考虑综合间隙的转臂轴承动态参数计算方法

转臂轴承是RV减速器中的关键部件,其动态参数直接影响RV减速器的整机性能。以RV减速器中的转臂轴承为研究对象,考虑转臂轴承几何参数与工作状态下的物理参数变化,建立了转臂轴承的动力学计算模型;分析了轴承游隙、油膜厚度、温升与转臂轴承综合间隙的关系;通过数值求解,获得了不同工况下轴承综合间隙对转臂轴承时变支撑刚度的影响规律。结果表明,随着综合间隙的减小,轴承径向支撑刚度趋于稳定;当考虑转臂轴承综合间隙时,其径向支撑刚度减小达9.7%。因此,转臂轴承综合间隙对系统动态性能的影响不可忽视。

数控机床刀塔锥齿轮振动噪音分析

由于数控机床刀塔部件的可靠性会影响数控机床的加工精度,以某公司生产的弧齿锥齿轮为研究对象,在齿轮啮合理论的基础上,利用激光扫描逆向工程技术、公差测量技术、装备故障诊断噪音分析技术,以弧齿锥齿轮啮合质量的数字化检测为突破口,从而得到一种齿轮结构参数分析方法,用以探究其产生振动的原因。通过实验提取样件弧齿锥齿轮和改进弧齿锥齿轮实际运行过程中的噪音音频,对比分析两对齿轮的噪音频谱图来验证理论方法的正确性与有效性。分析得到样件弧齿锥齿轮产生噪音的主要原因为弧齿锥齿轮模数过大、齿数过少,重合度低。其研究结果可指导设计与加工,以提高国产弧齿锥齿轮的啮合质量,进而提高机床的加工质量。

基于高空间分辨率卫星影像的新疆阿拉尔市棉花与枣树分类

【目的】枣树和棉花是新疆地区的两大优势作物。利用高空间分辨率遥感影像对作物进行识别,更加快速、准确地获取枣树和棉花的种植面积及其分布区域,以利于相关部门政策的制定及农作物的精确管理。【方法】本文以新疆阿拉尔市主要农作物为研究对象,运用基于像素与面向对象的遥感影像分类方法,通过比较光谱角制图(SAM)、支持向量机(SVM)、CART决策树(DTs)、随机森林(RF)这4种机器学习算法在高空间分辨率卫星影像分类中的作物识别精度,探究影像获取时期(2016-05-10、2016-09-07、2016-10-08)及面向对象的信息提取技术对作物分类精度的影响。【结果】5月份影像(即棉花覆膜期影像)作物分类精度最高,10月份影像次之,9月份影像最差;与基于像素的作物分类方法相比,面向对象的作物分类方法可以使各时期的作物分类总体精度得到一定提高(除SAM之外),各时期分类精度分别提高了4.83%、7.77%、7.22%,最高分类精度分别为93.52%(2016-05-10)、85.36%(2016-09-07)、88.88%(2016-10-08),均实现了较好的作物分类效果。【结论】5月份(棉花覆膜期)影像对棉花和枣树分类效果最好,该时期的棉花被地膜覆盖,且枣树表现出明显的植被光谱特性,两种作物生长早期呈现出差异化的光谱特征,因此棉花和枣树的遥感识别应在作物生长早期进行;面向对象的分类方法可以综合运用光谱、纹理及空间信息,特别是纹理信息的加入,可以取得比基于像素方法更高的分类精度,且提供一种高效提取田块边界的手段,对当地农田信息化管理具有重要应用价值。在棉花和枣树识别过程中,纹理特征的重要性高于光谱和空间特征,红光和绿光波段在所有波段中对棉花和枣树的识别贡献最大。