铸铁表面激光熔覆铁基合金涂层的组织性能研究

为解决铸铁表面熔覆铁基合金熔覆层耐腐蚀性能不足,限制其应用场合的问题。采用大功率半导体光纤耦合激光器在灰铸铁平板上制备四种镍含量不同的铁基合金粉末熔覆层,利用光学显微镜、数显维氏硬度计,WTM 2E微型摩擦磨损试验仪及盐雾腐蚀箱等仪器对熔覆层金相显微组织、硬度、耐磨损和耐腐蚀性能进行检测。结果表明,四种铁基合金粉末熔覆层晶粒尺寸依次增大,晶粒数目减小,熔覆层硬度及耐磨性能降低,耐腐蚀性能提高。C铁基合金粉末熔覆层平均硬度550 HV0.3,相对于基材提高了3倍以上,耐磨性相对于基材提高了4倍,48 h腐蚀试验,较铁基合金熔覆层耐腐蚀性能显著增强,综合性能满足更多实际需求。本研究降低了铸铁件的修复成本,拓展了铁基合金修复铸铁件的应用范围,对工程实践具有重要指导意义。     

基于MCL-UNet网络的激光熔覆层表面平整度识别

表面平整度是衡量多道搭接熔覆层表面质量的重要指标之一,为改进人工标注获取表面平整度耗时费力的问题,本文利用图像识别和语义分割神经网络方法提出了自动识别熔覆层表面平整度。针对搭接熔覆层特征,基于改进的U-Net与注意力机制(CBAM)提出一种用于熔覆层形貌的自动分割网络MCL-UNet,优化改进U-Net模型,依据CBAM模块从通道维度和空间维度调整特征图层的权重信息,将CBAM模块以优化输入和输出的原则部署在网络上。在搭接熔覆层数据集上对改进的网络进行评估对比,实验结果表明,本文提出的MCL-UNet网络模型,其熔覆层分割效果在验证集上的平均IoU准确率为93.76%,相比原始U-Net的IoU准确率提高了5.81%,在测试集上MCL-UNet模型输出的表面平整度的平均相对误差为3.2%,说明该模型可有效提高搭接熔覆层横截面形貌的分割精度,并能较准确输出表面平整度。     

水平定向钻牵引技术在市政管道工程中的应用

随着社会的发展与进步,安全和环保问题越来越重视,管道施工对周边建筑物的影响,以及人身安全问题均需考虑的因素。本文主要介绍在市政工程中广泛应用的水平定向钻牵引施工技术,对施工工艺以及在工程中的应用作简要说明。     

单光束叠加脉冲Nd:YAG激光器的研究

在使用叠加脉冲方式进行激光打孔时,为了在一台激光器上实现大能量的长脉冲与高峰值的短脉冲激光叠加输出,采用同一工作物质不同增益区域来分别获得两种特性的脉冲激光同轴叠加输出的方法、在单台激光器上获得了两种脉冲激光的叠加输出。结果表明,在双氙灯脉冲抽运Nd:YAG激光器中,腔长840mm、使用双平-平腔结构、工作物质长度150mm的情况下,采用高电阻率的磷酸钛氧钾电光Q开关对中心光束进行调Q,得到了脉宽10ms的长脉冲与63ns窄脉宽脉冲序列的稳定叠加脉冲输出,在抽运频率9Hz的情况下,最高得到了93.4W的平均功率,叠加脉冲包络能量10.4J,峰值功率46.7kW。此结果说明输出的叠加脉冲激光可以很好地满足激光打孔的需求。     

基于灰铸铁表面多道搭接熔覆成形质量及组织性能研究

为强化修复受损的铸铁件,提高其性能,延长服役寿命.采用高能量密度激光器在灰铸铁H T 250表面制备多道搭接铁基合金熔覆层,通过熔覆层稀释率及表面平整度两个重要质量指标对搭接率进行优化,利用体式显微镜、光学显微镜和数显维氏硬度计等对熔覆层的横截面形貌特征、金相显微组织和显微硬度进行研究.结果表明,在搭接率为35％ 时,...     

基于空间载频干涉的薄片激光晶体热畸变测量

采用空间载频干涉方法在精确测量薄片激光晶体热畸变的基础上,深入研究了射流冲击冷却系统对薄片激光晶体热畸变的影响。实验结果表明,射流冲击冷却系统引起薄片激光晶体的畸变主要是球面形变。随着抽运功率的增加,薄片激光晶体的热畸变越发严重,在抽运区中心部分,以球面形变为主,其光焦度随抽运功率的增加呈线性下降。而在抽运区的边缘,以非球面形变为主,抽运功率越高,非球面畸变就越严重。给出了493 W抽运条件下热畸变的波前畸变曲线,其均方根的重复测量精度为1.153 nm。实验结果与理论分析结果相符,该研究为薄片固体激光器谐振腔的设计和热畸变的补偿提供了重要依据。     

基于MPA-BP网络的单道激光熔覆熔深预测方法

针对激光熔覆过程中熔覆层深度无法精确控制问题，提出了基于海洋捕食者(Marine Predators Algorithm, MPA)优化的误差反向传播算法(Error Back Propagation, BP)单道激光熔覆熔深预测模型，以激光功率、扫描速度和送粉速率作为自变量，熔深作为因变量对模型进行评估。通过将该模型结果与PSO-BP、SOA-BP和SSA-BP神经网络的试验结果进行对比，发现MPA-BP预测模型的平均绝对误差为7.414%,拟合优度为0.964,相关数据的试验结果均优于其他模型，表明基于MPA优化的BP神经网络对熔深预测具有更好的稳定性和预测精度。