氩弧熔覆 TiC 颗粒增强 Fe 基涂层组织性能研究

目的研究氩弧熔覆条件下TiC颗粒增强Fe基涂层的组织和性能。方法在Fe45自熔性合金粉末中添加TiC颗粒,利用氩弧熔覆技术在Q235钢基材表面制备出含TiC颗粒增强的Fe基合金复合涂层,并对熔覆层的显微组织结构、硬度分布及耐磨性能进行分析研究。结果复合涂层是由(Fe,Ni)形成的枝晶和枝晶间的(Fe,Cr)23(C,B)6,Fe3(C,B)共晶组织以及TiC增强颗粒组成,TiC颗粒细小弥散分布在基体金属内,部分TiC颗粒聚集生长为棒状、十字状和放射状。结论熔覆层的显微硬度最高可达980HV,较Q235钢提高了4倍,耐磨性提高了约11倍。     

基于红外视频识别的锂电池健康状态快速检测

针对退役动力电池梯次利用过程中对电池健康状态快速检测的需求，本文以软包磷酸铁锂电池为研究对象，提出基于红外热成像的锂电池健康状态快速检测方法。通过改变电池充电和放电电流倍率，研究不同老化程度的电池在放电过程中的温度变化情况，采集放电过程中的红外热成像视频，建立电池健康状态与红外热成像特征的对应关系，以此作为电池健康状态检测的健康因子；构建基于SlowFast-LSTM深度学习网络模型的改进型视频识别算法，对于电池健康状态0~40%、40%~50%、50%~60%、60%~70%、70%~80%、80%~100%这6种类别的识别率达到80.78%，单次电池检测时间3 min，实现电池健康状态的快速检测。     

基于卷积神经网络的局部放电声音识别研究

针对变压器与中压开关柜传统绝缘状态检测方法依赖人工的问题，本文基于可听声声音识别方法，通过将电力设备放电故障声音与正常工况声音、环境噪声进行混叠制作样本集，以模拟真实电力设备运行环境；对故障声音进行预处理后，使用声谱图提取声音的短时频率、能量分布等特征，构建声谱图数据集，结合改进的卷积神经网络实现对放电故障的检测；通过加入注意力机制，调节指数衰减学习率、数据集样本数量、音频采样率等方式进一步提升网络的精度，最终设计的网络模型识别准确率最高可达99.2%，相比其他检测方法优势明显，可实现对放电故障的在线检测。     

关于三轴水泥搅拌桩施工工艺在基坑支护中的分析

基于莆田某安置房建设项目，采用理论与实践相结合的研究模式，对具体的施工方案以及工艺要点进行科学规划。重点对案例工程中的桩位定点、水泥浆配置、喷浆等工艺进行阐述，可知三轴水泥搅拌桩施工工艺具有施工扰动少、影响范围小、工期短、施工质量高的优势，能够有效保障基坑支护作业的施工效果以及经济收益、社会效益。