铝合金中盘/片状,杆/棒状析出相的形状演变及动力学研究

微观组织定量化研究对于建立金属材料组织和性能关系有重要意义。本文研究了可时效强化铝合金中,时效过程中析出相形状的演变和动力学过程,结合过饱和固溶体析出相变过程的经典理论、析出相生长过程的软碰撞理论和HHC理论,建立了具有盘/片状、杆/棒状析出相铝合金的析出相形状因子模型。并利用Al-Cu-Li-Zr合金T相、Al-Cu-Mg合金S相及Al-Mg-Si合金β相的析出相尺寸随时效时间变化的实验数据对模型进行验证,拟合的结果符合盘/片状、杆/棒状析出相随时效时间延长,析出相尺寸形状因子先急剧增大至极大值、再缓慢减小最终趋于稳定的一般规律,证实了模型的适用性和准确性。     

改进混沌粒子群算法的四旋翼PID姿态控制

PID控制器在四旋翼飞行控制系统中比较常见,其核心问题之一就是PID参数的整定.常见的调参方法有模糊控制、神经网络及手动调参.针对四旋翼飞行器的PID控制器参数整定困难,提出一种基于混沌粒子群算法的PID参数整定方法:首先,利用粒子群算法的收敛速度较快及混沌序列的遍历性、随机性以及对初值的敏感性等特性,使得调节PID参...     

基于WOA–BP神经网络的液滴铺展预测

目的 提高BP神经网络对电喷印过程中液滴铺展行为的预测能力。方法 提出一种鲸鱼优化算法(WOA)优化BP神经网络的液滴铺展预测模型。首先，采用相场方法建立电场作用下液滴铺展的数值模型，并通过实验验证仿真结果的准确性。然后，选取初始直径、撞击速度、接触角和电场强度作为神经网络的输入参数，将最大铺展直径作为神经网络的输出参数，利用鲸鱼优化算法优化神经网络中的初始权值和阈值，构建液滴铺展预测模型。最后，基于仿真结果对预测模型进行训练与测试，并将其与传统的BP神经网络模型进行对比分析。结果 相较于传统BP神经网络预测模型，WOA–BP神经网络预测模型的平均绝对误差、均方根误差分别降低了72.60%、77.60%，而平均绝对百分比误差则从15.029 3%减小为4.585 3%。结论 WOA–BP神经网络预测模型可以更好地预测液滴铺展，可为液滴铺展的预测提供新的方法。     

SiO2-B2O3-Al2O3助焊剂对粉末烧结Cu-C-SnO2多孔材料组织与性能的影响

采用常压烧结法制备了铜-石墨-氧化锡（Cu-C-SnO₂）复合多孔材料,对其物相组成和物理性能进行了分析测试,研究了SiO₂-B₂O₃-Al₂O₃系助焊剂对Cu-C-SnO₂多孔材料组织和性能的影响。结果表明,加入适量助焊剂有助于铜-石墨-氧化锡混合粉体烧结;助焊剂加入量（质量分数）在5%以下时,铜-石墨-氧化锡粉末烧结体的透气性和硬度随着助焊剂质量分数的增加而降低,粉末烧结体的导电性和烧结收缩率随着助焊剂质量分数的增加而升高;在730~770℃烧结,烧结温度对铜-石墨-氧化锡混合粉体的烧结工艺特性和烧结体性能影响不大。     

基于机器学习的按需式电流体喷射打印微滴直径预测

为节省按需式电流体微滴喷射打印技术的微滴直径预测时间及解决众多工艺参数的合理选择问题，实现更高打印质量和效率，提出了数值仿真与机器学习算法相结合的方法。基于线性回归、支持向量回归、神经网络和随机森林算法建立8种参数与微滴直径的关系模型。算法结果表明：支持向量回归算法准确率最高、误差较小，随机森林算法和线性回归算法次之，神经网络算法准确率较低且误差较大。机器学习可以对按需式电流体微滴喷射打印微滴直径进行有效预测，此方法可以有效地提高设计效率。