BS960E高强钢激光-电弧复合焊接头氢脆行为研究

氢脆具有很强的微观组织敏感性,威胁着各类高强结构材料的安全服役.采用激光-电弧复合焊工艺对BS960E型高强钢进行焊接,并对接头在原位电化学充氢的条件下进行慢应变速率(10-5s-1)拉伸试验,结合微观组织和断裂特征进行分析并对接头的氢脆行为进行研究.结果 表明,焊接热循环所形成的富马氏体中的细晶区可以使接头表现出一定的氢脆敏感性,马氏体较大的氢扩散系数和较低的氢溶解度以及氢在晶界上的快速扩散是引起接头对氢脆敏感的主要原因,通过控制焊接工艺参数可抑制焊接热循环所引起的马氏体转变量,能够降低BS960E型高强钢激光-电弧复合焊接头的氢脆敏感性.     

Multiple clusterings of heterogeneous information networks

Machine Learning - Traditional clustering algorithms focus on a single clustering result; as such, they cannot explore potential diverse patterns of complex real world data. To deal with this...     

铁尾矿砂力学特性及再生利用研究进展

铁尾矿砂的储量日趋增加,要减小铁尾矿坝的风险、提高铁尾矿砂的利用率,须明确铁尾矿砂的力学特性.通过对铁尾矿砂静力特性及动力特性的分析发现,尾矿砂的粒径分布是决定尾矿坝稳定及铁尾矿砂再生利用的主要因素之一,细粒含量、干密度、含水率等因素对铁尾矿砂动力特性有一定影响.再生利用铁尾矿砂的主要方式是将铁尾矿砂混凝土、改性铁尾矿砂用作工程材料,水泥、石灰、纤维是改性铁尾矿砂的主要材料.最后指出需进一步研究新型材料取代传统改性材料改善铁尾矿砂的力学特性,从而提高资源利用率.     

包气带中不同示踪源层条件下核素迁移对比试验

为研究不同示踪源层材料对水份运移和核素迁移的影响，开展了以石英砂和黄土分别为示踪源层载体时Sr、Nd、Ce在包气带中迁移的对比试验。试验历时470d，在两种源层条件下各取土芯样4次。试验结果表明：在喷淋强度为5mm/h、3h/d条件下，Nd和Ce无论在石英砂示踪源层还是黄土示踪源层中浓度峰位均没有明显向下迁移；对于Sr，在黄土示踪源层中，470d后其峰位向下迁移约15cm(按质心计算为10cm左右)，而从石英砂示踪源层中向下迁移不明显（按质心计算，迁移约2.7cm），只是峰位有些展宽。上述结果表明，极薄（7mm）的细石英砂层也能对非饱和入渗水产生明显屏流作用，使得核素从石英砂示踪源层中向下迁移速度减慢。     

致密低渗透气田的试井特征分析--以新场气田为例

经对新场气田的试井资料处理,建立了不同类型储层典型井试井解释范例,得出低渗透试井判别式和判别图版,对该区具有低渗透特征的试井曲线进行了讨论。根据试井结果,可识别气藏(气层)储集类型,确定产层物性参数,为气藏动态分析提供基础资料。为开发致密低渗砂岩气藏、保持稳产高产奠定基础。     

一种蒸发式冷凝器的新型设计方法

蒸发式冷凝器设计方法的粗糙和繁琐限制其广泛应用,特别是限制其应用于民用和小型商用建筑中。针对上述问题,作者通过实验研究了蒸发式冷凝器的影响因素（进风湿球温度、最小截面风速和喷淋水量）对蒸发式冷凝器热质交换的影响。同时提出了一种新型设计方法,此方法简单,精度较高。适合工程设计、选型和生产应用。     

WXJB—E型多点温度监测报警仪的研制

本文介绍了 WXJB—E 型多点温度监测报警仪的设计思想、基本原理、技术关键、技术指标及其功能。     

基于FPGA和ARM的弹上相位自动微调控制器设计与实现

为了提高相位自动微调控制器的控制性能,针对某型导弹,提出并实现了以ARM+ FPGA双微处理器为核心的硬件设计方案,采用了模糊PID控制算法,通过优化步进电机控制模式,提高了相位自动微调控制器的控制精度,将步进电机的调整时间由800 ms缩短到100 ms以内;该方案已成功应用于某型弹上系统,实践证明,该设计方案成本低、可扩展性强,能够满足系统控制需求,具有较高的实用性,大大提高了装备维护效率.     

基于PCI总线的通用旋转变压器解算系统设计

针对轴角参量的闭环控制和检测的局限性,设计了一种基于PCI总线的通用旋转变压器解算系统;通过DDS模块和功率放大电路产生激磁信号,在FPGA的控制下,解算芯片完成轴角参量的解算;采用FIFO机制进行数据缓存,采样时标达到0.1ms;系统具有激磁信号频率0Hz到10kHz可变、速比1∶8到1∶64可调的特点,是一种精度高、通用性好的轴角检测解决方案。     

基于KSOM-Elman网络的配电网故障定位方法

针对配电网分支较多、故障数据特征不明显引起的故障定位困难的问题,提出了一种基于行波测距和核自组织特征映射网(kernel self-organizing feature maps,KSOM)-Elman神经网络的故障定位方法.首先利用行波法和小波变换进行故障测距,搜寻故障可疑分支;其次在传统自组织特征映射网神经网络中引进高斯核函数,构建KSOM网络聚类器,将无标签故障样本数据分组,并结合Elman神经网络对聚类数据进行监督训练和学习,从而判断故障分支,精确定位故障点位置;最后将KSOM-Elman神经网络与其他神经网络的定位结果对比.经过仿真验证,该方法可靠有效,定位效果优于其他网络.