简介:基于超声信号在涂层的上、下表面产生的奇异性,通过对超声信号进行连续小波变换分析,利用模极大值法和Lipschitz指数法进行判断,找出了超声信号中的奇异点。依据热障涂层界面反射信号的时间差,利用已知涂层声速可以算出涂层厚度。通过与扫描电镜所测涂层厚度对比分析,验证了该方法的可行性。
简介:在低辊径-厚度比下,研究摩擦因数在宽展公式中的作用,摩擦因数对展宽的作用主要体现在接触面的粗糙程度。经过5组不同的铅轧实验,获得不同等级的摩擦因数。随着宽厚比、压下率和辊径-厚度比的改变,可以得到不同的名义摩擦因数并应用在相应的公式中。随后提出一个拟合公式,通过与232次实验结果进行比较,验证拟合得到的名义摩擦因数的误差低于12%。通过一定次数的自学习修正,该误差减少至2%以下。最终实现通过可以变化的名义摩擦因数对宽展进行更加精确的预测。在真正的工作环境下使用名义摩擦因数,得到的宽展预测误差也小于2%。在实际生产中验证,得到了一个能够对宽展公式中摩擦因数进行设置的参考和解决方法,从而满足工业生产的应用。
简介:基于铝电解槽熔体内氧化铝溶解过程动力学机理,提出了综合的传热传质控制模型,以描述未结块和结块氧化铝颗粒的溶解过程。基于相关商业软件和自定义算法,并结合颗粒收缩核模型,采用合适的差分求解方法,对氧化铝颗粒溶解速率、溶解时间和溶解质量进行计算,探讨若干对流和热条件参数对氧化铝溶解过程的影响。结果表明:降低氧化铝浓度和增大氧化铝扩散速率可以增大未结块颗粒溶解速率,减少未结块颗粒溶解时间;提高电解质过热度和氧化铝预热温度可以增大结块颗粒溶解速率,减少结块颗粒溶解时间。对某300kA铝电解槽内氧化铝溶解过程进行计算分析,得到的氧化铝溶解质量比例曲线数据与文献结果比较接近;氧化铝溶解过程主要分为两个阶段:未结块颗粒的快速溶解和结块颗粒的缓慢溶解,溶解时间数量级大小分别大约为10和100s;结块颗粒是影响整个氧化铝溶解过程的最主要因素。
简介:建立激光与能量耦合模型以研究激光在小孔内的传输和孔壁能量的分布。该模型的主要特点包括:1)小孔和孔内等离子体的逆韧致吸收系数均为实验测量所得;2)入射激光为高斯分布的聚焦光束而非平行光束;3)同时考虑了激光光束在孔内多次反射的菲涅尔吸收和逆韧致吸收。计算结果表明:孔壁所吸收的激光能量并不一致;尽管激光未能直接照射孔底,但是小孔孔底所吸收的激光能量最多。基于聚焦光束的特征分析,焦平面的位置对小孔前沿所吸收的激光能量较后沿更重要。
简介:根据航空结构件铣削仿真过程的实际建模要求,采用Python脚本语言开发出自定制应用程序的软件包AeroCAE。通过构建GUI界面并定义关键字,编写模型参数的ABAQUS内核脚本程序,实现工件铣削仿真的前处理过程;另一方面,利用ABAQUS子菜单栏Plug-ins的功能,开发输出仿真结果的插件程序,实现工件铣削仿真的后处理过程。该方法不但能够提高工件铣削过程的仿真计算效率,而且为ABAQUS应用经验少的企业技术人员提供了便利的分析与设计平台。所开发的铣削仿真平台AeroCAE运行顺畅,GUI界面友好,可操作性强,可为减少航空结构件加工失效和提高构件合格率提供参考。
简介:构建系统全面的指标体系是确保产品性能科学评价的前提与基础,而指标筛选是指标体系构建的关键环节。针对装甲车辆PHM系统性能度量指标体系构建过程中存在的原始指标集冗余性较高、针对性不强的问题,采用主成分分析法对原始指标集进行约减。本文以智能化程度、系统失效率等14个用户性能度量指标为例,首先依据主成分载荷值的大小进行指标筛选,保留了前三个主成分中载荷值较大的10个指标;然后考虑到初选指标之间可能存在信息重叠的现象,对其进行相关性分析,剔除了人员设备使用效率和实时性两个指标,用剩余的8个指标替换了原始指标集;最后分析计算了指标的信息贡献率,结果表明:用57%的指标表达了原始指标集94.38%的信息,验证了该方法的可行性和有效性。
简介:为提高对时变信号的分析处理能力,设计了一组同时满足抗混淆、完全重构和正交化的Q—shift滤波器。与传统Q—shift滤波器相比,其权系数可以根据输入信号特性进行自适应调整。将基于自适应Q—shift滤波的双树复小波变换用于对超声缺陷信号进行阈值降噪,实验结果表明,与Q—shift10/10和DWT两种传统方法相比,去噪后信号的信噪比可以分别提高1.03dB和1.97dB。
简介:采用BP神经网络对聚酯玻璃钢氙弧灯加速老化的弯曲寿命进行了预测。通过对聚酯及其玻璃钢的人工氙弧灯加速老化,测试其不同老化时间的弯曲强度,对弯曲强度与老化时间进行BP神经网络的建模分析,借助MATLAB软件对聚酯玻璃钢的使用寿命分别进行分析与预测,并采用最小二乘法对所预测的结果进行了对比。结果表明:在以弯曲强度达到初始强度值的一半作为失效条件下,聚酯的氙灯老化寿命为813d,含填料玻璃钢老化寿命为1031d,无填料玻璃钢老化寿命为1065d,说明BP神经网络可以预测玻璃钢的老化寿命,预测结果与最小二乘法预测结果误差不大于8%,而且预测结果与该材料性能的实际情况相符。