了研究.由于双端偏心抽运是对于激光二极管端面抽运激光情况的一般讨论,所以更切合实际.这种方法还可以应用到其他激光晶体热问题研究中,为有效解决激光系统热问题提供了理论依据.

摘要： 为了研究地应力和渗流状态对油层出砂的影响,从而为油层出砂预测和防砂提供理论指导,将弹性力学和渗流力学相结合,分析考虑了在油层流体渗流作用下,裸眼井周围的应力分布情况.根据Mohr-Coulomb准则,建立了相应的出砂模型,给出油井出砂时临界井底流压的计算方法.通过算例,分析了储层压力、岩石抗压强度及原地应力状态对出砂的影响,研究表明,储层压力增加、地应力增大、岩石抗压强度变小时,临界井底流压升高,井壁更易于出砂.

摘要： 药品生产企业在GMP认证过程中会出现一些本可以避免的问题，这些问题在认证的前期准备期间没有被企业所重视。本文根据药品生产企业在实施GMP认证过程中易出现的问题进行解析。

摘要： 药品生产企业在GMP认证过程中会出现一些本可以避免的问题，这些问题在认证的前期准备期间没有被企业所重视。本文根据药品生产企业在实施GMP认证过程中易出现的问题进行解析。

摘要： 药品生产企业在GMP认证过程中会出现一些本可以避免的问题，这些问题在认证的前期准备期间没有被企业所重视。本文根据药品生产企业在实施GMP认证过程中易出现的问题进行解析。

摘要： 药品生产企业在GMP认证过程中会出现一些本可以避免的问题，这些问题在认证的前期准备期间没有被企业所重视。本文根据药品生产企业在实施GMP认证过程中易出现的问题进行解析。

摘要： 基于线弹性理论推导出了几种常见荷载作用下构件的界面粘结剪应力的计算公式,并与有限元方法进行了对比,结果表明两种方法计算结果吻合较好. 研究发现最大粘结剪应力的主要影响因素有: FRP与胶合木间的弹性模量比值、FRP的配筋率、受拉面层单板的相对高度以及粘结界面的胶层厚度等,因此在设计此类结构构件时应适当选取这些参数。计算理论具有较好的精度,可用于FRP增强胶合木梁的设计计算与粘结剪应力分析.

摘要： 提供分析数据解析装置以及分析数据解析方法。利用教师数据执行机器学习来构建用于判别分析或回归分析的非线性函数即学习模型(S2)，根据该函数的偏微分值按每个输入维度计算贡献度。利用由基于该贡献度的高斯分布函数确定的阈值来决定要无效化的输入维度(S3～S5)。再次进行利用了一部分输入维度无效化后的教师数据的机器学习(S6)，根据得到的学习模型来求出每个输入维度的贡献度，基于新旧的贡献度更新贡献度(S7～S8)。重复规定次数的步骤S5～S8的处理(S9)，在基于最终的贡献度决定有用的输入维度之后构建机器学习模型(S10)。由此，即使与解析对象的数据的多样性相比教师数据的样本数少时，也能够减少过度学习。

摘要： 该分析数据解析方法是一种使用了由分析装置(1)测量出的分析结果数据(31)的机器学习的解析方法，包括以下步骤：生成对分析结果数据(31)在不对识别造成影响的范围内加入数据变动所得到的模拟数据(32)；使用所生成的模拟数据(32)进行机器学习；以及使用通过机器学习得到的判别基准(23b)进行判别。

摘要： 分析者启动定量解析辅助程序，指定通过在不同的测定条件下测定同一试样并进行定量运算所得到的数据文件A、B。于是，与数据文件对应地制作表示化合物与定量值等的关系的定量表并分别显示在画面a、b上。当分析者在其中一个定量表中指定任意的化合物时，在另一个定量表中自动搜索与该化合物相同名称的化合物。然后，当找到该化合物时，将基于数据文件B的作为与该化合物对应的测定结果的色谱图或质谱等同定量表一起显示在画面b上。另一方面，将基于数据文件A的作为与由分析者指定的化合物对应的测定结果的色谱图和质谱等同定量表一起显示在画面a上。由此，在多成分同时分析时，能够简便且高效地进行相同化合物的测定结果或定量结果的比较。

摘要： 本发明的质谱分析数据解析装置以及质谱分析数据解析用程序即便在属于各组的样本的数量较少的情况下也会准确地选定表征组间的差异的标记波峰。根据从属于多个组的多个样本的质谱中检测到的波峰来制作波峰矩阵(S1～S3)。波峰矩阵的各行表示一个质荷比值下的大量样本相关的波峰的强度分布。若在某一质荷比值下组间无差异，则该质荷比值下的波峰强度分布应呈对数正态分布(或正态分布)。因此，针对每一质荷比值来执行波峰强度分布遵循对数正态分布这一情况的假设检验(S5)，将存在显著性差异的质荷比值选定为标记波峰的候选(S6)。

摘要： 本发明设计质量分析数据的解析方法、程序和质量分析数据的解析装置。提供能够以低成本进行鉴别候选的确定和/或部分结构的信息取得的解析对象物质的质量分析数据的解析方法。解析对象物质的质量分析数据的解析方法，包括：解析对象物质的质荷比及相对强度取得工序；解析对象物质的质量数据制备工序；和解析对象物质的鉴别候选确定工序。本发明的另一方案涉及用于执行解析对象物质的质量分析数据的解析方法的程序以及解析对象物质的质量分析数据的解析装置。

摘要： 该分析数据解析方法是一种使用了由分析装置(1)测量出的分析结果数据(31)的机器学习的解析方法，包括以下步骤：生成对分析结果数据(31)在不对识别造成影响的范围内加入数据变动所得到的模拟数据(32)；使用所生成的模拟数据(32)进行机器学习；以及使用通过机器学习得到的判别基准(23b)进行判别。

摘要： 分析者启动定量解析辅助程序，指定通过在不同的测定条件下测定同一试样并进行定量运算所得到的数据文件A、B。于是，与数据文件对应地制作表示化合物与定量值等的关系的定量表并分别显示在画面a、b上。当分析者在其中一个定量表中指定任意的化合物时，在另一个定量表中自动搜索与该化合物相同名称的化合物。然后，当找到该化合物时，将基于数据文件B的作为与该化合物对应的测定结果的色谱图或质谱等同定量表一起显示在画面b上。另一方面，将基于数据文件A的作为与由分析者指定的化合物对应的测定结果的色谱图和质谱等同定量表一起显示在画面a上。由此，在多成分同时分析时，能够简便且高效地进行相同化合物的测定结果或定量结果的比较。

摘要： 本发明的质谱分析数据解析装置以及质谱分析数据解析用程序即便在属于各组的样本的数量较少的情况下也会准确地选定表征组间的差异的标记波峰。根据从属于多个组的多个样本的质谱中检测到的波峰来制作波峰矩阵(S1～S3)。波峰矩阵的各行表示一个质荷比值下的大量样本相关的波峰的强度分布。若在某一质荷比值下组间无差异，则该质荷比值下的波峰强度分布应呈对数正态分布(或正态分布)。因此，针对每一质荷比值来执行波峰强度分布遵循对数正态分布这一情况的假设检验(S5)，将存在显著性差异的质荷比值选定为标记波峰的候选(S6)。

摘要： 本发明质谱分析数据解析装置中，当用户按每一小组输入设定样本时(S2)，制作表示每一小组的波峰列表的样本树和对该波峰列表中包含的m/z值和信号强度值的信息进行整理而得的波峰矩阵，进而对波峰矩阵执行多变量解析(S3‑S4)。样本树、波峰矩阵、得分图、载荷图等显示在解析主画面上，当用户在载荷图上指示任意标绘点时，波峰矩阵上的表示对应波峰的行被明示出来(S5‑S7)。当去掉与明示出来的波峰相对应的复选标记时，执行将该波峰排除的多变量解析而更新得分图等(S9‑S10)。若得分图上小组未能分离，则可以目视确认排除的波峰是有助于分离多个小组的标记物。如此一来，能够简便且准确地探索标记物。

摘要： 提供分析数据解析装置以及分析数据解析方法。利用教师数据执行机器学习来构建用于判别分析或回归分析的非线性函数即学习模型(S2)，根据该函数的偏微分值按每个输入维度计算贡献度。利用由基于该贡献度的高斯分布函数确定的阈值来决定要无效化的输入维度(S3～S5)。再次进行利用了一部分输入维度无效化后的教师数据的机器学习(S6)，根据得到的学习模型来求出每个输入维度的贡献度，基于新旧的贡献度更新贡献度(S7～S8)。重复规定次数的步骤S5～S8的处理(S9)，在基于最终的贡献度决定有用的输入维度之后构建机器学习模型(S10)。由此，即使与解析对象的数据的多样性相比教师数据的样本数少时，也能够减少过度学习。