360mm×450mm大方坯连铸二冷技术研究

针对攀钢360mm×450mm连铸大方坯存在的表面纵裂、中间裂纹、中心裂纹等质量问题,通过采用适当增大连铸比水量、调整二冷区各回路的冷却能力及水量分配比例的方法,优化了大方坯连铸二冷制度。生产应用表明,大方坯表面质量和内部质量明显提高,因铸坯中间裂纹严重而产生的表面纵裂缺陷率由53．85％降至0．30％,铸坯中心疏松评级≤1．0级的比例由74．87％增至99．53％,无中心裂纹的比例由68．83％增至82．77％,无中间裂纹的比例由82．95％增至90.98％。     

连铸板坯表层网状裂纹的成因研究

统计分析了攀钢所产管线钢、梁板钢等200 mm×1300 mm连铸坯表层网状裂纹的影响因素;发现钢中碳、锰硫比、合金元素（Al,Ti,V）、连铸机设备和浇注状况对其形成和扩展都有重要影响。通过金相显微镜、SEM、TEM和EDS等手段,研究了铸坯表层网状裂纹的形貌特点,认为此裂纹是连铸坯表面冷却不均匀而产生γ→α→γ反复相变,并伴有各种碳氮化物在晶界析出,连铸坯在外力(热应力、弯曲矫直应力等)作用下沿晶界开裂所致。     

仿生微扑翼飞行器翅翼机构中弹簧参数的优化设计

在微扑翼飞行器的翅翼机构中加入弹簧,能减小载荷力矩波动对电机的影响.本文研究表明,弹簧参数的选择应与拍打频率相关,才能充分发挥弹簧的作用.因此,选取适当的弹簧参数至关重要.本文提出了弹簧参数的优化设计方法,给出了弹簧刚度系数与拍打频率应当满足的近似关系.     

连铸结晶器内大方坯的热力耦合分析

针对攀钢大方坯连铸机投产初期铸坯表面角部纵裂缺陷,建立了大方坯连铸结晶器内铜板与铸坯问的热力耦合模型,应用模型分析了大方坯连铸结晶器内的传热过程和坯壳的应力分布.在传热模型中,以稳态模型分析结晶器的传热过程,以瞬态模型分析铸坯的传热过程;在力学模型中,考虑铸坯和结晶器的接触边界以处理结晶器角部的气隙,以热弹塑性模型分析铸坯的变形和应力场.2种结构的连铸结晶器中大方坯温度场和应力场计算结果表明,结晶器倒角从25 mm×45°变为12 mm×45°时,可改善铸坯角部的传热条件,降低凝固坯壳角部温度,增加凝固坯壳厚度,有利于减轻和防止铸坯角部裂纹.     

一种新型真对数放大器的研究

介绍了传统真对数放大器的两种实现方式:双增益真对数放大器、并联求和真对数放大器。对这两种真对数放大器的不足进行了分析,并提出了一种基于连续检波式对数放大器、限幅放大器和乘法器的新型真对数放大器实现方法。测试结果表明,该新型真对数放大器的动态范围达88 dB(±1 dB误差)/76 dB(±0.5 dB误差),整个电路功耗为0.25 W。     

侦察雷达网作战效能的综合评估

组网雷达作战效能评估应用系统理论、离散数学等方法实现.该指标体系从可用度和可信度、探测能力、侦察能力、信息处理能力、生存能力等方面评价雷达网作战效能.评估过程综合考虑指标的全面性、合理性、独立性,建立侦察雷达网指标体系,通过权重确定,指标量化,及科学分析,得出评估模型.     

概念设计及功能“粒化”问题

本文针对机械系统概念设计中存在的功能“粒化”这一基本问题进行了研究,认为功能与型式的一一对应是功能“粒化”的最佳程度,并结合机构的概念设计问题进行了尝试。     

连铸二冷区铸坯表面温度测量

介绍了ＣＩＴ－Ｍ型红外辐射测温系统的工艺特点,利用该系统实测了板坯连铸的典型钢种在不同拉速条件下的铸坯表面温度。分析了拉速和冷却强度对铸坯表面温度的影响,为攀钢板坯连铸二冷配水制度的优化提供了依据。     

基于Siam-UNet++的高分辨率遥感影像建筑物变化检测

针对同—区域前后时序的高分辨率遥感影像背景复杂、变化类别多样、目标变化检测时存在漏检和边界识别粗糙问题,提出了一种基于Siam-UNet++深度神经网络的高分辨率遥感影像建筑物变化检测算法.该算法采用UNet++作为骨干提取网络,在其编码器部分应用Siam-diff(Siamese-difference)结构提取前后两时序图像的变化特征,并在解码阶段的上采样和横向跳跃路径连接之后引入注意力机制,突出建筑物变化的特征,抑制网络对其他类别特征的学习;同时使用多边输出融合(multiple side-output fusion,MSOF)策略加权融合不同语义层次的特征信息,提高了建筑物变化检测的精度;最后采取滑窗的方法对大尺度遥感影像进行预测,减少拼接过程中变化结果图产生的空洞图斑.在大型建筑物变化检测数据集上的实验结果表明,该算法有效提升了建筑物的变化检测效果.     

基于LSTM的汽轮机异常状态预警

针对传统汽轮机缺乏有效的预警方法,时常处于被动维护的问题,提出一种基于长短期记忆网络（LSTM）的汽轮机状态预警方法。所提出的方法包含数据预处理模块、健康评价模块和异常预警模块三个模块。首先将源数据进行预处理,去除离群点以及毛刺数据;然后基于自编码神经网络、余弦定理和3σ定理求得一种优化的健康指数;最后基于LSTM建立了汽轮机异常预警模型,并分析对比不同深度的LSTM网络模型与循环神经网络（RNN）预测的结果。最终结果表明：LSTM的最佳预测模型预测结果的平均绝对误差（MAPE）不超过4.31%,比传统RNN的最佳预测模型的准确度更高。因此,所提出的方法在汽轮机异常预警中具有较好的检测准确度。