基于氧阻聚效应的陶瓷面成形工艺优化研究

氧阻聚效应的应用使得陶瓷光固化增材制造技术的加工速度和成形精度有了显著提升。利用自制的陶瓷面成形快速成型系统和具有氧阻聚效应的Al_2O_3陶瓷浆料,开展了氧气浓度、液槽底部PDMS膜的厚度对已固化层与PDMS膜粘接引起的分离力大小的研究;在最优PDMS膜厚(0.3 mm)条件下,氧气浓度对陶瓷件尺寸精度、收缩率以及力学性能的影响研究中发现,氧阻聚效应减小了固化层与PDMS膜粘接形成的分离力大小,但不影响陶瓷零件的弯曲强度(约175 MPa),而且适当的氧气浓度可以显著改善零件的尺寸精度和表面质量。正交实验确定了陶瓷多孔结构成形的工艺参数(包括氧浓度、曝光强度和分层厚度)最优集,对比空气条件下(即氧气浓度约20%)打印成形的多孔结构,最优条件下(即氧气浓度40%)所成形的多孔结构形貌有明显提升,最大尺寸偏差减小45%。     

航空发动机轮盘模拟件裂纹预制分析与试验研究

航空事故数据显示,航空发动机轮盘运行可靠性已成为飞行安全的决定性因素之一,及时有效的发现并排除轮盘结构缺陷有着非常重大的实际价值。为了给轮盘损伤识别研究提供必要基础,提出一种可行的轮盘结构裂纹预制方法。为此,首先对轮盘模拟件中V型缺口根部应力奇异性分布特征进行了理论分析;其次,根据载荷条件和几何特征提出载荷等效方法,并进行了应力状态及疲劳分析。为了验证所提裂纹预制方法的可行性,对预制模型进行疲劳试验研究。试验结果显示,相应位置处x方向应力和疲劳循环载荷次数相对误差约为2.7%和12.7%。同时证实所采取的裂纹预制与相应数值分析方法可以应用于航空发动机轮盘损伤识别方法的研究中。     

轻质复合材料飞行器仪器支架选择性激光烧结成形与性能研究

针对目前飞行器仪器支架对轻量化、快速开发及结构优化的要求,提出使用选择性激光烧结(SLS)工艺制备轻质复合材料仪器支架,并对其性能进行了综合评估。根据飞行器仪器支架的使用环境,首先对SLS制备短切碳纤维增强尼龙复合材料(CF/PA12)进行了工艺优化并详细研究了复合材料的力学性能、热性能及动态热力学性能,试验结果表明,SLS制备的CF/PA12复合材料的拉伸强度达到63.8 MPa,弹性模量为6.5 GPa,弯曲强度达到118.06 MPa,体积密度仅为1.03 g/cm3,尤其是其损耗因子在0.03～0.06之间,远远大于金属材料,具有更好的减振性能,并对其装配形式进行了评估。最后,以一款火箭仪器支架为例,通过拓扑优化,实现支架进一步减重40%,且都通过了载荷试验(2 000 N),从而证明了SLS制备复合材料在航空航天领域制件轻量化、快速开发及结构优化方面具有明显的技术优势和一定的应用潜力。     

激光增材制造WNbMoTa高性能高熵合金

随着工业实践中高端装备耐温部件整体制造要求的提高,现有合金材料体系、制造工艺难以满足需求。研究将高熵合金材料与激光增材制造技术耦合,为我国大尺寸、复杂高端装备零部件的整体制造提供了新的解决方案。一方面,通过激光熔覆沉积技术成形了WNbMoTa、NbMoTa等多种高性能高熵合金,成形的高熵合金晶粒尺寸细小且无微观成分偏析。其中NbMoTa高熵合金1000℃下屈服强度达到530MPa,高于国内应用于航空发动机涡轮叶片的GH4169、DZ125高温合金和应用于航空航天工业的T111、C103、Nb-1Zr难熔合金。另一方面,通过基于有限差分-有限元数值模拟的方法对高熵合金材料成形过程中的热应力与应变进行数值模拟,解决了选区激光熔化成形高熵合金过程中样件易翘曲的问题。     

基于特征融合的主观题智能阅卷算法研究

为了实现主观题智能阅卷,本文提出了一个基于多特征融合的主观题智能阅卷算法.首先,分别设计两种算法:关键词相似度算法和语义相似度算法,计算学生答案和标准答案之间的关键词相似度和语义相似度;然后,以题目的 题型和科目作为特征值,分别计算出两相似度的权值,并利用权值计算出学生答案的得分实验表明,本文提出的算法,能有效主观题智能阅卷算法的准确性,具有较好的应用前景.     

激光技术在眼科的应用现状与进展

眼球是机体的视觉器官，同时也是一个良好的光学模型，因此激光技术在眼科得到了广泛的临床应用，覆盖了几乎眼部各个亚专业疾病的诊断与治疗。目前，激光在眼部的应用主要借助其高空间分辨率、高空间定位精度，以及激光的热效应、光化学效应、光爆破效应、光切割效应和生物调节作用等实现。本文综述了激光在眼科各领域的应用现状，并结合激光技术本身的不断发展，总结了激光技术在眼科的临床应用进展及未来可能的突破点。     

基于ARM的硬件压缩算法在Spark中的性能研究

鲲鹏920 CPU是2021年面世、全球第一款基于7纳米制造工艺的ARM 64位CPU，该CPU内置一个名为KAEzip的硬件加速引擎，其核心是一个硬件压缩算法，能通过硬件提升压缩与解压缩性能.相关研究表明，压缩算法的硬化与传统软件压缩算法相比具备明显性能优势.但大数据领域中的基础性系统软件都无法识别和使用这类算法.因此研究评估硬件压缩算法在大数据环境下的性能，发现揭示制约这类算法性能的关键因素以及可能存在的缺陷具有重要意义.为此，本文首先提出一种基于“生产-消费”模型的Spark任务性能模型，形式化地表示多维资源、压缩算法和Spark任务性能之间的内在关系，从理论上分析揭示出Spark下影响压缩算法性能的关键因素.然后提出一种三层架构支持Spark识别使用硬件压缩算法.这种分层架构为进一步调优硬件压缩算法在Spark中的性能提供了灵活性，也能复用到其他大数据系统软件.在此基础上本文以KAEzip为实验对象，使用经典Spark基准测试程序全面评估它在Spark中的性能，结合性能模型分析挖掘制约KAEzip性能的关键因素与根源.对KAEzip的测试表明：（1）硬件压缩算法可有效提升Spa...