首页期刊导航|河南科技
期刊信息/Journal information
河南科技
河南科技

宋先锋

月刊

1003-5168

nhkjzzs@126.com

0371-65528536

450003

郑州市金水区政六街3号

河南科技/Journal Journal of Henan Science and Technology
查看更多>>本杂志是河南省科学技术厅主办、面向全国公开发行的综合性、权威性科技期刊。系统、全面、深入地宣传“科技是第一生产力”的伟大思想与党和政府在新时期的科技方针政策,报道科技动态,传递科技信息,荟萃科技精华,促进成果转化,追踪科技热点,讴歌科技英才,为深入实施“科教兴豫”战略发挥舆论宣传和导向作用,已成为河南科技界一个重要的科技宣传阵地。
正式出版
收录年代

    新型芯片开启光速AI计算之门

    《科技日报》报社
    1页

    超低噪声系统实现室温量子"光学压缩"

    《科技日报》报社
    1-2页

    一种奇异电子态可实现更强大量子计算

    《科技日报》报社
    2-3页

    新型固体材料能快速传导锂离子

    《科技日报》报社
    2页

    新型钙-氧气电池成功研发

    《光明日报》报社
    3页

    新技术为海量数据存储提供"超级光盘"

    《科技日报》报社
    3页

    现代建筑物点云平面特征识别方法

    王新静段晨鑫姚怡烨
    4-8页
    查看更多>>摘要:[目的]基于现代建筑物点云数据面片特征,提出一种基于随机抽样一致算法的平面分割识别方法.[方法]该方法先利用三维格网划分来建立空间格网单元,再根据随机采样点来确定局部格网单元,通过随机机制来拟合平面模型,经过局部打分来确定候选模型集,利用法向约束和共面分割来解决过分割和欠分割的问题.[结果]采用该方法可获取当前最优模型和一致集,并完成点云分割.[结论]试验结果表明,该方法能对富有平面特征的建筑物进行有效分割.

    点云分割局部采样一致集

    机载三维激光扫描技术在公路地形测量中的应用研究

    王文才李治
    9-13页
    查看更多>>摘要:[目的]随着技术的不断更新发展,传统测量方法已无法满足公路地形测量的需求.三维激光扫描测量技术的应用使数据采集方法、处理方法及服务能力和水平均得到提高,因此,可以将三维激光扫描测量技术应用于公路地形测量中,从而提高测量效率.[方法]对机载三维激光扫描技术在公路地形测量中的数据扫描获取过程及后续数据的预处理、数学建模和绘制地形图中的应用进行研究,并结合平原区G310郑州境改扩建工程、山区沿大别山明港至鸡公山高速公路两个项目,对使用三维激光扫描地形得到的点云数据进行处理与分析,绘制出道路沿线1∶2 000带状地形图,并进行检查分析.[结果]试验结果表明,机载三维激光扫描技术在公路地形测量中的应用取得了预期效果.[结论]通过机载三维激光扫描技术点云数据和图像数据获得的DOM、DTM、DLG产品精度满足要求,可直接应用于公路勘测设计.

    机载三维激光扫描技术点云数据数据处理公路地形测量检查分析

    面向环境变化监测的天线传感器仿真分析

    张菡玫
    14-18页
    查看更多>>摘要:[目的]为了精确检测出固体材料内的环境变化,设计出一种完全开放的、埋于被测材料中的天线传感器,并在此基础上设计出一个可监测环境内各种元素变化的传感器.[方法]利用有限元法来计算天线的输入阻抗,通过建模推导出传感器的灵敏度方程,并进行仿真分析.通过调整天线旁圆柱体的距离和高度来模拟真实环境变化,验证天线传感器对周围环境进行监测的灵敏性.[结果]当圆柱体距离天线传感器在0~50 mm范围内不断移动,且改变圆柱体高度时,圆柱体高度越高,共振就越小,此时的磁场E越大,频率区间的反射系数越大.[结论]由仿真结果可知,天线传感器可测量较近环境(0~50 mm)的变化情况.当圆柱体距离天线传感器位置越近,且高度越高时,灵敏度值就越大,此时监测环境变化的情况就越精确.

    天线传感器有限元法灵敏度输入阻抗

    基于CEEMD和迁移学习的滚动轴承故障诊断研究

    张润地刘雨晖荆晓远韩光信...
    19-25页
    查看更多>>摘要:[目的]在实际生产环境中,由于机器特征复杂和工况变化,智能诊断模型在跨机组迁移时需要重复训练,这不仅增加了时间成本,还加大了算力资源的消耗.为了解决这些问题,需要开发出一种能适应复杂机器特征并在不同工况下保持高准确度的轴承故障诊断方法,同时,减少模型迁移时所需的重复训练,以便实现更高效的故障识别和预测.[方法]研究提出基于互补集合经验模态分解(Complementary Ensemble Empirical Mode Decomposition,CEEMD)和迁移学习的滚动轴承故障诊断方法.首先,采用CEEMD法对原始信号进行分解,并计算出对应分量的峭度值.其次,采用多核最大均值差异法对源域数据与目标域数据进行域适应处理.最后,在凯斯西储大学轴承数据集和美国机械故障预防技术学会轴承数据集之间进行迁移故障诊断试验及对比分析.[结果]研究结果表明,与直接迁移模型算法相比,基于CEEMD改进的迁移学习网络在不同数据集上的迁移效果更好,其故障诊断的准确率最高.[结论]经试验验证,研究所提的方法表现出良好的变工况跨机组适配能力,具有较高的故障诊断精度,为研究复杂工况下多机组相似故障诊断场景提供了非常有价值的参考.

    滚动轴承互补集合经验模态分解迁移学习故障诊断