为满足滑油系统零部件衰退早期症兆监测要求,采用自制的全流量在线磨粒静电传感器对润滑条件下轴承钢滑动摩擦副开展实时在线磨损状态监测研究.研究了润滑条件下金属磨粒荷电机理和设计了静电监测系统,开展了不同载荷和滑动速度时的磨损实验,对摩擦系数、静电感应信号、静电信号均方根值(RMS)进行相关性分析.研究结果显示:①全流量在线磨粒静电监测方法与摩擦系数均能监测到粘着的发生,具有一致性;②静电监测方法在粘着发生前监测到异常;③在稳定磨损阶段,摩擦系数随载荷的增大而减小,随滑动速度的升高而降低;④在剧烈磨损阶段,静电信号中脉冲尖峰的RMS值随载荷增加时先增加后减小,随滑动速度的升高而减小.

为深入了解静电监测方法对黄铜的监测能力,采用自制的全流量在线磨粒静电传感器开展黄铜的静电监测方法研究。研究了润滑条件下轴承钢-黄铜滑动摩擦荷电磨粒的产生机理并设计了磨粒静电监测系统,开展了三种尺寸的轴承钢球和黄铜球的单颗粒注入实验、双颗粒注入实验以及相同载荷、不同滑动速度的轴承钢-黄铜滑动摩擦磨损实验,对摩擦因数、静电感应信号、静电信号均方根值进行相关性分析。研究结果表明:全流量在线磨粒静电传感器具有较好的检测一致性;静电监测方法对黄铜的监测能力强于对轴承钢的监测能力;摩擦因数与静电监测信号具有相关性,在磨损阶段,静电感应信号出现脉冲尖峰与持续上升。

深度学习-鸟类的细粒度分类：深度学习的简单尝试：鸟类的细粒度分类。 有关更多详细信息，请参见https：//www.kaggle.comtf0614880cd3f40d9919dfecb808b004a

截断奇异值分解法能够反演纳米颗粒的粒度分布，但通常难以确定其最优截断参数。在分析截断奇异值算法的基础上，提出非负迭代截断奇异值算法来获取纳米颗粒的粒度分布，并对选取截断参数的L-曲线准则进行了修正。实验结果表明，利用二次截断L-曲线准则选取最优截断参数，使用非负迭代截断奇异值反演算法，能准确地表征单峰分布的颗粒粒径大小及粒径分布，所求平均粒径相对误差小于3%。

3D打印模型，一粒钻石

地形多合一 在30分钟内在AWS上获得细粒度的Kubernetes +基础架构 :rocket: 先决条件 $ brew install ansible jq terraform kops watch $ pip install awscli $ git clone git@github.com:1ambda/terraform-all-in-one.git $ cd terraform-all-one # Remove .gitigonre to index generated files rm .gitignore 用法 1.导出AWS Key Environment变量 密钥应具有AdministratorAccess权限。 $ export AWS_ACCESS_KEY_ID={VALUE} AWS_SECRET_ACCESS_KEY={VALUE} 2.生成SSH密钥对 # Modify values for `COMPANY`,`PROJECT`, and `EMAIL` $ COMPANY=github PROJECT=1ambda EMAIL=1ambda@githu

一粒云企业云盘-管理员操作手册v4.5

一粒云企业云盘-普通用户操作手册v4.5

这个文档主要是针对光散射法粒度分布反演问题上，提出了chahine迭代算法

AI Challenger 全球AI挑战赛”是面向全球人工智能人才的开源数据集和编程竞赛平台，致力于满足AI人才成长对高质量丰富数据集的需求，推动AI在科研与商业领域结合来解决真实世界的问题。AI Challenger以服务、培养AI人才为使命，打造良性可持续的AI科研与应用新生态。2017年首届大赛发布了千万量级的数据集、一系列兼具学术与产业意义的竞赛、超过200万人民币的奖金，吸引了来自全球65个国家的8892支团队参赛，成为目前国内规模最大的科研数据集平台、以及最大的非商业化竞赛平台。AI Challenger 2018带来十余个全新的数据集与竞赛，以及超过300万人民币的奖金，“用AI挑战真实世界的问题