压下率对大厚度比Al/Mg/Al层合板性能的影响

采用0.2 mm Al+5 mm Mg+0.2 mm Al的组坯方式,400℃保温10 min热轧制得大厚度比Al/Mg/Al层合板,研究了压下率对其界面结合、镁基材组织及拉伸性能的影响。对压下率为41%、49%和60%热轧制备的Al/Mg/Al层合板进行了界面SEM观察、微观组织观察、拉伸实验及拉伸断口的观察。结果表明,大厚度比Al/Mg/Al层合板在压下率为60%时,边部的附加拉应力造成边裂的出现;经41%压下率热轧可实现界面结合,但存在微缺陷,压下率为49%及以上可实现良好结合;压下率对Al/Mg/Al层合板的屈服强度和抗拉强度影响较小,对其伸长率影响较大。随着压下率增加,伸长率先增加后减小。压下率为49%时,伸长率最大为26%,其原因在于该工艺下镁基材的晶粒均匀细小,韧性提高。     

基于MATLAB灰色Elman网络中长期电力负荷预测

良好的负荷预测模型能够精准且快速地计算预测值,有利于合理地规划分配电能,提升电网运行稳定性.基于MATLAB搭建灰色Elman网络电力负荷预测模型,参考安徽省淮南市"十三五"能源规划[1],以对淮南市进行中长期电力负荷预测为例,同时设置基于MATLAB搭建的Elman网络和灰色理论中的GM(1,1)模型为对照组进行对比仿真实验.提出灰色Elman网络相比对照组具有更高的运算精度,灰色Elman网络对比Elman网络有更好的训练效果.     

高熵形状记忆合金的研究进展

高熵形状记忆合金是在等原子比NiTi合金的基础上,结合高熵合金的概念,逐渐发展起来的一种新型高温形状记忆合金。近年来,已开发出了综合性能优异的(TiZrHf)50(NiCoCu)50系和(TiZrHf)50(NiCuPd)50系高熵形状记忆合金,引起了广泛的关注和研究兴趣。本文从物相组成、微观组织、马氏体相变行为、形状记忆效应和超弹性等角度出发,综述了高熵形状记忆合金的研究进展,并对高熵形状记忆合金未来的研究重点进行了展望。     

氮含量及固溶温度对21-6-9奥氏体不锈钢组织和硬度的影响

为了探讨氮含量及固溶温度对21-6-9不锈钢组织和硬度的影响,分别在950、1000、1050和1100 ℃对3种不同氮含量的热轧态21-6-9不锈钢进行1 h固溶处理,通过光学显微镜观察其组织结构,结合Thermo-Calc热力学计算对试验钢的微观组织进行分析,并对其进行硬度测试。结果表明,0.20%~0.28%N的21-6-9不锈钢热轧后沿轧制方向析出铁素体,且钢中铁素体经950~1100 ℃固溶处理可消除,当N含量达到0.34%时,试验钢中不再出现铁素体。随着固溶处理温度的升高,21-6-9不锈钢的晶粒组织长大,硬度降低。N含量的增加可显著提高固溶态21-6-9不锈钢的硬度,其增加程度随固溶处理温度的升高而减弱。     

有限元模拟验证TC17钛合金前轴颈精密成形过程中变形和微观结构的关系

通过采用有限元模拟的分析方法,研究了前轴颈锻件成形过程中材料流动速度、内部温度场和流线分布情况;采用点追踪的方法研究了锻件不同区域的金属等效应变分布和不同区域的金属最大主应力变化情况。同时,采用金相显微镜对锻件高倍显微组织进行验证分析。通过研究发现,设计的中间坯形状尺寸、压下速率和变形量合适,实际成形情况和有限元模拟结果一致。在成形过程中锻件大头端由于材料流动剧烈而出现温升,导致锻件易出现粗晶或混晶区域。另外,从温度场分布结果来看,与模具接触区域的温降较严重,为了保证锻件不出现双相组织,在类似温降区域应保证有足够的机加余量,以保证零件的组织性能满足标准要求。     

基于像素偏转模型和机器学习的室外图像天空像素检测

图像中的天空区域对于基于视觉的地面机器人导航具有重要意义,为了识别图像中的天空部分,本文提出了一种基于像素偏转模型的BP神经网络天空识别方法.首先,制作天空图像集和非天空图像集,天空图像集由各种天气情况下的天空提取而成,非天空图像集由非天空的景物构成,主要包括建筑、汽车、树木、植物等;其次,使用提出的像素偏转模型提取天空图像集和非天空图像集的像素特征并进行处理,对天空像素点和非天空像素点进行标注,利用BP神经网络对像素特征进行训练,得到权重文件;最后,使用得到的权重文件进行天空的识别.为了更好的说明本文算法和模型的优越性,使用本文算法与Otsu算法、YeHu算法、Graph-cut算法和Mask-Rcnn算法模型进行了比较,并设计了两组组对比实验,第一组实验进行识别效果的主观评价,第二组实验利用CamVid数据集的天空类进行算法精度的定量分析.     

地铁机电安装绩效领先指标自动预测方法

目前的绩效领先指标的预测中对样本数据的平稳性考虑不足,样本数据波动性大,影响最终的预测准确性.因此提出地铁机电安装绩效领先指标自动预测方法,首先对影响项目绩效的指标进行拟定描述,确定指标后使用Lasso方法来确定其中变量对绩效指标影响程度,然后使用ADF单位根检验法对相关波动数据进行平稳化处理,运用BP神经网络技术来实现自动预测.为了验证设计方法是否满足设计目的 ,设计实验,使用某地铁机电安装工程的数据作为样本数据并进行自动预测,预测结果显示:本文设计方法对比其他方法结果更接近实际值,设计满足设计要求.     

热轧压下率对车用大厚度比镁铝合金板组织和力学性能的影响

选择厚度为0.2 mm的6063铝合金与厚度为5.0 mm的AZ80镁合金进行组坯,设定厚度比为20,分析各热轧压下率下、以热轧方式制得的大厚度比镁铝合金板的组织和力学性能。研究结果表明:当热轧压下率达到45%或更高时,镁铝合金板形成了结合性能优异的界面,镁基体内形成了均匀分布的细小晶粒;提高热轧压下率后,基体中的晶粒尺寸不断减小,此时形成了更小的晶粒尺寸离散系数,更多晶粒被压碎,晶粒分布状态也比较均匀;提高热轧压下率后,获得了更高屈服强度的大厚度比镁铝合金板,材料发生了更明显的加工硬化,而抗拉强度则先增大再下降,当热轧压下率达到55%时,获得了最大的抗拉强度;当热轧压下率达到65%时,韧窝数量明显增多,表明镁合金通过动态再结晶转变获得了更强的韧性。屈服应力呈现明显波动的状态,热轧压下率为35%时,获得了最高的屈服强度,65%热轧压下率下的屈服强度最低,逐渐提高热轧压下率后,屈服应力也不断减小。     

辊速差对连铸连轧7075铝板显微组织、织构及力学性能的影响

研究辊速差对连铸连轧7075铝板显微组织、织构及力学性能的影响。采用3种不同上辊/下辊转速比(ω/ω0,ω为上辊转速,ω0为下辊转速)1:1、1:1.2及1:1.4进行多次试验。结果显示,在最大辊速差条件下(ω/ω0=1:1.4),7075铝板在轧制方向的屈服强度和极限抗拉强度分别提高41.5%和21.9%。此外,当辊速比ω/ω0为1:1.4时,成品轧制板的平均晶粒尺寸减小36%,横剖面平均硬度增加约9.2%。织构研究结果显示,辊速差越大,成品各向同性及硬度越大。然而,采用不同辊速度的连铸连轧会导致变形板伸长率降低约6%。     

基于全局优化与深度学习的条形码识别方法

提出了一种在深度神经网络的基础上结合全局优化方法的条形码识别算法,利用卷积循环网络提取出条码中各字元的特征并进行分类,较传统方法具有更强的适应性与泛化能力,再进一步结合全局优化的方法,以达到充分利用条码结构性先验信息的目的,能显著提升方法的效果,尤其是将全局优化方法引入到神经网络中进行端到端学习,不仅保持了两者的优势同时还进一步提高了识别精度.实验结果证明了所提方法的有效性,达到约99.48％的识别精度,超越了传统的图像处理方法.