不锈钢基压电厚膜微悬臂梁传感器的制作与测试

制备了不锈钢基底压电厚膜微悬臂梁传感器。利用精密激光加工技术制备了厚度为100μm的不锈钢微悬臂梁基底,由于不锈钢具有良好的导电性,可以作微悬臂梁传感器的下电极,采用模板辅助电雾化沉积技术在不锈钢微悬臂梁基底上制备了厚度为20μm的致密PZT厚膜,利用磁控溅射技术制备了30/200 nm厚的Ti/Pt上电极,最终形成了压电厚膜微悬臂梁传感器。多普勒激光测振实验表明,在20 V的激励电压下,压电厚膜微悬臂梁谐振频率为19 kHz。     

分形插值在风速时间序列中的应用

针对风电场风速数据中大量连续缺失数据的插值问题，提出了一种基于自适应变异粒子群优化（PSO）的分形插值算法。首先，在粒子群优化算法中引入变异因子，增强粒子的多样性，提高算法搜索精度；其次，通过自适应变异粒子群优化算法来得到分形插值算法中垂直比例因子参数的最佳取值；最后，对两组不同趋势和变化特征的数据集进行分形插值计算分析，并把所提算法与Lagrange插值和三次样条插值方法进行对比。结果表明：分形插值不仅可以保持风速曲线的整体波动特性和局部特征，而且比传统插值方法的精度更高；在基于Dataset A的实验中，分形插值的均方根误差（RMSE）分别比Lagrange插值和三次样条插值减小了66.52%和58.57%；在基于Dataset B的实验中，分形插值的RMSE分别比Lagrange插值和三次样条插值减小了76.72%和67.33%。证明分形插值更适合连续缺失且波动强烈的风速时间序列的插值。     

四点挤压式核桃破壳机的设计与试验

针对于现有核桃破壳机两点受力破壳原理易造成破壳率低,高路仁率低的现象,研制"四点挤压式"核桃破壳机,并进行了"四点受力破壳"和"两点受力破壳"的对比试验,以及四点挤压式破壳机的初步试验。试验结果表明:"四点挤压式"核桃破壳机的破壳效果明显优于两点受力破壳,且可适用于不同尺寸大小的核桃。破壳效果和挤行程有很大关系,但和核桃本身大小尺寸关系并不明显。核桃的含水率为10%的条件下,当挤压行程为6 mm时,核桃的破壳效果最好,破壳率为100%,高路仁率为96.8%。     

锯口挤压式核桃破壳机

针对我国核桃破壳机械化程度低及现有核桃破壳机存在的破壳率低、高路仁率低等问题,研究设计了锯口挤压式核桃破壳机,该机先对核桃进行锯口,然后再进行挤压破壳,效果显著。该设计符合"四点加压"、"应力集中"等原理。该机结构简单、成本低、破壳充分,高路仁率高。本设计对于核桃破壳相关研究具有一定借鉴作用。     

分形插值在风速时间序列中的应用

针对风电场风速数据中大量连续缺失数据的插值问题,提出了一种基于自适应变异粒子群优化（PSO）的分形插值算法。首先,在粒子群优化算法中引入变异因子,增强粒子的多样性,提高算法搜索精度;其次,通过自适应变异粒子群优化算法来得到分形插值算法中垂直比例因子参数的最佳取值;最后,对两组不同趋势和变化特征的数据集进行分形插值计算分析,并把所提算法与Lagrange插值和三次样条插值方法进行对比。结果表明：分形插值不仅可以保持风速曲线的整体波动特性和局部特征,而且比传统插值方法的精度更高;在基于Dataset A的实验中,分形插值的均方根误差（RMSE）分别比Lagrange插值和三次样条插值减小了66.52%和58.57%;在基于Dataset B的实验中,分形插值的RMSE分别比Lagrange插值和三次样条插值减小了76.72%和67.33%。证明分形插值更适合连续缺失且波动强烈的风速时间序列的插值。     

石墨烯微结构的电喷射按需打印研究

采用电喷射按需打印工艺,以石墨烯悬浮液为打印材料,打印制备了石墨烯微结构,研究了高压脉冲电压幅值和脉冲频率参数对打印石墨烯微结构的影响。结果表明,过高或者过低的脉冲幅值都不利于打印的稳定性;脉冲频率则会直接影响到石墨烯微结构的尺度。最终,利用电喷射按需打印工艺,打印出线宽约为40μm的石墨烯微结构图案。     

基于ANSYS Workbench气瓶增压管断裂分析及优化

通过分析LNG气瓶现有增压管的失效原因,找出其薄弱易损坏部分的位置,通过三维绘图软件Solid Works建模,导入商业有限元分析软件ANSYS进行分析,经过优化结构,降低最大应力及整体平均应力值,消除应力集中对增压管的破坏。通过试制实验验证,优化后的增压管避免了接触应力,有效地提高了对变形的适应性。为LNG气瓶其他部分零部件的设计优化具有一定的参考价值。     

改进灰狼算法的核极限学习机的风功率预测

针对风能的波动性、非平稳性导致风电功率预测精度不高的问题,研究并提出一种基于可变模式分解(VMD)技术和改进灰狼算法(DIGWO)优化核极限学习机(KELM)的短期风电功率预测模型。将功率信号进行分解得到若干个不同带宽的模式分量,对各个模式分量建立核极限学习机预测模型。为提高核极限学习机的寻优能力,采用改进的灰狼算法对核极限学习机的参数进行优化,得到各个模式分量的预测值,将分量预测值进行叠加后得到风电功率最终预测。采用实际风电功率数据进行实验仿真,实验结果表明,该模型的RMSE和MAE分别是1.5%和1.16%,相比其他模型提高了风电功率预测精度。