基于VMD和BSA-KELM的高陡边坡位移预测模型研究

边坡位移的时间序列曲线存在复杂的非线性特性,传统的预测模型精度不足以满足预测要求。为此提出了基于变分模态分解的鸟群优化-核极限学习机的预测模型,并用于河北省某水泥厂的边坡位移预测。该方法首先采用VMD把边坡位移序列分解为一系列的有限带宽的子序列,再对各子序列分别采用相空间重构并用核极限学习机预测,采用鸟群算法优化相空间重构的嵌入维度和KELM中惩罚系数和核参数三个数值,以取得最优预测模型。最后将各个子序列预测值叠加,得到边坡位移的最终预测值。结果表明：和KELM、BSA-KELM、EEMD-BSA-KELM模型相比,基于VMD的BSA-KELM预测精度更高,为边坡位移的预测提供一种有效的方法。     

探究建盏的审美与文化——以曜变建盏为例

早在我国晚唐五代时期,就开始产生了建盏文化,发展到宋代时期逐渐和茶文化进行了融合,并形成了一些衍生文化。在历史发展过程中,国家的文化也在不断发展,建盏文化从诞生到盛行又走向衰弱,在现代又重新走向复兴,在这个过程中产生了许多建盏珍贵文物,也逐渐成为了陶瓷中的上品。在建盏文化中,最为典型的一种就是曜变建盏,其中更是蕴含了独特的审美和文化。     

基于改进SOA-VMD的磁声发射信号去噪算法

磁声发射（MAE）是铁磁性材料磁化过程中产生的声发射信号，在构件应力检测和微观损伤检测中有着广泛的应用。针对MAE信号非稳态、复杂性、衰减性等特点，提出海鸥算法结合变分模态分解（SOA-VMD）的去噪方法，为克服海鸥算法求解过程中易陷入局部最优解问题，利用柯西变异算子产生随机迭代过程，使改进算法即柯西变异海欧算法（CVSOA）跳出早熟收敛。采用以幅值谱熵为适应度函数，优化VMD算法中分解模态个数K和二次惩戒因子α两个参数，将含噪声的MAE信号进行VMD分解重构。经仿真信号和实际检测信号分析表明，改进后的CVSOA-VMD算法全局寻优能力和去噪性能优于传统的SOA-VMD算法，降噪后的MAE信号特征值对于不同应力下均方根、偏斜度特征值的重复性更好，可靠性更高。     

MOMEDA结合数学形态滤波的齿轮故障特征提取

为了实现齿轮故障特征的有效提取,针对齿轮早期故障振动信号非线性、非平稳且信噪比低的特点,提出了一种基于多点最优最小熵反卷积(MOMEDA)和数学形态滤波的齿轮故障特征提取方法。首先利用MOMEDA恢复信号中的周期性故障特征并实现信号的降噪,再运用形态差值滤波器对解卷积后的信号进行滤波以增强信号中的冲击特征,最后对滤波结果求取频谱以进行故障特征提取;通过对仿真结果和实验数据的分析验证了该方法的可行性和有效性。结果表明,该方法具有抑制噪声和提取周期性故障冲击特征的能力,能够实现齿轮故障特征的提取。     

齿轮加工中的磨齿修形方法的研究

齿轮作为各类机械传动系统的核心,在工作过程中的稳定性和可靠性直接决定着机械设备运行的可靠性和安全性。因此,针对机械设备对传动精度和寿命要求的不断提升,提出了一种新的磨齿修形方法。运用该方法,极大地提升了齿轮的齿形精度,能够显著降低在啮合过程中的齿顶边缘接触现象,降低振动冲击,提升齿轮的使用寿命。     

喷油方式对斜齿轮齿面温度的影响

为探讨喷油方式对齿面温度的影响，以斜齿轮为研究对象，通过CFD仿真和试验研究不同喷油方式对斜齿轮齿面温度的影响。针对斜齿轮喷油润滑过程的特点，分析其齿面摩擦生热量，简化轮齿喷油润滑计算模型，并基于CFX进行齿面对流换热仿真研究，得到了不同喷油方式下的齿面温度；基于功率开放式斜齿轮试验平台，对不同喷油方式下的齿面温度进行了试验测量，与仿真计算结果进行对比分析。结果表明：在高速重载斜齿轮传动系统中，啮出侧喷油润滑的方式比啮入侧喷油润滑方式的冷却降温效果要好。     

提升齿轮加工精度的论述

在实际的齿轮加工过程中,齿轮的加工精度受到很多外在的因素影响。齿轮加工的精密程度就就决定了微小的因素都有可能让整个齿轮的加工精度受影响,因此要格外注意。本文针对如何提升齿轮的加工精度进行详细的阐述和分析,希望通过本文的阐述,可以为齿轮的加工精度的提升有所帮助。