1.42GHz低噪声场效应晶体管放大器

本文介绍一个在一般环境下使用的三级1.42GHz(千兆赫)低噪声砷化镓场效应晶体管放大器的特性、参数及应用。对于从事该方面研究的工程技术人员有一定参考价值。     

顶吹熔炼过程冰铜品位控制实践

介绍了Ausmelt"双顶吹"炼铜工艺,分析了熔炼过程不同物料入炉品位时冰洞品位的控制,得出熔炼过程合理的冰铜品位控制为:入炉品位≤20%,冰铜品位52%~55%;入炉品位≥20%,冰铜品位55%~60%。总结了熔炼炉工况、过程温度、热冰铜样断面形状颜色、电炉炉渣含硫变化等反馈来判断实时冰铜品位的操作经验。     

材料性能参数对液压成形件厚度分布的影响规律研究

厚度分布均匀性是管件液压成形质量的重要评价指标。文章提出了厚度分布均匀性评价指标函数,建立了空心阶梯轴零件的有限元模型,并通过实验验证了仿真结果的有效性。通过模拟研究了材料的应变强化系数K、加工硬化指数n和厚向异性指数R对液压成形管件厚度分布均匀性的影响规律。     

有机复合摩擦材料的成分优化及其对摩擦性能的影响

采用正交试验设计方法对有机复合摩擦材料的成分进行优化,利用MMS-2A摩擦磨损试验机对材料的摩擦系数进行测试,用比磨损率表征复合材料的磨损性能,并通过极差法对试验结果进行了分析。用Leica体式显微镜和3D激光共聚焦显微镜观察了材料摩擦磨损后的表面形貌,探索了不同成分下合成材料的摩擦磨损机理。结果表明:改性酚醛树脂对材料的平均摩擦系数和比磨损率的影响最大。摩擦系数较优的组合为A1B1C2D2,比磨损率较优的组合为A3D1C1B3。树脂含量较少时,摩擦表面的摩擦膜较少,犁沟较深,呈严重的磨粒磨损特征;随树脂含量增加,摩擦表面形成完整且连续的摩擦膜,犁沟较浅,材料的主要磨损形式为粘着磨损和磨粒磨损。     

圆柱体涡激振动的高阶非线性振子模型研究

为快速准确预报圆柱双自由度涡激振动幅值响应等重要特性,提出了一种高阶非线性振子模型。基于拉格朗日第二类动力学方程及二元函数的泰勒展开公式推导了四对称弹簧固定的圆柱振动方程,在其中计入了轴向拉伸非线性项和耦合非线性项;根据离散点涡理论推导了圆柱涡激振动中所受的脉动升力和脉动阻力,并得到了它们之间的数学量化关系;利用包含五阶气动阻尼项的改进Van der Pol方程来模拟流体振子,进而建立了非线性结构振子和流体振子的耦合方程组模型。在此基础上对不同质量比和阻尼比的圆柱进行涡激振动预报,并与试验数据进行对比分析,验证了该模型应用的正确性和广泛性,最后对模型中的各项参数进行了敏感性分析。     

基于真空辅助树脂传递模塑成型不同纤维形态竹纤维复合材料性能研究

为探索不同形态竹纤维（BF）对真空辅助树脂传递模塑成型（VARTM）过程中环氧树脂（EP）浸渍纤维效果及BF/EP复合材料性能的影响,采用经机械碾压2次、3次、4次得到3种不同形态的BF（BF-2、BF-3和BF-4）,通过湿法层铺工艺将BF制作成竹纤维毡（BFM）,再利用VARTM制备出纤维含量为45wt%的复合材料BF-2/EP、BF-3/EP和BF-4/EP。采用ESEM、超景深显微镜、力学试验机、TG、DMA和Micro-CT对BF、BFM和BF/EP复合材料性能进行表征。研究结果表明：随纤维长度减小、纤维分离度增加,导致湿法层铺成型的BFM蓬松度降低,树脂注射难度增大,BFM-4在树脂注射时会发生纤维堆积,BF-3/EP复合材料吸水率最低。BF-2的长度较长、分离度低,虽保持了BF束自身结构与性能,但是与树脂界面结合性能差,长度与分离度适中的BF-3制备的复合材料力学性能最佳,弯曲强度、弹性模量、剪切强度和冲击韧性分别为97.90 MPa、7.2 GPa、17.01 MPa和8.11 kJ/m²。BF加速了BF/EP复合材料的热解,BF-4/EP复合材料...     

岩土预应力锚固作用三维数值模拟的等效力法

预应力锚索(杆)加固岩土是一典型的岩土与结构的空间相互作用问题。为可靠模拟这种结构与岩土的相互作用,提出了与工程中预应力施加和锁定工况相符的三维数值模拟分析等效力法。在ABAQUS有限元软件平台上,首先将该方法运用在单根预应力锚索的数值模拟试验,并与等效降温法和等效应变法进行对比分析,结果表明了该方法的优越性,此外,也分析了锚固段锚索轴力衰减速率与锚固体刚度有关,且与理论认识一致。然后,将等效力法应用在一实际预应力锚索加固边坡工程三维数值模拟中,分析了预应力锚索对加固边坡内部应力分布、边坡稳定性及锚索轴力分布的影响,表明该方法能可靠地应用于分析预应力锚索加固岩土的效果及锚索自身内力。     

一种基于聚类中心的快速聚类算法

针对k-means算法采用单一的聚类中心描述一个类簇,一般不能有效适用于任意形状簇的缺陷,在研究k-means算法以及初始聚类中心优化算法的基础上,考虑将数据集中较大或延伸状的簇分割成若干球状簇,而后合并这些小簇。该算法首先选取一组分布于高密度区域的聚类中心,将聚类中心周围的对象划分到离其最近的聚类中心形成子簇,再根据子簇之间的连通性完成子簇合并。实验证明,该算法能有效适应任意形状簇,并保持了k-means算法简单的优点。     

基于密度峰和划分的快速聚类算法

传统基于划分的聚类算法需要人工给定聚类数,且由于算法采取刚性划分,可能会导致将较大或延伸状的聚类簇分割的现象,导致错误的聚类结果。密度峰聚类是近年提出的一种新的基于密度的聚类算法,该算法不需要预先指定聚类数目,且能够发现非球形簇。将密度峰思想引入基于划分的聚类算法,提出一种基于密度峰和划分的快速聚类算法（DDBSCAN）,该算法首先获取一组簇的核心对象(密度峰),用于描述簇的“骨骼”,而后将周围的点划分到最近的核心对象,最后通过判断划分边界处的密度情况合并簇。实验证明,该算法能有效地适应任意形状、大小不一的数据集,与传统基于密度的聚类算法相比收敛速度更快。