2Cr13Mn9Ni4不锈钢卡箍腐蚀开裂分析

2Cr13Mn9Ni4不锈钢卡箍在服役条件下大量出现开裂、断裂问题，为飞行安全埋下较大的隐患。对大量卡箍裂纹进行统计分析，发现其断裂位置、形貌有相似性，进行2Cr13Mn9Ni4不锈钢卡箍腐蚀开裂分析，对卡箍的安全应用有重要意义。对故障件外观进行观察，对断口进行宏微观特征观察、能谱分析，对焊缝附近进行金相组织检查、硬度分布测试，在故障件上取样进行晶间腐蚀试验、热模拟试验，最后对卡箍应力进行模拟仿真。结果表明:卡箍残余应力、环境腐蚀、焊接影响的晶间敏化共同作用导致卡箍开裂。     

改进的卷积神经网络单幅图像超分辨率重建

针对经典的基于卷积神经网络的单幅图像超分辨率重建方法网络较浅、提取的特征少、重建图像模糊等问题，提出了一种改进的卷积神经网络的单幅图像超分辨率重建方法，设计了由密集残差网络和反卷积网络组成的新型深度卷积神经网络结构。原始低分辨率图像输入网络，利用密集残差学习网络获取更丰富的有效特征并加快特征梯度流动，其次通过反卷积层将图像特征上采样到目标图像大小，再利用密集残差学习高维特征，最后融合不同卷积核提取的特征得到最终的重建图像。在Set5和Set14数据集上进行了实验，并和Bicubic、K-SVD、SelfEx、SRCNN等经典重建方法进行了对比，重建出的图像在整体清晰度和边缘锐度方面更好，另外峰值信噪比（PSNR）平均分别提高了2.69?dB、1.68?dB、0.74?dB和0.61?dB。实验结果表明，该方法能够获取更丰富的细节信息，得到更好的视觉效果，达到了图像超分辨率的增强任务。     

不同农作物用地磷细菌的分析及解磷能力的研究

通过选择性分离培养,研究了不同农作物用地的磷细菌特征,观察菌落形态特征,选择高效无机磷细菌和有机磷细菌;并利用透明圈法深入探讨了其解磷能力。结果显示:不同的农作物用地各理化参数有明显差异。无机磷含量:豌豆生菜番薯茼蒿笋木耳菜;有机磷含量:生菜木耳菜番薯笋茼蒿豌豆。从无机磷培养基分离的细菌总量看:笋豌豆茼蒿木耳菜番薯生菜。其中番薯地中无机磷细菌数量最多(22×10~4ind./g),而木耳菜、生菜、茼蒿土壤中含少量磷细菌。选择6种优势菌种C1、D1、G1、H1、I1和J1进行解磷能力研究,发现其解磷能力:H1G1I1J1D1C1。从有机磷细菌看:番薯茼蒿笋生菜,豌豆和木耳菜未检出。选择3中优势菌种进行解磷能力分析,得出:F2C2B2。     

基于EMD与BP神经网络的齿轮故障诊断

针对基于传统BP神经网络的齿轮故障诊断方法存在收敛速度慢，误差较大等问题，提出经验模式分解（EMD）与BP神经网络相结合的齿轮故障诊断方法。首先简述经验模式分解和BP神经网络的基本原理，然后采用EMD方法提取齿轮时域信号中的各个IMF分量，计算IMF分量中故障信号能量特征参数，将这些能量特征参数作为BP神经网络输入参数进行故障诊断。在齿传动故障实验台上采集足够的样本数据进行实验研究。结果表明:与传统的BP神经网络相比，可将训练误差从0.01降低至0.001左右。此外，训练迭代次数可减小至10次以内。     

硅渣和玻璃粉直接烧结制备多孔材料的气孔结构与力学性能

以硅渣和玻璃粉为原料,采用粉体直接烧结法制备多孔材料,研究了烧结温度(700~900℃)、烧结时间(15~120min)和升温速率(10~100℃·min^-1)对多孔材料表观密度、气孔率、物相组成、抗压强度的影响。结果表明:气孔结构均匀性随烧结温度的升高而降低;表观密度随烧结温度的升高先减小后增大,随保温时间的延长而增大,随升温速率的增大而减小,气孔率的变化趋势与表观密度的相反;多孔材料的主要物相为玻璃相和硅、SiC、SiO2、Ca2Al2SiO7等结晶相,且结晶度随烧结温度的升高而降低;抗压强度随烧结温度的升高呈先增大后减小的趋势;当烧结温度为750℃,升温速率为30℃·min^-1,烧结时间为30 min时,多孔材料的主晶相为硅和Ca2Al2SiO7,抗压强度最大(1.60MPa),表观密度为0.43g·cm^-3,气孔率为80%。     

温度对碳纳米管增强纳米蜂窝镍力学性能的影响

选取含质量分数为5.22‰碳纳米管(CNT)为代表,通过分子动力学(MD)研究了温度对纳米蜂窝镍(NNHC)和CNT增强纳米蜂窝镍(CRNNHC)在径向拉伸、径向压缩、轴向拉伸和轴向压缩下力学性能的影响。结果表明,NNHC和CRNNHC的弹性模量(E)和最终应力(σu)对温度较为敏感,都随温度升高呈近似线性下降。相比于NNHC,不同温度下CNT的添加对CRNNHC径向力学性能的增强效果并不明显,而对其轴向力学性能则起到了良好的增强作用。CRNNHC轴向拉伸与压缩时的弹性模量提升幅值分别为6.4%～10%与9%～12%,最终应力提升幅值分别为1.5%～5.3%与10%～14%。研究表明,不同温度下CRNNHC沿轴向变形的力学性能普遍要优于沿径向变形的力学性能,也预示着轴向变形时CNT被破坏前吸收的能量相对较多。     

ALIF-MMPE结合DAG-SVM的滚动轴承故障诊断

针对滚动轴承故障诊断中非平稳振动信号下的有效故障特征提取问题,提出一种基于自适应局部迭代滤波、多元多尺度排列熵和有向无环图算法支持向量机的滚动轴承故障诊断方法。自适应局部迭代滤波通过构建自适应滤波函数,能够有效抑制噪声和模态混叠,经自适应分解后得到若干本征模态函数。仿真结果表明其效果优于经验模态分解。然后利用多元多尺度排列熵对包含显著故障信息的本征模态函数进行信息融合和特征提取,组成故障状态特征集。采用主成分分析对故障状态特征集进行降维,随机抽取部分样本带入有向无环图算法支持向量机中进行训练,其它则作为测试样本进行故障识别和诊断。试验故障诊断结果表明:自适应局部迭代滤波下多元多尺度排列熵优于多个本征模态函数下的多尺度排列熵和经验模态分解下的多元多尺度排列熵;本文方法能准确地识别滚动轴承不同的故障类型及故障程度。