摘要：以自行设计的14 t连续驱动摩擦焊机主轴结构为研究对象,应用有限元分析软件对主轴进行多工况下的静动态相关特性研究。在静态特性方面,运用ANSYS的子模型分析技术研究主轴多工况下的刚度、强度与疲劳等静力学特性。与传统研究方法相比较,该方法提高了求解效率与精度。基于此,对焊机主轴结构设计的合理性进行验证。在动态特性方面,对主轴约束模式下的前6阶固有频率进行计算,与临界转速对比后,验证了主轴设计的安全性。

摘要：介绍了合肥先进光源储存环超导纵向梯度弯铁样机的研制工作,基于已发展的一种磁体结构参数优化方法,综合考虑磁场空间分布需求和超导线圈工作负载,完成了磁铁结构的设计和优化。为了验证磁体设计方案,应用一种矩形铌钛线材和DT4C电工纯铁材料,研制了一台纵向长度0.30 m、磁极间隙46 mm的磁体样机。并搭建了一套简易低温测试装置,对该磁体进行了励磁特性测量,经过10余次失超,测得磁体最大工作电流大于275 A。磁体纵向磁场分布测量结果表明,该磁体在约196 A工作电流下,纵向磁场积分值达到0.4 T·m,峰值磁场约4.5 T。测试结果与理论设计结果基本一致,表明该种超导磁体的设计是可行的。

摘要：汽车点火控制系统要求系统具有精确性、实时性和调试过程的可视性。新型汽车电子点火控制系统是以点火提前角的特性曲线MAP图为基础控制数据,动态选用插值算法和变阶曲面拟合算法。在系统调试过程中的可视化是一个不容忽视的问题,从Matlab6的ActiveX接口出发,实现了VB与MATLAB的链接。研究了数据接口的实现方法。利用Matlab6与VB混合编程,完成了动态MAP图的实时绘制和后期处理,实现了动态可视化设计。

摘要：设计了一种基于大功率高光密度发光二极管(LED)光源的投弹照明灯。基于非成像光学理论,利用ZEMAX软件建立了以大口径高透过率菲涅耳透镜为核心元件的准直光学系统。利用焦距为1500mm的柱面菲涅耳透镜对准直光束进行一维方向的扩散,再将灯具以6.85°的倾斜角度照射靶面,实现了大面积光斑照明。利用TracePro软件进行仿真分析,得到光斑水平方向和垂直方向的发散角分别为18.1°和2.46°。样机在靶标上投射出一个清晰、对比度高的类椭圆形亮斑,中心最大照度可达110lx,能够满足战斗机夜间投弹训练的要求。

摘要：以某型汽油发动机缸体、缸盖为例,应用Handyscan 3D激光扫描仪进行点云数据的获取,并结合逆向工程相关的处理软件详细研究了点云数据预处理、模型重构、误差检测以及模型优化的关键步骤和注意事项,最终实现对本典型结构产品的精准建模。研究结果对其他种类产品的逆向研究具有参考价值,将先进的设计经验同自身现有的设计体系相结合,有利于快速发展核心技术。

摘要：我国最近立项建设的合肥先进光源将是一台软X射线与真空紫外衍射极限储存环光源,其电子束能量为2.2 GeV,周长为480 m,束流自然发射度为86 pm·rad,共有20个长直线节和20个短直线节。介绍了目前合肥先进光源储存环物理设计的进展情况,包括磁聚焦结构设计与优化,束流注入和集体效应的模拟与计算。

摘要：薰衣草生长期长达十几年,长期农机入地作业造成了地面高低不平,既要花穗收割干净,同时不能伤害保留的茎秆,确保薰衣草后续的生长。为此,设计了高度可调节机构使薰衣草切割后的茎秆保留高度一致。同时,对仿形机构进行了受力分析,确定了影响仿形性能的初始作用角度α、上仿形角α1、连杆长度L1。根据初始工作角和最大下仿形量,设计出的仿形杆长度为440mm,最大上仿形量为214mm。最后,应用仿真分析软件Adams进行运动模拟,结果表明:仿形机构可实现上下仿形和翻转,上下仿形量可达到2 9 0 mm,翻转角度达到9 0°,满足薰衣草收割机的切割仿形量。该机构为研制薰衣草收获机的研制提供了依据。

摘要：以大型储料式中空成型机的锁模系统为研究对象,利用AMESim仿真技术对其进行时域仿真分析。通过仿真分析得到了锁模缸活塞杆的位移、速度等变化曲线,根据仿真结果分析活塞受力与运动不稳定的原因,并对液压系统进行优化设计,有效避免了锁模系统开模过程中产生的液压冲击和机械冲击,减少了机械动作过程中的震动和噪声,提高了整个系统性能的稳定性和工作的可靠性。

摘要：论文设计实现了一个用于单芯片FM调谐器的低噪声放大器,放大器采用0.6um BiCMOS工艺实现。低噪声放大器采用匹配简单并且线性度很高的新式共基结构实现。仿真结果显示采用此结构的低噪声放大器的正向增益(S21)为24dB,信号频率范围内的噪声系数(Noise Figure)仅仅为2.5dB。输入3阶交调点(ⅡP3)为-15.25dB。本文中,我们将对该结构低噪声放大器进行具体的分析。

摘要：为提高传统跌倒检测系统的识别准确率,降低识别时间,提出了一种新型跌倒检测模型。以Kinect V2深度视觉传感器获取的骨骼节点为样本数据源,由改进型K-means算法计算聚类中心点,并在此基础上提取跌倒检测特征数据。将特征数据重构成5×5训练样本数据后,输入所设计的卷积神经网络模型进行训练学习,得到优化的跌倒检测模型参数。实验表明,所设计的新型检测模型相对于传统检测跌倒算法具有更高的识别准确率和更快的运算速度,保证了系统的实时性和鲁棒性要求。