摘要：分别利用焊后空冷和随焊水冷两种随焊冷却方式对2 mm厚低碳钢板进行光纤激光焊接。选择不同激光功率、焊接速度和离焦量进行试验。分析焊后空冷条件下和随焊水冷条件下两种焊接接头成形、金相组织和显微硬度。研究结果表明,随焊水冷条件下的焊缝宽度和热影响区宽度分别小于焊后空冷条件下的焊缝宽度和热影响区宽度;在热输入相等和正离焦的前提下,熔宽随着离焦量的减小而增大。两种冷却条件下的焊缝组织为板条状先共析铁素体和珠光体。随焊水冷条件下热影响区晶粒尺寸较焊后空冷下的晶粒有明显细化。空冷条件下焊缝中柱状晶的生长方向与焊缝中心线成70°~80°,而随焊水冷条件下的柱状晶生长方向几乎与焊缝中心线垂直。焊后空冷和随焊水冷的焊缝区域平均硬度分别为316.7 HV0.2和331.5 HV0.2,均高于母材硬度平均值181.8 HV0.2;同时,随焊水冷条件下焊缝硬度稍高于焊后空冷条件下的焊缝硬度。

摘要：将折纸结构的折展、柔顺特性和连杆机构的运动特性有机结合,提出了折叠式柔性铰链概念,以及具有预期运动性能的折叠式柔性摆转铰链、扭转铰链及复合铰链的参数化设计方法,建立了刻画折叠角、摆转角/扭转角、保持扭矩间量化关系的静力学模型。针对小型、易损、精密、高价值、形状复杂零部件的自动化取放、组装难题,基于折叠式摆转铰链、扭转铰链串联形成的2自由度折叠式复合铰链,提出了一种新型柔性装配平台。对该柔性平台的柔顺性能仿真结果表明,折叠式铰链的力-位移变化规律与其静力学模型完全一致。本文研究成果可望为新概念柔顺机构、可变形移动机器人、柔顺驱动器/执行器等领域提供全新的柔性铰链方案。

摘要：提出了两种车用齿轮轴零件的冷挤压成形工艺方案,即不带背压装置的方案1与带有背压装置的方案2,同时对带有背压装置的冷挤压模具进行了设计。利用Deform-3D分别建立了两种方案的有限元模型并进行了成形数值模拟。模拟结果表明:采用带有背压装置的方案2时,工件的等效应力、等效应变、损伤值及成形载荷的最大值均小于方案1,同时成形质量较好。方案2比方案1可节材22%,且成形载荷只有方案1的86%。对两种工艺方案分别进行了试验验证,验证结果也显示:采用方案1,齿轮轴零件仍会出现齿端填充不完全等缺陷;而采用方案2,齿端填充完全,未出现表面缺陷。最终得出方案2为较优工艺。

摘要：医用不锈钢涡管结构复杂、壁厚不均,存在孤立热节,熔模铸造时存在局部缩松,影响铸件的正常使用,产品合格率低。借助ProCAST软件,在分析原有工艺方案的基础上,对浇注系统的结构进行了重新设计,新的浇注系统为铸件边缘部分提供金属补缩,解决了涡管铸件热节处的缩松缺陷,提高了产品的合格率。

摘要：针对现代服装信息变化日新月异的现状,开发了服装设计资源信息服务平台.通过PHP+Apache+MySQL组合技术的运用,在"设计体验中心"这一特色模块,实现了服装面料、版型、款式等设计资源的快速服装搭配设计,并对产品实现360°的虚拟展示.研究表明,该服务平台内容丰富、查询便利,可以满足各类服装工作人员信息查询和信息交流的需求.

摘要：针对实际工程中钢管桁架结构的优化问题,以管桁架结构总质量最小为目标函数,以强度、刚度、稳定性等为约束条件,分别运用Matlab与ANSYS对该桁架结构进行优化分析.将两种方法优化前后的管桁架结构的受力性能比较分析,并对桁架结构优化设计提出合理的建议.

摘要：针对列车运行振动发电能量回收问题,为了将列车轨道振动机械能转换电能,需要对收回能量装置建立机电转换模型。能量回收装置可以为列车线路小功率监测设备使用,从而保障行车安全。通过利用正压电方程以及材料力学受力理论,建立城市轨道列车运行所产生的轮轨垂向振动作用下Cymbal俘能器组件回收装置转换模型。再利用MATLAB软件进行仿真,获得cymbal俘能器组件输出电压、输出功率等电学特性。仿真结果表明,获得了有效输出电压为54.3V,有效输出功率为1.46W。上述方法为列车运行能量回收设计提供了科学依据。

摘要：构建了基于产品数据管理(PDM)的服装设计信息资源平台,将服装产品设计信息进行数字化梳理与表征,采用PDM双向交互的管理模式,保证了服装设计信息流顺畅地流动转换,满足了网站与数据库之间多种服装设计途径对设计信息资源的不同需求.理论与应用研究表明:PDM技术能够实现信息增效,对服装数字化设计领域的PDM技术的进一步研究具有重要的应用价值.

摘要：为研究浇口位置在水杯成型工艺中的重要作用,基于Moldflow软件,对带手柄的塑料水杯在不同的浇口位置注射成型时的充填时间、压力、气穴位置、熔接线的分布、冷却水路的冷却效果、模具温度、翘曲量等进行对比分析,从而确定最佳浇口位置.以模流分析的各项参数作为后期注塑机选择和模具设计的理论依据,在模具设计时既要保证水杯手柄脱模时不被损伤,还要保证水杯的表面质量美观.

摘要：针对现有地铁车门故障诊断方法存在的诊断速度慢以及大量故障检修数据未得到合理利用等问题,提出一种基于信息增益率的随机森林故障诊断方法。该方法将地铁车门历史故障数据集转化成决策表,通过Bootstrap重抽样,建立多棵基于信息增益率的决策树,形成随机森林故障诊断模型,实现地铁车门故障的快速诊断。且随着故障数据的增加,其故障诊断模型可以自动更新完善。通过地铁车门实际故障数据,验证了该方法的有效性。同时,通过对随机森林模型中决策树的数目讨论分析,确定了该方法模型的最优设计结构。