摘要：采用真空电弧熔炼法制备CoCrFeNi-(Nb,Ta)系列高熵合金,详细研究Nb和Ta合金化对CoCrFeNi基高熵合金组织演变和力学性能的协同效应。Nb/Ta合金化方式影响(CoCrFeNi)_(88)Nb_(x)Ta_((12-x))合金的组织组成、共晶相片层间距、Laves相的尺寸形貌、两相体积分数及成分组成。Nb,Ta含量为等原子比时,合金组织组成为FCC+Laves两相共晶组织;Nb,Ta含量为非等原子比的合金则呈现为共晶(FCC+Laves)相和初生Laves相的组织结构,初生Laves相的体积分数和晶粒尺寸随Nb/Ta原子比的增加而单调增加。研究合金的压缩屈服强度与Laves相体积分数正向相关,压缩断裂强度几乎不受组织组成的影响,压缩塑性则与Laves相的体积分数、类型与尺寸分布呈现负相关。计算分析CoCrFeNi-(Nb,Ta)高熵合金的强化机制,探讨合金组织组成对其强度的作用规律。分析表明,细晶强化和Laves相的第二相强化是提升合金屈服强度的主要因素。

摘要：采用亚快速凝固和真空烧结两种工艺方法制备了钴铬镍合金,详细研究了工艺方法及Cr,Ni含量对合金组织演变规律的影响。结果表明,亚快速凝固工艺所获得的钴铬镍合金组织组成不受成分变化的影响,凝固组织为γ-fcc+ε-hcp两相组织的胞状枝晶,枝晶干为γ-fcc相,枝晶间为ε-hcp相,二次枝晶间距随结晶速率增大而减小,主要溶质元素Cr,Ni在两相间产生偏析,Cr元素富集在枝晶间,Ni元素在枝晶干富集。真空烧结工艺所制备钴铬镍合金组织构成由成分组成决定,低镍含量合金烧结体为单相ε-hcp组织,晶粒随烧结温度的升高呈现急剧粗化特征;高镍含量合金烧结体为γ-fcc+ε-hcp双相组织,晶粒细小且γ-fcc相呈现明显的孪晶和层错结构。烧结合金较铸造合金呈现明显的塑性增长,位错是烧结低镍ε-hcp单相合金性能提升的主要因素,孪晶和层错则是高镍γ-fcc+ε-hcp两相合金组织性能提升的主要因素。

摘要：针对目前LED表面发热量较大,局部温度过高,而导致其使用寿命减少的问题,该研究以平板微热管为核心传热元件,与锯齿形翅片结合,设计了一种U型平板微热管散热器。采用试验和仿真模拟相结合的方法,对不同风速、翅片结构、翅高及翅间距等关键影响因素进行分析。结果表明:通过对比分析U型平板微热管在两种室外工况下各测点试验值和模拟值,散热稳定后温度的最大误差分别为4.2%和6.7%,验证了模型的可靠性。风速分别为0.5和3.0 m/s时,锯齿型翅片都具有良好的散热性能。当风速为3.0 m/s时,锯齿型翅片、W型翅片、直翅片散热器稳定后热源温度分别为34.3、35.5和39.1℃。为找到最佳工况和结构,进行了正交分析,当室外风速为3.5 m/s,锯齿型翅片翅高为12 mm,翅间距为8 mm时,U型热管具有较佳的散热性能。研究结果可为LED散热系统的设计提供数据参考和设计思路,拓宽LED光源的应用范围。

摘要：针对铝型材表面缺陷类型多样、缺陷特征复杂,难以自动检测的问题,设计了一种基于改进Faster RCNN的铝材表面缺陷检测模型。以感兴趣区域校准代替感兴趣区域池化,减少Faster RCNN模型自身量化产生的缺陷定位误差;以Darknet-53结合特征金字塔为主干网络提高对微小缺陷的提取能力;利用热重启的余弦退火策略更新模型的学习率,进一步加速模型收敛,提高模型检测精度。通过实际的铝型材表观缺陷数据进行测试,该方法对铝型材表面缺陷识别的平均准确率达到96.5%,单张图片检测时间为0.373 s。综合分析表明,所构建的多尺度特征融合改进Faster RCNN的铝材表面缺陷辨识模型,能够达到工程界对铝型材表观缺陷进行缺陷辨识的实际应用需求。

摘要：气化温度是影响生物质气化性能的重要参数,而工业气化炉内温度分布不均匀,阻碍了生物质高效气化的发展进程。为了预防或减少温度分布不均所造成的不良影响,提高生物质气化性能,通过实验方法研究了炉内温度梯度(axial temperature gradient,ATG)对生物质气化三相产物的影响。实验设定落下床的上段炉温为1300℃不变,下段炉温范围为900℃~1300℃以模拟工业气化炉火焰区存在的轴向温度梯度,以碳转化率和冷煤气效率为评价指标,对松木屑的气化特性进行了实验分析。结果表明:在ATG为100℃~300℃范围内,合成气中有效气体(CO+H_(2))产率、碳转化率和冷煤气效率随着ATG的增大而逐渐减小。半焦产率均低于0.2%,表明松木屑在上段炉(450 mm)1300℃高温区域内几乎实现了半焦的完全气化。碳烟为生物质高温气流床气化的主要含碳固体产物,其产率为半焦产率的3~6倍,且难以被完全清除。当上下两段的ATG高于300℃时,气相均相重整和气-固非均相反应在下段低温区几乎停滞,产物产率、碳转化率和冷煤气效率几乎保持不变,同时有少量焦油生成,占比约0.01%。

摘要：为了提高机械加工过程中小样本刀具磨损量监测的准确性,提出一种基于Pearson+GBDT特征提取、Tent混沌映射和原子搜索算法(ASO)优化BP神经网络(Tent-ASO-BP)的刀具磨损量预测模型。针对BP神经网络特征选择及参数选择难题,提出了基于Pearson+GBDT的双层过滤式特征筛选方式求取网络输入特征,并使用Tent混沌映射改进原子搜索算法(ASO)对BP神经网络最优权值和阈值进行求解。通过实验证明:Tent混沌映射改善了ASO,避免ASO陷入局部极值和过早收敛,即通过交叉验证证明Tent-ASO优化BP神经网络训练模型精度较ASO高。同时,验证了梯度提升决策树(GBDT)能够筛选出用于刀具磨损值映射的一组特征,且特征筛选能力强于同类算法Light GBM、Catboost、决策树、随机森林。

摘要：人机协作装配场景的快速理解对提高协作机器人认知能力、实现人机协作装配具有重要的现实意义。针对非结构化人机协作装配场景认知过程中目标尺度差异较大、缺少统一场景描述框架等问题,首先构建了一种轻量级多尺度目标检测网络LMS-Net,并在网络训练过程中引入目标检测框聚类机制以提高多尺度目标检测精度;然后将LMS-Net检测结果转换为人物交互图并建立了人机协作装配场景元描述模型,提出了基于多尺度目标检测的人机协作装配场景认知方法。在自建数据集HRC-Action上的实验结果表明所构建多尺度目标检测网络具有较高的准确率(平均89%)和较快的速度(深度学习工作站平均58.7 FPS,Jetson Nano B01嵌入式开发板平均25 FPS),所提人机协作装配场景认知方法具有较好的可行性和实用性。

摘要：针对海洋浮标能量补充问题,设计了一种海洋浮标能量补充系统。浮标在波浪的作用下产生晃动,位于浮标内部的能量补充系统采集晃动动能并将其转换成稳定的电能,用于浮标补电或储存;确定了海洋浮标能量补充系统的工作原理、设计方案和结构组成;根据晃动摆的运动原理,建立了晃动摆的转矩方程;运用AQWA模拟浮子在一级规则波与不规则波作用下的运动特性,将浮子的横摇角位移作为仿真模型的输入,运用Adams与AMESim联合仿真,搭建系统机电耦合仿真模型,验证了设计方案的合理性。结果表明,在一级规则波与不规则波作用下,能量补充系统均可发出3.3 V、1 A的直流电,实现稳定的电能输出,可给浮标补电或蓄电池充电。

摘要：为解决在工业大数据条件下,有标签样本少导致机械故障诊断准确率低的问题,提出了一种半监督神经网络模型。该方法采用协同训练的方式,从时域和频域两个维度训练教师网络(T),将无标签数据转化为高质量的伪标签数据。再利用转化后的伪标签数据训练学生网络(S),通过对数据进行评判和计分,避免网络过拟合。最后通过得分函数,对伪标签数据进行阶梯筛选成为有标签数据。齿轮故障诊断结果表明:TS网络在仅有少量有标签数据的情况下,故障分类准确率达90.31%,与其他半监督方法相比,准确率高出15%~20%。在信噪比(SNR)为5、0、-5的条件下,模型可以达到86.81%、78.00%、52.78%的诊断准确率。

摘要：目的预测不同工艺参数下电弧增材制造铝合金的力学性能。方法通过实验建立了电弧增材制造6061铝合金及TiC增强6061铝合金力学性能的数据集,并建立了一种以焊接电流、焊接速度、脉冲频率、TiC颗粒含量为输入,以屈服强度和抗拉强度为输出的神经网预测模型,对比了反向传播神经网络(BP)、粒子群算法优化BP神经网络(PSO-BP)、遗传算法优化BP神经网络(GA-BP)3种预测模型的精度。结果与BP模型和PSO-BP模型相比,GA-BP预测模型具有更好的预测精度。其中,GA-BP模型预测6061铝合金屈服强度最佳结果的相关系数(R)为0.965,决定系数(R2)为0.93,平均绝对误差(Mean Absolute Error,MAE)为2.35,均方根误差(Root Mean Square Error,RMSE)为2.67;预测TiC增强的6061铝合金抗拉强度最佳结果的R=1,R2高达0.99,MAE为0.46,RMSE为0.49,GA-BP具有良好的预测精度。结论BP、PSO-BP、GA-BP3种神经网络模型可以用来预测电弧增材制造铝合金的力学性能,GA-BP模型比其他2种模型的预测精度更优。与传统的实验方法相比,用神经网络模型预测电弧增材制造铝合金力学性能的速度更快,成本更低。