蛙莫言范文1
蛙莫言范文2
工法特点
本工法依据太钢热连轧厂1549生产线F1轧机施工方案进行修改，主要针对轴瓦更换及研磨施工工序进行编制，其内容包括：
1.施工程序2.操作要点3.质量保证4.环保措施
二、适用范围
减速机轴瓦（非轴承，为钨金瓦形式）
三、工艺原理
工法以施工程序为重点，对施工准备、具体的施工方法及步骤都进行了说明，整体施工工序一目了然，针对轴瓦拆装、轴瓦研磨、齿轮探伤等关键环节提出了相关技术、质量要求，从而对施工质量进行有效控制。
四、施工工艺流程及操作要点
1.施工准备
1.1技术人员现场核对施工项目。通过查看轴瓦装配图纸和现场环境的比对，了解施工环境并确认作业程序，做出具体施工安排；
1.2 根据工序安排，准备施工所需机材，配备好各工种劳动力，做到持证上岗。
2.施工方法：
2.1旧瓦原始数据测量
（1）拆除各介质管道、电气元件及线路，吊出上箱体、上瓦和高、低速传动轴，测量齿轮轴与电机轴头径向偏差，记录数据后吊出下瓦；
（2）清洗各轴瓦、传动轴、上箱体与下箱体的结合面、镗孔，检查减速机镗孔及传动轴轴径有无磨损和损坏等；
（3）用着色法检查上、下瓦与箱体镗孔的接触情况，测量轴径的磨损情况并记录；
（4）检查瓦与箱体在轴向方向的配合情况：检查是否产生了轴向窜动间隙。瓦在箱体上沿轴向不应有间隙，应有一定紧力；用铜棒轻轻敲打，应能将瓦敲入到箱体内；
（5）清洗轴瓦与镗孔，将下瓦装配到下箱体上并涂上红丹粉；将高、低速传动轴吊装就位。检查下瓦与轴的接触情况并记录。用0.02/1000水平仪测量高、低速轴的水平度。检查齿轮接触情况，用压铅法检查齿轮侧间隙和顶间隙数据。压铅时要根据齿轮模数大小选择铅丝直径，铅丝沿齿长方向摆放在距齿端面20~30处。铅丝压好后用千分尺进行测量，然后求出平均值作为侧间隙值。
（6）将上瓦清洗干净，在传动轴轴径两端放好铅丝，将上瓦吊装就位，合上上箱体，对轴瓦顶间隙进行压铅检查；
（7）顶间隙检查完成后将上瓦吊装就位，在下箱体剖分面上的轴瓦两侧和螺栓孔附近各垫放紫铜板，在上瓦瓦背上靠轴中心处两端放上铅丝，然后合上上箱体，对轴瓦和镗孔的配合情况进行测量。
2.2新瓦检查测量
（1）清洗新瓦并检查，用紫铜棒轻轻敲击瓦的巴氏合金表面，凭声音判断浇铸的巴氏合金层有无与钢瓦结合不严密、巴氏合金浇铸层有无气孔等；
（2）检查每对瓦剖分面的接触情况；
（3）测量瓦内径，沿瓦长度方向在距瓦端面20~30处测量两个位置，每个位置按90°方向测量两点；
（4）检查瓦与上、下箱体沿轴向的配合情况。
（5）将新瓦放在轴径上，用塞尺检查有无夹帮现象；
（6）将有轴向定位功能的瓦与轴肩配合，检查轴向窜动间隙与接触情况。
2.3主减速机新轴瓦装配及刮研
（1）研瓦背前，需检查沿轴向方向的配合紧力及接触情况。瓦与箱体沿轴向的配合不能有间隙，用铜棒轻轻敲击时瓦应能沿圆周方向运动。用塞尺检查具有轴向定位功能的瓦与轴肩的配合间隙。用着色法检查瓦与轴肩的接触情况；
（2）研磨下瓦：
①瓦背刮研合格后，将下瓦清洗干净后装配到下箱体镗孔内，测量同一轴上的两块瓦在跨距上的水平度和每一块瓦在轴向方向的水平度，检查测量下列数据：
a各轴径处的水平度;
b齿轮的接触情况;
c齿轮侧间隙和顶间隙;
d各轴径处的高低差；
②对以上测量结果进行分析，判断两根轴的平行度、轴心线的平面度，确定各轴瓦的刮削方向和刮削量；
③每刮削3~4次，都要按①的要求重新进行一次检查并对测量结果进行分析，重新确定各轴瓦的刮削量，直至合格；
下瓦刮研合格后，即可按要求开出下瓦的侧间隙。
每一遍刮削要交叉进行，刮削时用力要均匀适当；
⑦刮研要求：
a每25×252面积的接触点数:5~8点
b轴径与瓦的接触角: 80°~120°（该角度要对称于轴中心线）
c轴在瓦跨距上的水平度:0.05/1000
d齿轮啮合精度:沿长度方向70%，宽度方向60%
e下瓦侧间隙:等于顶间隙的1/2~2/3（侧间隙形状呈契形见图一）
研上瓦
①将上瓦放在轴径上检查有无夹帮；
②将上瓦放在下瓦上（此时下瓦与轴已装配在箱体内），用塞尺初步检查上瓦与轴径的顶间隙、侧间隙情况；
③在下箱体剖分面上轴瓦两侧和螺栓孔附近放上紫铜板，测量轴瓦与箱体镗孔的配合过盈量， 0.02~0.04；
④上瓦与箱体的过盈量调整好后，可对上瓦进行研点刮削，调整上瓦顶间隙和侧间隙到规定值。轴颈与轴瓦的顶间隙可用压铅法检查（见图二）。压铅用的铅丝直径不宜超过顶间隙的3倍。顶间隙应按下列公式计算：单位：
S1=b1―(a1+a2)/2S2=b2―(a3+a4)/2
式中：S1――一端顶间隙，S2――另一端顶间隙，
b1、b2――轴颈上各段铅丝压扁后的厚度，
a1、a2、a3、a4――轴瓦合缝处接合面上各垫片的厚度或铅丝压扁后的厚度，
轴颈与轴瓦的侧间隙可用塞尺检查。
⑤上瓦刮研要求：
a每25×252面积的接触点数:4~6点
b轴径与瓦的接触角: 110°（注意该角度要对称于轴中心线）
c顶间隙：轴径的1/1000~2/1000
（4）主减速机最终装配的技术要点
主减各轴瓦刮研调整完成，齿轮啮合符合要求后即可进行主减的最终装配。要点如下：
a.各间隙测量后做好记录
b.轴瓦修研要按标准：每平方英寸内8个花，轴瓦跨测水平度
c.轴瓦顶间隙头道轴瓦＜0.4mm、二道轴瓦＜0.6mm
d.装配前各稀油管路吹扫干净，箱体、瓦座及各配合表面清洗干净
e齿轴轴线平行度偏差
f.箱体结合面间隙0.1塞尺,深入小于15mm
2.4清洗
（1）将上、下箱体和轴、轴瓦清洗干净，同时对上、下箱体和轴瓦、轴上的各油孔和其它孔道进行清洗，并用干净的压缩空气吹扫；认真检查确认各孔道内无异物、无堵塞；
（2）机体上的油管路要认真检查并清洗、疏通各管道,确认无误后回装。
（3）装配上轴瓦前要在轴径处加适量的油，油品与设备工作时油相同；
（4）合拢上箱体前要做好隐蔽，确认无误后扣盖，封闭主减速机。
2.5试车
（1）试车前要确认主减上各部件、各管道、计器、仪表是否装配完毕，并确认各检测仪表能够正常可靠的工作；
（2）设备运转前先启动系统，并检查油压力、流量是否正常。检查各轴承部位的点的给油、回油情况是否正常，报警装置是否正常工作；
（3）盘车检查设备转动是否灵活，有无卡阻；
（4）点动主减运转，检查运转是否正常；
（5）启动主减运转，监查各轴承处的油温情况，并监听轴承有无异响；
（6）试运转6~8小时轴承温升正常，减速机运转正常，系统正常，各仪表工作正常，确认无误后停止试车。
五、质量标准
机械装置安装工程施工及验收规范
安装手册和外方设计图纸
YBJ201-83冶金机械设备安装工程施工及验收规范通用规定
GB50026-93 工程测量规范
GB50231-98 机械设备安装工程施工及验收通用规范
YB9523-95冶金建筑安装工人安全技术操作规程
六、环保措施
蛙莫言范文3
关键词:设计模式;MVC;Twaver
中图分类号:TP311.52 文献标识码:A 文章编号:1007-9599 (2012) 13-0000-02
一、引言
TWaver是美国Serva Software公司的产品,是应用最为广泛的电信专业图形界面开发工具包,在电信行业应用非常广泛。。
TWaver的图形组件库中提供了拓扑组件、地图组件、设备图组件,以及表格、树图、属性表、图表等丰富的通用图形界面组件,为电信运营支撑系统(OSS)的开发提供“一站式”的组件产品和解决方案,是快速设计、开发和部署OSS的利器。
二、概述
Waver主要应用于电信行业,提供了电信相关的业务模型,如设备面板,告警传递等,但也不局限于电信,因其还可应用于电力、金融、制造、交通等行业的软件开发中。一般的软件系统图形界面开发需要花费大量的时间和人力,运行效率低下,界面不够专业美观。如果采用TWaver组件来开发软件界面,可以非常简单快速地创建精美、专业、高效的图形化界面,提高开发和运行效率,增加客户满意度,提高软件竞争力。
TWaver组件产品目前有TWaver Java,TWaver Web,TWaver Flex,TWaver .NET,TWaver HTML5和TWaver GIS六条分支,各分支都具有统一的核心技术和架构。
设计模式是一种广泛的概念,是一种通用的解决方案,比如软件设计中的MVC设计模式就是一种复杂的模式,它包含多种单一设计模式(比如事件设计模式,中间人设计模式,元素与容器模式,命令模式等等),是一种混合设计模式。
三、MVC设计模式
MVC是Model-View-Controller的简称,中文为模型-视图-控制器。MVC的设计模式最常用于Web应用,因为在Web应用中,前台与后台自然分离,无论是物理层面还是编程语言,浏览器端与服务器端都没法融为一体,自然而然需要模型与UI的分离设计,加上中间的控制模块,就构成了MVC的结构,前台发出请求,交给后台的控制器(C),控制器操作模型,并选择输出相应的视图(V),视图根据模型(M)中的数据生成,一个数据模型可以对应多种视图,同时模型发生变化,会通知所有的视图。
MVC设计模式在Web应用中的结构关系:
四、TWaver中的MVC
Swing,Flex还是Silverlight技术,都借鉴了MVC或其衍生版本的设计理念,TWaver也是如此。
TWaver中的MVC设计模式与上面介绍的类似,抛开浏览器端,这种MVC的关系变得更加明显和简单,看下面的示意图,数据模型指TWaver定义的网元类型和数据容器,视图层指TWaver定义的各种组件,控制器则指界面交互和切换。
M-V-C三层结构中,用户需要做的是组装模型,创建视图,定制交互逻辑,通常的TWaver应用,用户不需要关心模型和视图之间的关联和同步,只需要简单地创建,控制器层则根据实际业务需求定制。
五、MVC的发展与演变
MVC的出现(1974年,Trygve Reenskaug最早提出)有三十多年的历史了,由它发展而来的有很多新的模式(实际上TWaver也属于MVC的演化版本),其中最著名的有MVP,MVVM等等。
(一)MVP
MVP去掉了C(控制器)的部分,将交互监听相关的工作移到V,业务逻辑方面交给P,剩下的M称为纯粹的Domain Model。
MVP中,表现者是数据与视图的中间人,对数据持有和格式化,每个V(视图)都关联着一个P(表现者),理想情况下,视图上的所有交互和操作都通过表现者去执行,表现者完成操作后,派发事件给各个视图实现更新。
当然更宽松的情况是,允许视图拥有表现者的部分特殊的交互和操作,这在Web应用中尤其常见。
通常P(表现者)位于多层结构中的业务层,但这并不固定,它也可以位于应用层或者用户界面层,MVP是一种思想,而不是一种限制,它可以在很多层面上嵌套叠加使用。
(二)MVVM
与MVP类似的是表现者模型模式,这种模式中没有表现者,取代的是视图直接与表现者模型绑定,这个表现者模型是专门制定视图的模型,这意味着这个模型可以公开属性,这是域模型(Domain 。表现模型可以公开命令以供视图调用,这种方式的优势是当PM完成视图行为的封装后,你可以基本上不需要编写隐藏的代码,这种模式为WPF程序提供了强有力的选择,它也被称为MVVM设计模式。
MVVM设计模式的最大特点是视图不直接从数据模型中获取数据,而在MVP中允许V视图与M数据模型的数据绑定关系,TWaver的设计模式与MVVM最为接近,是一种简化的MVVM。
六、数据元素与数据容器
TWaver的数据模型使用了数据元素与数据容器的概念,容器一方面是对数据元素的管理,提供了增减修改之类的API,此外对元素的事件监听做了统一管理,元素的属性变化都会通知容器,然后由容器统一派发给各个关联的视图组件,实现了数据模型与视图之间中间转换人的角色。
七、事件监听机制
。。
八、结语
本文从MVC的设计模式,数据元素与数据容器,以及事件驱动机制等三个方面深入探讨了TWaver中的设计模式。
参考文献:
[1]/twaver.php
[2]/twaver.php?p_id=110
蛙莫言范文4
【关键词】汽轮机；可倾瓦；滑动轴承；数值模拟
【Abstract】This paper introduces the studies conducted by researchers from the domestic and foreign for the sliding bearing and the gaps of numerical analysis for the steam turbine tilting sliding bearing，which gives advices of researching steam turbine tilting tile sliding bearing oil film using the numerical simulation.
【Key words】Steam turbine； Tilting tile； Sliding bearing； The numerical simulation
0 前言
滑动轴承有轴颈和轴瓦组成，相比滚动轴承来说，其生产成本低、工艺简单、可以反复使用。液体在楔形空间内流动时会产生很强的压力，滑动轴承就是利用这个原理工作的。轴颈的旋转带动油液一起旋转，随着旋转方向，油液流入由轴颈和轴瓦组成的楔形空间内，进而使轴颈在一个相对稳定的位置旋转，同时轴颈与轴瓦之间形成了一层薄薄的油膜[1]。滑动轴承的结构有许多种，但是其形状大致经历了圆形轴瓦、椭圆轴瓦、可倾瓦轴瓦，不同轴瓦油的膜特性不同。汽轮机运行时经常发生油膜失稳，引发了人们对轴瓦的研究，油膜在圆形轴瓦中运行时会形成一个高压区和一个空穴区，且轴系振动较大。而椭圆轴瓦因为其特有的椭圆度，轴系振动有所改善。可倾瓦滑动轴承的发明对于轴系来说具有划时代的意义，其瓦块随着轴颈位置不断调整，不仅保证了油膜的稳定性，同时也使轴承具有更大的承载力[2]。
对于可倾瓦滑动轴承的研究，大多数研究者使用Reynolds方程计算单个瓦块，然后再进行叠加，这样计算的结果与实际油膜特性有较大偏差。因为他们忽略很多因素，例如轴瓦间隙的影响。计算流体力学被近期的许多研究者使用，但是对于整个可倾瓦滑动轴承油楔的研究还很少见，还没有合理的得出可倾瓦滑动轴承的油膜特性以及在外界因素影响下油膜特性的变化。基于数值模拟方法可以揭示这些特性。本文总结了可倾瓦滑动轴承的研究概况与研究方法，并对汽轮机可倾瓦滑动轴承的数值分析给出了建议。
1 可倾瓦滑动轴承的研究概况
1.1 国外研究概况
对可倾瓦滑动轴承的研究，国外开始的比较早，特别近些年发展很快。。；Matthew Cha[4]等利用数值模拟方法对雷诺方法进行有限元求解，分析了支点对可倾瓦滑动轴承非线性油膜力的影响，得出了油膜厚度与油膜压力的关系。。Kyung-Bo 。 的关系。White和Chan[6]研究了轴颈振动频率与动力特性的关系，得出动力特性的频率与支点偏置度和负荷成反比，但是计算仅限于Sommerfeld数范围内，导致结论使用的局限性；S.Wen等[7]用含有Newton-Raphson方法的数值计算方法对静态可倾瓦滑动轴承TEHD性能进行研究，发现这种方法比单个瓦块叠加收敛速度快。；A.M.EI-Butch等[8]用TEHD模型研究了轴线偏斜对油膜厚度的影响，发现轴线偏斜对油膜产生的影响可以用瓦块的塑性变形进行中和。；D.c.zachariadisl[9]通过求解Reynolds方程，研究轴向楔形与角偏斜的关系，得出油膜刚度与阻尼系数在很大程度上受角偏斜的影响。。
1.2 国内研究概况
随着国内工业化进程的快速发展，国内动压滑动轴承在很多方面也取得了不小成就。
朱均等[10-11]利用一种类似于有限元法的计算方法，研究了轴承动力学系数，虽然这种方法计算精度可以达到要求精度，且所用计算时间比有限元法缩短很多倍，但是对于轴承动力学的计算结果和实际值相差较大。因此，这种方法没能在动压滑动轴承上有效利用，需要进一步改进；。。但是，有限元法使用时需要输入的初始参数较大；。；赵文芳等[14]针对可倾瓦滑动轴承中存在的金属材料问题进行研究，系统总结了国内外轴瓦的多方面研究现状，得出了对可倾瓦轴承的研究中不可忽略轴瓦金属材料与轴瓦粗糙度的影响。；吕延军等[15]对Reynolds方程进行修正时使用了变分约束原理，通过计算修正后Reynolds方程来研究瓦块的非线性油膜力。使用了八节点等参有限元法研究了单瓦块油膜力，通过叠加得到了整周油膜压力。通过计算Poincar 映射和Runge-Kutta方法，研究了轴瓦支点对刚性转子系统的不平衡响应的影响。但是，对于轴承性能的研究仅限于单个瓦块的计算，叠加结果与实际值有一定误差；纪峰等[16]研究了实际生产中汽轮机可倾瓦轴承，在进行动态特性的模型计算时忽略了瓦块变形，进而得出在研究可倾瓦轴承动特性时应该考虑瓦块变形，而不应该考虑瓦块的摆动频率是否与转子转动频率相同。
1.3 数值模拟研究概况
对于可倾瓦滑动轴承油膜的研究，轴瓦间隙、油膜间的剪切应力等通常都不被考虑。传统的只计算Reynolds方程或者计算分析轴承理论和非线性油膜力的方法已经不能满足实际生产需要，因为这两种方法产生的误差较大。
20世纪初，我国航天航空工业飞速发展，同时也带动了偏微分方程理论、数值计算方法、网格生成、计算机硬件工业等的空前发展，以及计算流体动力学CFD的逐渐成熟。计算流体力学相比于实验流体力学和理论流体力学有许多优点：研究问题时，假设条件较少，可以模拟复杂流场，应用广阔；时间短，效率高，效益好；可以考虑许多其他影响因素进行研究，应用范围很广。因此，在对于油膜特性的研究时，大多研究者采用计算流体力学[17]。
高庆水等[18]在分析圆柱轴承压力特性时首次使用Fluent数值模拟，论证了各种方法计算结果与实际的误差大小，但是没能给出一个研究其他滑动轴承的最优数值模拟方法；涂林等[19]在使用Fluent中的RNG k-ε模型模拟油膜特性时修正了湍动黏度，使模拟结果更接近实际值，但是对于小间隙的油膜流场计算误差较大。张楚等[20]基于气液两相流原理模拟计算油膜特性，得出了滑动轴承油膜分布规律，但是该方法不能很好的计算流体本身的流动特性；而文献[21]使用单个模型对滑动轴承油膜进行数值计算，得出非线性油膜力与轴系的关系。但是对于轴承的间隙比没有很好考虑，因而研究的结果没有很精确的计算出实际应用当中的油膜特性。
2 CFD中数学模型的选取
在流体运动中，当流体惯性力和粘性力在一个数量级时，湍流就产生了。汽轮机轴瓦进油口进油为压力进油，流体是三维的随机扰动流体，必然会发生湍流现象。对模型进行一系列假设，将理论与经验结合，建立包括雷诺平均方程和脉动方程并且用来描写湍流平均量的封闭方程组，将该方程组称为湍流模型。
CFD中有许多湍流模型，包括Spalart-Allmaras模型、k-ε模型、k-ω模型、雷诺应力模型（RSM）、大涡模拟模型（LES）。其中，Spalart-Allmaras 模型是相对简单的单方程模型，不能用于复杂的流场；雷诺应力模型（RSM）适用于雷诺应力明显具有各向异性的流场中，比如龙卷风、燃烧室等带有强烈旋转的流场；大涡模拟模型（LES）适用于大涡结构受流场影响较大的流场中。
k-ε模型假定湍流为各向同性的均匀湍流，不适用于汽轮机滑动轴承油的运动。因为汽轮机滑动轴承进油为压力进油，对轴颈有一定冲击作用。并且当轴颈高速旋转，油在轴颈和轴瓦组成的狭小间隙内做粘性剪切湍流运动。在这种存在冲击和不完全湍流的情况下，使用k-ε模型的结果会和实际结果悬殊很大。对k-ε模型进行一些改进可以得到RNAk-ε模型，它在计算功能上大大强于k-ε模型，同样由于油膜的冲击和涡旋的存在，RNAk-ε模型也不能用于汽轮机可倾瓦滑动轴承油膜特性的研究。
而k-ω模型包含了流体的剪切流扩散，剪切应力输运k-ω模型简称SST（Shear Stress Transport）k-ω湍流模型，它是将k-ω模型和k-ε模型都乘以一个混合函数，然后再相加的结果。这种模型具有k-ω模型近壁区计算和k-ε模型远场计算两大优点。SSTk-ω模型增加了横向耗散导数项，考虑了湍流剪切应力，使用的湍流常数也和其他模型不同。这使得SSTk-ω模型应用范围更加广泛，它可以用于带逆压梯度的流动计算，并且能够很合理的考虑流体的涡流黏度。Shear Stress Transport（SST）湍流模型对于研究汽轮机滑动轴承油膜特性的模拟计算更适合。
3 结论与建议
1）在对油膜模型进行计算时，根据可倾瓦油楔中油膜的运动环境，可用Shear Stress Transport（SST）湍流模型来计算，因为该种模型可以考虑到不可忽略的狭小间隙内的油膜剪切应力，该模型对于油膜特性的模拟十分接近实际油膜特性。
2）对于可倾瓦油膜特性的研究，必须考虑到油膜温度和压力的关系，将两者耦合计算会使结果更加接近实际油膜流场。
3）可倾瓦滑动轴承的油膜压力、油膜温度、油膜厚度等都关系到汽轮机转子旋转的稳定性，虽然有关研究者做过圆形轴瓦、椭圆轴瓦、三油楔轴瓦轴承油膜对转子稳定性的研究，但是用N-S方程数值模拟计算对于可倾瓦的研究甚少。
【参考文献】
[1]毕世华，李乃宏，郑钢铁.油膜轴承动态特性参数及转子不平衡的现场识别[J].航空学报，1998，9（3）：378-383.
[2]王致清.粘性流体力学[M].哈尔滨：哈尔滨工业大学出版社，1990.
[3]Seongheon Yang，Chaesil Kim，Wonchang Lee.Prevention of Fluttering Fatigue Damage in a Tilting Pad Journal Bearing[J].Tribology International，2009，42：816-822.
[4]Matthew Cha，Patrik Isaksson，Sergei Glavatskih.Influence of Pad Compliance on Nonlinear Dynamic Characteristics of Tilting Dad Journal Bearings[J]. Tribology International，2013，57：46-53.
[5]Kyung-Bo Bang，Jeong-Hun Kima，Yong-Joo Cho. Comparison of Power Loss and Pad Temperature for Leading Edge Groove Tilting Pad Journal Bearings and Conventional Tilting Pad Journal Bearings[J]. Tribology International，2010，43：1287-1293.
[6]White，M.F.and Chan S.H.The Sub Synchronous Dynamic Behavior of Tilting-Pad Journal Bearings[J].ASME J.of Tribology，1992，11（4）：167-173.
[7]Chang Q Yang P，Meng Y，Wen S.Thermo Elastic Hydro Dynamic analysis of the Static Perfomance of Tilting-Pad Journal Bearings with the Newton-Raphson method[J].Tribology International，2002，35（4）：225-234.
[8]EI-Butch A M，Ashotir N M.Transient analysis of Misaligned Elastic Tilting-Pad Journal Bearing[J].Tribology International，2005，38（1）：41-48.
[9]Zaehariadis D C.A Xial Wedge Effect in Tilted Hydrodynamic Journal Bearings [J].Tribology Transactions，2008，51（3）：173-181.
[10]李小江，朱均.300MW汽轮发电机组径向可倾瓦轴承性能研究[J].与密封，1996（1）：29-32.
[11]王凤才，徐华，朱均，等.大型动静力径向可倾瓦轴承热弹流体研究[J].中国机械工程，2001，12（2）：140-143.
[12]张勇斌，温诗铸.轴承的有限元分析及其多重网格算法[J].工程数学学报，1994，16（4）：97-101.
[13]姜歌东，谢友柏.滑动轴承油膜动特性的时域：多工况识别法[J].机械科学与技术，2000，19（1）：123-124.
[14]赵文芳，宋宝玉，曲建俊.国内外弹性金属瓦轴承的研究现状[J].机械科学与技术，2006，25（4）：15-20.
[15]吕延军，张永芳，季丽芳，等.可倾瓦轴承-转子系统非线性动力行为[J].振动、测试与诊断，2010（10）：539-595.
[16]纪 峰，袁小阳，张宏涛，等.可倾瓦轴承动态特性计算模型及方法研究[J].汽轮机技术，2012，54（2）：105-108.
[17]张宏献，徐武，王镇江，等.椭圆度对椭圆滑动轴承稳定性的影响[J].中国机械工程，2011（10）：2466-2468.
[18]高庆水.基于CFD方法的液体动压滑动轴承动特性研究[J].与密封，2008，33（9）：65-67.
[19]涂林，李多民，段滋华.基于Fluent的动压滑动轴承油膜力场模拟研究[J].与密封，2011，36（4）：82-86.
蛙莫言范文5
关键词：医保欺诈；SQL查询语句；聚类分析；C5.0决策树
中图分类号：TP311 文献标识码：A 文章编号：1009-3044（2016）11-0001-04
随着近年来参保覆盖面和基金规模的迅速扩大、定点服务机构的大量增加、社会对医疗保险的认知度增强以及信息管理的薄弱，导致了医疗保险欺诈问题日趋严峻。欺诈手段也开始呈现出复杂性与多样性。这些欺诈行为严重损害着广大参保人员的利益，制约医疗保险公平可持续发展。面对日益膨胀的医保基金数额，以及其广泛的影响力，仅靠人工检测已明显不能满足需求。目前，国内医疗保险信息化日渐完善，在医疗保险信息化过程中操作型数据库记录了大量详细的医保相关的交易信息，为数据挖掘的研究与应用提供了广阔的空间。因此通过选取医保数据中的相关属性特征，利用数据挖掘技术进行欺诈行为的识别和预警，建立合理的医保欺诈预警模型，是一项极其重要的研究，能为医保管理决策者提供支持。
1 医保数据的预处理
；（2）存放数据的表繁多且关系复杂；（3）数据相对完整，空缺值较少；（4）存在大量不一致和没有价值的数据。因此，数据预处理是数据挖掘的极其重要的一部分，能剔除大量“脏数据”，提供更为干净、准确、具有针对性的数据。本研究采用的数据主要是某地区一个月的医保数据，包括病人资料、医疗费用明细、医嘱表等6个Excel表格约30余万条记录，数据量符合数据挖掘的要求。
1.1 医保数据的清洗
基于课题的研究背景、研究意义和研究方向，并结合6个excel表格，进行数据清洗，删除大量对于本次数据挖掘没有意义的数据。从这些表中选取的属性数目如表1所示。
表1 原有数据与所用数据属性数对比表
[表名＼&病人资料表＼&费用明细表＼&医嘱表＼&医嘱子类＼&核算分类＼&患者费别＼&原有属性数＼&86＼&20＼&158＼&33＼&11＼&17＼&所选属性数＼&4＼&14＼&5＼&5＼&4＼&3＼&]
1.2 医保数据的转换
上面清洗得到的数据表中的数据并不能直接使用，还需要转换为需要的形式，首先将日期一律采用“年-月-日”格式；接着通过出生日期和就诊日期得到患者年龄；最后将医嘱ID号精简成数字型。
1.3 医保数据的集成
由于数据分别储存在数据库的几个表中，因此需要将相关的表通过SQL查询语句进行连接，生成一个初步的集成表“医保数据表”。
但是该表格的属性繁多，冗余较大，还需进一步的处理。下面这些情况都有可能是医保欺诈：单张处方药费偏高，就医次数偏多，多人合伙进行欺诈等。因此，可计算病人就诊时的单次账单费用、每一个病人所看病的总消费额和就医次数。生成两个新的表格分别为“账单费用表”和“综合费用表”。
2 医保欺诈模型的建立与求解
2.1 参保人骗保行为识别
；二是就医次数偏多的识别。然后结合医保数据的特点，本模型将采用聚类的方法对问题进行研究。具体的研究流程图如图1。
1） 对所有病人聚类――Modeler的异常诊断方法
图1 研究流程图
根据病人的就医特征，从“医保数据表”中选取病人ID号、医保手册号、年龄、性别、就医费用、就医次数6个相关属性，构建异常检测聚类模型，对就医人群进行聚类，判别出各类的异常点，从而找出就医行为存在异常的参保人，即Modeler的异常诊断方法。
① SPSS Modeler的操作过程
先将医保数据表导入到SPSS Modeler中，并将除病人ID号、医保手册号、年龄、性别、就医费用、就医次数外的字段过滤掉；接着从表中的医保手册号这个字段中可看出，有一部分人在医院的记录中使用了医保卡，而一部分人没有使用，具体表现为：未使用医保卡的人医保手册号为1，因此将“医保手册号”属性转换成“是否参保”属性，且将该“医保手册号”属性过滤；然后选择字段类型；最后利用Modeler的异常诊断方法，构建异常检测聚类模型，找出就医行为存在异常值。并设定训练集中异常的记录百分比为5%，SPSS Modeler的具体操作过程如下图2。
② 运行结果如表2
通过表5可以筛选出就医行为存在异常的病人，并将研究的对象从58010名病人缩小到2047名异常的参保病人。为了方便之后的研究，在医保数据库的综合费用表中新增一列“异常情况”，并导入“异常情况”这一属性，得到“新综合费用表”，通过该表，就可以很容易的查找出就医行为存在异常的参保病人。
2） 对异常参保人聚类――Modeler的K-means聚类
通过步骤一的Modeler异常诊断方法，可以得到异常参保人有829人，但这并不代表就医行为存在异常的参保病人都会进行医保欺诈，因此本文将对这些异常参保病人进行K-means聚类分析，找出不同类群的异常就医行为的病人行为特征，并定义医保欺诈手段，从而识别出存在医疗保险欺诈的类群，再从中找出可能存在医保欺诈的参保人员。
① SPSS Modeler的操作过程
首先由于利用Modeler的K-means聚类方法时，首先需要给出聚类的类数，但是聚类的类数难以确定，因此选择Modeler的自动聚类方法。
Modeler的自动聚类方法主要是Kohonen聚类、两步聚类、K-means聚类，综合本文实际情况、数据的特点以及聚类的质量，对比情况如图4所示。因此最终选择K-means聚类方法，从而找出不同类群的异常就医行为的病人行为特征。
② 运行结果
聚类结果显示：聚类数为5类时最为适合，且聚类质量较好，操作结果如表3所示。
根据表3聚类结果可以初步得知：
对于聚类-1，该类参保异常人平均年龄为5.78，属于少年群体，平均就医次数6次，平均单次就医费用69.5元，此费用较低，属于正常范围，这与少年本身身体素质有关，治疗费用并不需要太高，因此认为这类人群不存在医保欺诈的行为；
对于聚类-2，该类参保异常人的平均年龄为46.06，属于中年群体，平均就医次数5次左右，平均单次就医费用达到788.6元，与正常就医行为特征相差十分大，因此认为该类人群存在医保欺诈的行为；
对于聚类-3，该类参保异常人的平均年龄为35.70，也属于青年群体，虽然平均单次就医费用仅77.34元，但其平均就医次数达到9.52，由于就医频次过高，因此认为该类人群存在医保欺诈的行为；
对于聚类-4，该类参保异常人的平均年龄为68.44，已属于老年群体，该类人群平均就医次数3.42，平均单次就医费用301.03；就医费用较高，这与老年人体弱多病有关，一旦患病则需要较长的治疗周期，因此本文认为该类人群不存在医保欺诈的行为；
对于聚类-5，该类参保异常人的平均年龄为37.78，属于青年群体，该类人群平均就医次数3.31，平均单次就医费用256.7元；可认为该类人群不存在医保欺诈的行为。
根据以上的聚类结果和对各类人群的就医行为特征进行归纳分析，可发现，参保人就医行为存在异常的病人中有医保欺诈行为的仅163人，占参保异常人总数的7.96%，符合实际情况。
a.参保人频繁到医院就医，超量购药，导致就医次数偏高和就医费用偏高；
b.若干参保人同一时间到医院频繁刷卡，开取昂贵药，且开取的药物药效相似。
c.参保人购买的药物类型与所属的年龄段不相符；
3） 建立预测决策树模型――Modeler的C5.0决策树
根据步骤一、二，已识别出存在医保欺诈行为的病人。因此，通过结合存在医保欺诈行为病人的就医行为和不存在医保欺诈行为病人的就医行为特征，运用C5.0决策树算法，建立了一个识别某位病人在一段时间内是否存在医保欺诈行为的判别分类模型。
① SPSS Modeler的操作过程
首先通过筛选建立参保病人表，确定决策树的输入变量为就医次数、就医费用以及年龄，输出变量为“是否骗保”，其中将存在医保欺诈的病人变量赋值为1，其余病人赋值为0；然后，将所有的样本随机划分为两个数据集，其中70%的参保病人作为决策树的训练集，用于进行决策树的训练，30%的参保病人作为决策树的测试集，用于检验决策树的正确率。具体的操作步骤如图5。
条规则：
A. 如果 就医次数>10，则存在医保欺诈行为；
B. 如果 就医次数>8 并且 年龄>55，则存在医保欺诈行为；
C. 如果 就医次数>7 并且 55>=年龄>15，则存在医保欺诈行为；
D. 如果 就医费用>2097.38 并且 57>=年龄>32，则存在医保欺诈行为；
E. 如果 就医费用>3305.02，则存在医保欺诈行为。
为验证建模结果的准确性，通过对模型添加矩阵节点和分析节点，可以得到模型的准确率和损失率。结果见如表3和表4。
通过表4可知：在训练集里该决策树的准确率高达100%，在测试集里准确率也高达99.94%，准确率极高。再通过表8的损失矩阵中可知：本来不存在医保欺诈行为但是被该决策树误判为存在医保欺诈行为的人数仅有1人；本来存在医保欺诈行为但是被该决策树误判为不存在医保欺诈行为的人数也只有5人。因此，该模型的准确率是非常高的，存在医保欺诈行为的人数仅有163人，则该决策树的适用范围还是比较小的，具有可信度。
2.2 数据映射查找相关欺诈信息
通过对参保人骗保行为进行识别，找出了参保病人中可能进行医保欺诈行为的病人。由医保欺诈的欺诈对象来看，欺诈除了参保人还有医生。因此，将继续根据骗保人信息表的数据映射关系来找到与嫌疑人员有关的嫌疑科室、嫌疑医生以及高频医嘱子类、核算分类。从而可以确定协助作案的科室医生以及医保诈骗事故高发的医嘱项、医嘱子类以及核算类，便于以后的重点监督和排查。
1） 查找嫌疑科室
根据医保欺诈的欺诈方式来看，在某些情况下，科室可以通过伪造病历、票据医保等方式欺诈，以骗取医保资金。显然，通过这种操作方式会造成某些患者费用和频率较高。因此，可以通过骗保人信息表筛选出与嫌疑参保人有关的科室，并且统计他们与嫌疑参保人进行操作的次数。本研究将采用医保手册号来统计下医嘱科室与嫌疑参保人进行操作的次数。
最终由条形图可知，前5个科室的交易次数明显高于其他科室，并且和与其相邻的科室样本突然发生较大变化，因此将下医嘱科室为173、124、133、203、143的认为是嫌疑科室。
2）查找嫌疑医生
与嫌疑科室同理，嫌疑医生可以通过伪造病历、票据医保等方式通过欺诈，以骗取医保资金。因此根据同样的方法查询出嫌疑医生，条形图显示，前2个医生的交易次数明显高于其他医生，并且和与其相邻的科室样本突然发生较大变化，因此将开嘱医生ID号为1180、794的认为是嫌疑医生。
3）查找高频医疗作案项目
医保欺诈通常选择效率高、收益高、周期短的医疗项目作为作案目标，因此可以通过查找记录中高频医嘱项、高频医嘱子类、高频核算分类来确认医保欺诈高发的作案项目。为更直观地看到各高频类在项目中所占的比例，将绘制成饼图来统计。
由饼图结果可以将医嘱项为6886、16428、5462等前十名，医嘱子类ID号为6、1、23，核算分类ID号为1的三个高频项目认为是参保人极易选择的作案项目，其内容具体意义为医嘱项：89SrCL2注射液[4mci]、重组人红细胞生成素[5000IU/瓶]、0.9%氯化钠注射液（直软）[100ml]等，医嘱子类：针剂、口服药、成药口服，核算分类：西药费。对于这几种效率高、收益高、周期短的医疗项目要重点监督，防止医保欺诈。
3 研究结论
本文的研究结果表明：基于聚类分析和决策树的数据挖掘方法对医保欺诈行为能够进行较为准确的预警，无论是学习还是最后实践的识别准确率都达到了99%，可信度强。这种预警方法可以大大减少人工检测，提高识别效率，为医疗保险机构的决策者和医保基金运营监管人员进行科学决策提供客观依据，提升社会预测力和科学决策力。
但在取得一些研究成果的同时，还存在一些不足：1）本研究所使用的费用相关数据都是只与药物消费有关，因此研究的医保欺诈行为也只局限在与药物方面异常的有关情况，这使医保欺诈主动发现的模型缺乏普遍性；2）在建立决策树模型时，只利用到数据库中的几个相关属性，具有局限性。若再进一步研究，可以将更多的信息用于建立决策树模型，使得模型更具有普遍性；3）由于数据中没有给出病人是否存在医保欺诈的属性指标，因此对模型的检验存在一定的缺陷。
参考文献：
[1] 甘枥元.基于数据挖掘医保系统的研究[J].信息安全与技术，2013（10）：67-68.
[2] 陈真，秦伟，徐绪堪，房道伟.大数据环境下医保数据监测和预警模型构建[J].现代商业，2014（20）：101-102.
[3] 朱攀.基于人工神经网络的医保定点医疗机构信用等级评价模型[D].国防科学技术大学，2010.
[4] 高宇彤.基于离群点检测的新农合医保欺诈识别的研究[D].哈尔滨商业大学，2015.
[5] 楼磊磊.医疗保险数据异常行为检测算法和系统[D].浙江大学，2015.
[6] 沈培，张吉凯.聚类分析在医疗费用数据挖掘中的应用[J].华南预防医学，2012（1）.
[7] 冯丽芸.数据挖掘在我国医保方面应用综述[J].电脑知识与技术，2014（05）：880-881.
[8] 孙晶晶，魏俊丽，万昊，赵冠宏.数据信息在医院医疗保险管理中的应用[J].中国医院，2015（12）.
蛙莫言范文6
[关键词] 学习行为模式；学习风格模型；贝叶斯网络
[中图分类号] G434 [文献标志码] A
姜强（1978—），男，辽宁丹东人。讲师，博士，主要从事网络个性化、自适应学习研究。E-mail：。
一、引 言
学习者在知识水平、学习风格、动机、目标等方面是存在个性差异的，在教学中应该充分尊重学习者的个性差异，实现“因材施教”、“个性化学习”。根据多数教育研究者所言，[1]学习风格是影响个性差异最主要的一个因素，深深地影响着学习过程，如果在教学中考虑了学习者的学习风格，将会有效激发和维持学习者的学习动机，会使学习变得很容易，可以付出很少时间和努力却能获得很好的学习成绩。；有的学习者愿意先从具体实例资源学起，而有的学习者愿意从比较抽象的定义中开始学习；有的学习者愿意合作学习，而有的学习者比较愿意自学等等。然而，在传统的面对面教学中，教师若想根据学习者的学习风格采用相应的教学方式是行不通的，很难想像在一个班级里，一位教师能够针对班级50名或更多的学习者分别采用不同的教学方式传授不同的课本知识，但是网络学习却很好地解决了因材施教问题，利用网络学习服务支持系统能根据学习者的学习风格提供个性化学习服务。常见确定学习者学习风格的方法有两种：一种是显性方法。通过学习者填写学习风格量表获得，代表性学习支持服务系统有AES-CS、[2]INSPIRE [3]及The SACS（Style-Based Ant Colony System）等。[4]然而，这种显性方法推测学习风格存在不足之处，比如，静态推测，不能伴随着学习者的学习动态及时更新；风格量表题较多，给学习者带来一定的负担；会因学习者填写的随意性而产生错误的答案，导致推测结果不准确等等。后期也有研究者对显性方法进行了改进，让学习者进入系统后自选学习风格，这样做虽然提高了学习者自控能力，但是主观判断依然强烈，有些学习者甚至还不清楚自己的学习风格就去选择，导致推送个性化学习资源的准确性不高。第二种是隐性方法。通过分析学习者与系统之间的交互行为确定学习风格，代表性学习支持服务系统有AHA！（version 3.0），[5]这种方法确定的学习风格具有动态性，会根据学习行为及时修正学习风格模型，满足学习者的学习需求。然而，不难发现利用隐性方法确定学习风格同样存在不足之处，存在“冷开始”问题，原因在于根据学习行为确定学习风格是建立在大量的学习行为模式基础上，对于初学者而言是无法做到的。鉴于此，本文将采用显性法为辅和隐性法为主的混合方法确定学习风格，即，基于Felder-Silverman学习风格理论模型，首先依据所罗门学习风格量表[6]初始化学习者的学习风格模型，然后再主要利用贝叶斯网络方法挖掘网络学习行为模式建构学习风格模型，实现网络个性化学习对象准确的推送。
二、学习风格理论模型及建构模型
（一）学习风格理论模型
自教育研究有从“教”向“学”的转移倾向，研究者逐渐重视学习者个别差异学习研究和学习者个体在学习过程中的主观能动性和创造性，由此关于学习风格研究便成为热点。目前已提出多种与学习风格相关的理论模型，比较有名的有Kolb学习风格模型（Kolb， 1999）、Honey and Mumford 学习风格模型（Honey and Mumford，2000）、Dunn学习风格模型（Dunn and Griggs，2003）及Felder-Silverman学习风格模型（Felder and Silverman，1988）等，[7]每种模型对学习风格提出了不同的描述和分类。本研究主要采用Felder-Silverman学习风格模型，有如下理由：
（1）相比其他学习风格模型，Felder-Silverman学习风格模型描述更为详细；
（2）Felder-Silverman学习风格模型已经被成功应用，如据Kuljis and Liu （2005）[8]所说，Felder-Silverman学习风格模型最适合做自适应、个性化课件。CS383、MASPLANG、LSAS、TANGOW等国外著名的自适应学习系统都采纳此学习风格模型；
（3）Felder-Silverman学习风格模型将每位学习者设定为四个维度：信息加工（活跃型/沉思型）、感知（感觉型/直觉型）、输入（视觉型/言语型）、理解（序列型/综合型）。其中活跃型学习者喜欢尝试做事、合作学习；而沉思型学习者喜欢思考问题，自主学习；感觉型学习者喜欢学习具体事物，比如实例，而直觉型学习者喜欢抽象的学习资料，喜欢具有挑战性、创新性的知识；；序列型学习者属于线性学习，小步子学习；综合型学习者属于非线性学习，大步子学习。