古筝基础知识

1、古筝基本构造

    调音盒,前岳山,琴弦,琴码,面板,后岳山,琴架等。

 

2、古筝部件材料

    1)琴码:红木系列的是以酸枝木为原料,上嵌牛骨;金丝楠木系列原料为鸡翅木;紫檀系列为紫檀木

    2)面板:桐木

3)筝弦:

4)边板:红木、楸木

5)底板:桐板、白松木

    6)岳山:红木


3、古筝的摆放

    1)古筝一般放在琴架上,琴架通常分为两种:一种是连体式琴架;另一种是分体式琴架。其中分体式琴架最为常用。

    2)琴架摆放时要注意高低之分,高的一只放在前岳山的下方,低的一只放在后岳山的下方,出音孔内侧,不能压着出音孔。


4、琴码的安装

    1)古筝近身是高音部,琴码号最小,琴码高度最矮,琴弦最细,中音部和高音部琴码依次摆放,琴弦放于琴码搁弦槽上。

    2)第一码的中心至前岳山为150-160mm,第21码的中心距离前岳山为950mm,中间琴码基本等距离排列。但为了转调方便,在常用的D调排列时,3号码到4号码、8号码到9号码、13号码到14号码、18号码到19号码,应为其他琴码的2倍左右。

    3)低音区的琴码比高音区的琴码间距稍大一些,幼儿学筝,应指力有限,应将整排琴码往前岳山方向移

    4)琴码高度分为7组,相邻3个为一组,高度差2mm,高音到低音逐渐变高变粗,相邻的和八度之间的弦的拱度过度要均衡。


5、义甲的佩戴

    1、右手大指义甲的佩戴方法是:

    预先剪好八截胶布,长度大约能缠绕手指两圈半到三圈,放在一边备用。

    1)将剪好的胶布贴在义甲的背面,上方留出一小截胶布(长度以能缠绕大指半圈为宜。)

    2)用右手捏住义甲,尖的一端位于左下方,先缠短的一截胶布,固定好后,再缠长的一截。松紧要适宜,不能太松,也不要过紧。

 

    2、右手食指、中指、无名指义甲的佩戴方法:

    1)贴胶布的方法和大指一样;将胶布贴在义甲的背面,上方留出一小截胶布;

    2)食指、中指、无名指的义甲顺着手指的方向佩戴。先缠短的一截胶布,固定好后,再缠长的一截。

    左手义甲的佩戴方法与右手相同。需要注意的是左手大指义甲的佩戴方向。

 

6、演奏姿势

    1)首先选一张高矮合适的凳子,要求自己的腰部与筝面要平行。

    2)身体坐正,后背挺直,坐凳子的前三分之一,不要坐满整个凳子。

    3)第一个琴码对准自己的身体的中心,身体离古筝约一到两拳距离。

    4)两只脚可以前后错开平放,也可以用右脚踩在琴架下部的横架上。

    5)小孩子脚够不着地时,可用一个小凳子垫在脚下,双脚一定要踩实。


7、分辨琴弦

    如今我们常用的古筝共有21根琴弦,一般以D调定弦。它的弦序是按中国传统的五声调式音阶宫、商、角、徵、羽(也就是简谱上的1、2、3、5、6)循环排列的。那么这21个音可分为五个音区,分别是:倍低音区、低音区、中音区、高音区、倍高音区。

    建议大家在辨认各音区琴弦时,可先找出有代表性的绿弦,再推及其他琴弦。比如中音区,我们先找到中音5,然后向后退一根琴弦即为中音6,那么从6开始按顺序下行的音阶也就很快找到了,6、5、3、2、1,反过来就是1、2、3、5、6。



【轴承故障诊断】加权多尺度字典学习模型(WMSDL)及其在轴承故障诊断上的应用(Matlab代码实现)内容概要:本文介绍了加权多尺度字典学习模型(WMSDL)在轴承故障诊断中的应用,并提供了基于Matlab的代码实现。该模型结合多尺度分析与字典学习技术,能够有效提取轴承振动信号中的故障特征,提升故障识别精度。文档重点阐述了WMSDL模型的理论基础、算法流程及其在实际故障诊断中的实施步骤,展示了其相较于传统方法在特征表达能力诊断准确性方面的优势。同时,文中还提及该资源属于一个涵盖多个科研方向的技术合集,包括智能优化算法、机器学习、信号处理、电力系统等多个领域的Matlab仿真案例。; 适合人群:具备一定信号处理机器学习基础,从事机械故障诊断、工业自动化、智能制造等相关领域的研究生、科研人员及工程技术人员。; 使用场景及目标:①学习并掌握加权多尺度字典学习模型的基本原理与实现方法;②将其应用于旋转机械的轴承故障特征提取与智能诊断;③结合实际工程数据复现算法,提升故障诊断系统的准确性鲁棒性。; 阅读建议:建议读者结合提供的Matlab代码进行实践操作,重点关注字典学习的训练过程与多尺度分解的实现细节,同时可参考文中提到的其他相关技术(如VMD、CNN、BILSTM等)进行对比实验与算法优化。
【硕士论文复现】可再生能源发电与电动汽车的协同调度策略研究(Matlab代码实现)内容概要:本文档围绕“可再生能源发电与电动汽车的协同调度策略研究”展开,旨在通过Matlab代码复现硕士论文中的核心模型与算法,探讨可再生能源(如风电、光伏)与大规模电动汽车接入电网后的协同优化调度方法。研究重点包括考虑需求侧响应的多时间尺度调度、电动汽车集群有序充电优化、源荷不确定性建模及鲁棒优化方法的应用。文中提供了完整的Matlab实现代码与仿真模型,涵盖从场景生成、数学建模到求解算法(如NSGA-III、粒子群优化、ADMM等)的全过程,帮助读者深入理解微电网与智能电网中的能量管理机制。; 适合人群:具备一定电力系统基础知识Matlab编程能力的研究生、科研人员及从事新能源、智能电网、电动汽车等领域技术研发的工程人员。; 使用场景及目标:①用于复现验证硕士论文中的协同调度模型;②支撑科研工作中关于可再生能源消纳、电动汽车V2G调度、需求响应机制等课题的算法开发与仿真验证;③作为教学案例辅助讲授能源互联网中的优化调度理论与实践。; 阅读建议:建议结合文档提供的网盘资源下载完整代码,按照目录顺序逐步学习各模块实现,重点关注模型构建逻辑与优化算法的Matlab实现细节,并通过修改参数进行仿真实验以加深理解。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值