凸轮轴数控磨削工件主轴转速优化建模与实验研究

根据凸轮轴X-C轴联动恒线速度磨削加工数学模型,建立了砂轮架进给位移与速度、凸轮工件主轴转速的理论方程。根据数控凸轮轴磨床加工能力的约束条件,对砂轮架进给中速度、加速度或加加速度值超出限定值的凸轮转角区间,通过积分反求方法求解出相应转角区间工件主轴所允许的转速值,并以该段转速值替换对应的转角区间上凸轮轴恒线速度磨削时理论转速值。对优化计算前后的工件主轴转速曲线进行了凸轮轴磨削加工实验。实验结果表明：采用优化后的凸轮工件主轴转速进行加工,相比于恒线速度理论转速加工,其升程最大误差与最大相邻误差减小,工件表面粗糙度降低,提高了凸轮轴高效精密磨削加工质量。     

凸轮轴高速磨削温度的实验研究

为深入探讨凸轮轴高速磨削过程中磨削温度的演变规律,设计了基于红外热像仪的凸轮轴高速磨削工件表面温度的实验测试装置。采用正交试验法和单因素试验法设计磨削实验,开展了不同磨削工艺参数下的磨削温度实验,运用极差法和方差法综合分析了相关磨削工艺参数对磨削温度的影响规律,基于工件表面磨削温度和表面粗糙度分析了凸轮轴高速高效磨削的可行性,为解决凸轮磨削表面热损伤等问题提供了参考。     

增稠剂、淀粉、鱼糜种类对鱼丸白度影响的研究

<正>鱼糜类制品主要是由冷冻鱼糜经斩拌、成型、速冻、包装而成的一类速冻调理制品。近年来,不同厂家的鱼丸产品的白度参差不齐,但目前有关提高鱼丸白度的文献较少,多以研究鱼丸凝胶的强度为主。比如,庄玮婧等研究了转谷氨酰胺酶对鲢鱼鱼丸弹性的影响;杨玲芝等研究了膳食纤维对鱼丸弹性的影响;周阳等研究了蛋清蛋白粉与大豆分离蛋白粉对鱼丸弹性的影响,对比了蛋清蛋白粉与大豆分离蛋白粉对鱼丸白度降低的作用;苏德福研究了不同辅料对鱼丸凝胶强度的影响。     

一种基于测井信息的钻头选型方法

目前的钻头选型的方法都未把影响钻头选型的几个主要因素综合考虑进去，以致优选出的钻头类型实用性不好。为此，本文在充分利用测井信息并从中提取岩石硬度、抗压强度、抗剪强度及岩石可钻性等岩石特性参数的基础上，采用模糊聚类方法对其进行聚类，然后根据聚类结果进行钻头选型。通过在川东地区的应用，取得了良好的效果。现场实践证明该方法能为钻头的合理选型提供科学依据。     

国家历史文化名城研究中心历史街区调研——四川资中县罗泉古镇

<正>1 基本概况 罗泉镇位于四川省内江市资中县西北51km,面积58km2,处于资中、仁寿、威远三县交界处,有"脚踏三县"之说。罗泉古镇是省级历史文化名镇,相传为诸葛亮驻军此地,开挖井泉而得名。古镇形态酷似一条游龙。号称"川中龙镇"。罗泉是四川历史上著名的产盐古镇,并留存下许多与盐业相关的历史遗迹。近代罗泉又是一座具有光荣革命传统的城镇,揭开四川保路运动序幕的罗泉井会议就在此召开。2 城镇空间特色 罗泉古镇极致川中小镇的主要特色,顺应自然,因地制宜。建筑和街道傍山依水,绵延五     

Segal的方型温度——时间循环控制的锌铁合金化设备

Ｓｅｇａｌ的方型温度－时间循环控制的锌铁合金化设备［比利时］ＭｉｃｈｅｌＢｅｇｕｉｎ等１前言在热镀锌机组中，若要对薄规格带钢进行锌－铁合金化处理，就必须降低机组速度，而降低机组速度，则意味着大大降低生产率。此时的机组速度，已不取决于电气或机械条件的限...     

故障诊断的发展

本文是关于故障诊断技术的文献综述,试图从方法发展的角度给出近年来此领域中遇到的新问题和由此产生的新方法。内容包括,门级电路的测试,高级模型;系统级诊断;故障模拟和硬件的易测设计。     

红外辐射测量系统线性度的测定及校正方法

采用单对双孔径方法测量系统的线性度,在数据处理中对比较参考值进行逐级修正,应用于某一红外系统时,线性度校正精度达2×10~(-4)透射单位.     

一种面向消息的安全传输中间件模型

面向消息中间件（Message-Oriented Middleware，MOM）的安全消息服务的核心是基于安全协议的代理服务。MOM安全消息的路由和传送主要使用集中式消息服务器，导致消息服务可扩展性差和安全管理对象受限制等问题。针对MOM目前的问题，我们在普通MOM基础上提出一种加密传输中间件TSMQ（Transport Security Message Queue）模型。它采用将路由和传送功能分布在每台客户机上的方法，较普通MOM有更高的可扩展性和安全性，可有效保护敏感数据的传输安全。     

基于MTF-CNN的滚动轴承故障诊断方法EI北大核心CSCD

针对传统故障诊断方法在滚动轴承实际工况复杂多变、数据集较小时对轴承故障诊断识别准确率较低的问题,提出了MTF-CNN滚动轴承故障诊断模型。首先采用马尔科夫转移场(MTF)编码方式将原始一维振动信号转化为具有时间相关性的二维特征图像,然后将特征图作为卷积神经网络(CNN)的输入进行自动特征提取和故障诊断,最后实现对不同故障类型的分类。为了验证所提方法的有效性和优越性,选用凯斯西储大学滚动轴承数据进行试验验证,并在负载改变时和不同数据集规模下对所提出方法的泛化性能进行测试,同时与传统智能算法进行对比分析。结果表明,相较于其他常用的故障诊断方法,所提出模型在数据集较小、负载改变的环境下对滚动轴承故障诊断具有更好的泛化性能和识别效果。