基于堆叠稀疏去噪自动编码网络与多隐层反向传播神经网络的铣刀磨损预测模型

刀具磨损状态是机械加工过程中需考虑的重要因素之一.针对铣刀磨损的在线预测问题,建立了一种基于深度学习的铣刀磨损预测模型.首先,将采集到的铣刀切削时的振动信号进行小波去噪后,利用快速傅里叶变换和小波包分解等技术提取时域、频域及时频域上的特征参数,并根据相关性分析从中筛选出合格的特征参数合并为特征向量,以此作为堆叠稀疏去噪自动编码网络(SSDAE)的含噪样本.其次,利用特征后处理的方式对已经筛选出的特征参数进行单调不递减及平滑处理,并将其作为SSDAE的无噪样本来训练该网络.然后,将经过SSDAE降维后的特征向量作为多隐层反向传播神经网络(BPNN)的输入,以这些特征对应的实际铣刀的磨损量作为标签对该网络进行拟合训练.最后,对训练好的模型进行实验验证,通过测试数据集和人为加入噪声的测试数据集的对比,结果显示所提模型不仅具有较高的预测精度,还具有较高的鲁棒性.     

下扬子地区下志留统风暴沉积特征及风暴作用对泥页岩品质的影响

近年来在下扬子地区页岩气地质调查井所获取的地层岩心资料，揭示该地区下志留统风暴沉积较为发育。基于精细的岩心观察描述，详细分析了下扬子地区下志留统高家边组下段中上部风暴沉积的特征，并阐明了风暴作用对泥页岩的影响。研究表明：研究区风暴岩岩性偏细，以粉砂岩为主，石英含量较高，结构成熟度较低，具2种不同的粒度概率曲线；主要发育底部冲刷面、块状层理、平行层理、丘状交错层理、波纹交错层理、准同生变形构造等沉积构造；垂向上主要识别出4种风暴沉积序列，均具有从底到顶粒度变细的沉积特征，不同的沉积序列与风暴流能量的强弱有关。下扬子地区早志留世频繁的风暴活动与研究区的古地理背景和古气候条件具有内在联系。特大型风暴对浅海陆棚深水区的细粒泥质沉积物特征产生重要影响，包括降低有机质含量、减少单层厚度、破坏垂向连续性、改变原始沉积构造和侧向稳定性等，总体上降低了泥页岩的品质。因此，研究认为在页岩气的勘探和评价过程中应重视风暴因素对陆棚深水区原始泥质沉积物的影响。     

某铁矿强磁尾矿反浮选回收试验研究

针对我国西部某铁矿强磁选尾矿进行了反浮选回收铁资源的试验研究, 探讨了pH值、抑制剂可溶性淀粉用量、阳离子捕收剂十二胺用量对浮选指标的影响。结果表明, 在矿浆pH=10、可溶性淀粉用量2 400 g/t、十二胺用量400 g/t条件下进行一粗一精(精选药剂用量减半)闭路反浮选, 可获得铁品位43.88%、回收率50.93%的铁精矿产品。     

关于材料化学专业英语教学的几点思考

材料化学专业英语是材料化学专业最重要的专业课程之一，专业英语的学习可为学生的专业论文写作和国际交流奠定坚实的基础。该研究对当前材料化学专业英语教学中存在的一些问题进行了分析，并从教学内容、教学方法、教师素质等方面就如何提高材料化学专业英语的教学效果进行了探讨，以期对改善教学质量和提高学生学习兴趣等方面有所促进。     

西藏丁青象牙玉的玉石学及矿物学特征

矿床产于西藏丁青县，其质地温润细腻，色如象牙，故得名“象牙玉”， 矿石呈砾石状，部分呈磨圆状、椭圆状。运用紫外可见光谱、X射线荧光光谱、红外光谱、X射线粉晶衍射及扫描电镜等技术对象牙玉进行了玉石学及矿物学特征研究。结果表明:象牙玉摩氏硬度在4~6，相对密度2.92~3.05，折射率1.62~1.70，无多色性，无特征吸收谱带，主要矿物成分为菱镁矿（MgCO₃），少量石英（SiO₂），微量方解石（CaCO₃）。丁青象牙玉的玉石学及矿物学特征可作为产地鉴定的依据。      

基于SVD和SSA-VMD降噪的轴承故障特征提取

针对强噪声背景下轴承故障特征提取困难的问题，提出一种基于奇异值分解和参数优化变分模态分解联合降噪的轴承故障特征提取方法(SSVMD)：首先，对原始信号进行奇异值分解(Singular Value Decomposition，SVD)处理，运用奇异值差分谱法选取有效奇异值并将原始信号重构得到初步降噪信号；其次，为防止故障信息丢失，将残余信号进行麻雀算法(Sparrow Search Algorithm，SSA)优化的变分模态分解(Variational Mode Decomposition，VMD）算法处理，得到最佳的模态个数K和惩罚参数α，选取峭度值最大、包络熵最小的IMF分量与初步降噪信号叠加得到最终降噪信号，并对信号进行包络分析；最后，通过仿真和试验数据分析得出，该方法能在信噪比很低的情况下降低噪声含量并提取轴承故障特征，为设备的状态监测和故障诊断提供理论依据。