超磁致伸缩力传感器及其实验研究

超磁致伸缩材料具有相对磁导率高、磁机转换率高等优良特性,对于传感器装置是一种很好的材料.文中基于维拉里效应原理完成了超磁致伸缩力传感器的设计,并利用有限元分析方法验证了所设计传感器磁场分布的合理性.提出了基于电感测童力传感器输出特性的方法,并进行了实验,确定了该传感器的灵敏度最高状态的最佳偏置磁场强度;并测量了0～10(3)作用力下传感器的输出特性,实验结果表明该传感器输出特性良好,可用于高精度要求的场合.     

电火花微孔加工自适应灰色控制

运用灰色控制理论建立了电火花加工过程适时控制的算法，结合短路次数与生产率的关系，形成了控制过程的双环控制。详细地论述了各环控制的原理及实现方法。     

压电力传感器晶片与电极接触刚度影响研究*

以压电力传感器为核心的多分量测量系统是航空、航天等领域重要的力学测量装置。压电力传感器中晶片与电极结合面接触刚度是基础性能参数,对压电力传感器的分载效应及灵敏度,多分量测量系统的整体刚度及静、动态性能有直接影响。由于尚无对该参数的研究,导致在设计封装压电力传感器过程中缺少相应的理论依据,在使用多分量测量系统时存在标定困难等问题。针对以上问题,研究晶片与电极结合面接触刚度的影响因素,建立基于分形理论的接触刚度模型,优化了晶面表面形貌、压电材料、电极材料、预紧力等参数。在此基础上,研究接触刚度对传感器性能——刚度、灵敏度、固有频率等影响,提出一种以接触刚度为约束的晶片表面形貌优化方法。基于结构函数法,建立分形理论与实际工程测量参数的联系,通过两种压电晶体——石英与硅酸镓镧,四种电极材料——钛合金、不锈钢、黄铜、铝,试验验证了理论模型。试验表明,优化晶片表面分形参数、提高预紧力、选用弹性模量小的电极有助于提高晶片与电极接触刚度,进而提高传感器的整体刚度、灵敏度和固有频率。研究为高性能压电力传感器的设计提供了理论参考。     

多几何要素影响下液压阀件特性的混合神经网络预测模型

液压阀件系统是一个具有多几何要素影响的多系统特性复杂系统,建立液压阀件特性预测模型,以系统多几何要素作为输入,实现系统特性的预测,将对实际生产具有重要的意义。在深入分析反向传播(Back propagation,BP)神经网络与径向基函数(Radial basis function,RBF)神经网络的基础上,结合两类神经网络的特点,提出基于BP神经网络与RBF神经网络的混合神经网络预测模型。利用生产实际中实测的某具体液压阀件特性值及影响该特性的各几何要素值作为预测模型的数据来源,对所提出的混合神经网络进行训练,并进行仿真。实例计算表明混合神经网络预测模型可提高单项神经网络预测模型的预测精度,预测平均相对误差为0.0461。可见,所提出的混合神经网络预测模型能够很好地满足工程实践中液压阀件特性预测要求。     

基于细观仿真建模的CFRP细观破坏

碳纤维增强树脂基复合材料(CFRP)在细观上呈现纤维、树脂及界面组成的混合态,其切削加工过程的实质为刀具作用下材料细观层面的破坏至切屑宏观形成的演化过程。为了揭示CFRP切削加工过程中材料的细观破坏,建立了CFRP切削的细观有限元模型。该模型在几何上包含了纤维、基体及界面等组成相,而不是使用传统的等效均质建模方法。各组成相不仅考虑了各自不同的材料本构,而且为了能够模拟材料破坏,还将各组成相材料的失效及演化准则考虑其中。该模型可从细观层面更真实地模拟不同纤维角度CFRP单向板切削过程中纤维/基体断裂、界面开裂及演化的过程。仿真结果表明:不同纤维角度下CFRP细观破坏不同,切削0℃FRP时以界面开裂和纤维弯断为主;切削45°/90℃FRP时主要是刀具侵入工件,纤维基体被压断;切削135℃FRP时则以纤维弯曲断裂为主,断裂面往往在加工面以下。通过实验显微在线观测手段验证了模拟结果的正确性。      

基于短纤维增韧的复合材料制孔毛刺和分层抑制研究

由于复合材料的各向异性、树脂导热性差和层间韧性低,在二次机械加工特别是钻削制孔过程中,复合材料易产生毛刺、分层等缺陷和损伤,将短纤维层间增韧方法用于钻削损伤的抑制研究。制备低密度芳纶短纤维薄膜,采用低压接触成型工艺制备了含短纤维增韧与未增韧的复合材料层合板,进而在加工试验台上进行钻削试验。通过对试件加工孔的红外无损检测和显微观测,研究转速和短纤维增韧对复合材料制孔损伤的影响,结果表明提高转速和短纤维界面增韧可改善制孔质量。基于短纤维与基体间相互作用,揭示其增韧机理是由于短纤维在层间形成的丰富桥联抑制了分层扩展,同时短纤维与层间树脂复杂的破坏机制而产生额外的能量耗散,并讨论短纤维参数对增韧效果的影响。该方法为复合材料高质量加工提供借鉴意义。     

碳纤维增强树脂基复合材料切削机理研究

碳纤维增强树脂基复合材料（Carbon fiber reinforced plastic,CFRP）在细观尺度上由纤维、树脂及界面不同相组成,在宏观尺度上呈层叠特征,具有非均质性和各向异性。CFRP切削过程的实质是在切削力、热共同作用下同时去除高强度纤维和低强度树脂的复杂过程,极易出现加工损伤。抑制加工损伤的前提是准确揭示CFRP切削机理,而揭示其切削机理的关键是分析材料去除过程。由于纤维是复合材料内部承受主要载荷的组成相,材料的去除过程主要由纤维的断裂过程决定。因此,通过分析切削过程中纤维的受力状态,以双参数弹性地基梁理论为基础,建立了虑及纤维所受法向及切向约束,且兼虑树脂及界面温变特性的单纤维切削模型,可准确表征纤维实际受力状态,实现纤维断裂过程的准确求解。研究发现：切削深度和纤维角度影响纤维变形深度,即切深越大,纤维变形深度越大,更易产生加工损伤;随着纤维角度增加,纤维变形深度减小。同时,为解决单纤维切削模型难以直接验证的难题,利用其求解得到宏观切削力理论值,通过与试验值对比,间接验证了单纤维切削模型的正确性。同时与未考虑被切削纤维所受切向约束和树脂及界面温变特性时相比,同时考虑这两个因素可使CFRP宏观切削力计算精度平均提升20%。所建立的单纤维切削模型不仅能够从细观尺度准确揭示CFRP去除机理,而且可为后续有关损伤抑制的研究提供理论依据。     

主成分分析在偶件多影响因素重构中的应用

针对液压阀件特性影响因素多的特点,提出利用主成分分析方法对多影响因素进行相关分析,根据各主成分的贡献率对液压阀件特性多影响因素进行重构,实现液压阀件多影响因素特征提取,从而用较少的主成分代替多影响因素。研究结果可以有效的降低液压阀件特性与多影响因素耦合规律的分析难度,同时提高液压阀件特性建模的鲁棒性,解决由于输入变量过多所造成的建模效率下降的难题。     

用人工神经网络优化Ni-纳米TiN复合镀层的超声-电沉积工艺

在正交实验的基础上,运用人工神经网络优化超声-电沉积工艺制备Ni-纳米TiN复合镀层.并利用扫描探针显微镜(SPM)对复合镀层的表面形貌进行观察.结果表明,运用人工神经网络优化的最佳工艺条件为:纳米TIN粒子的浓度7.5 g/L、电流密度5A/dm2、脉冲电流占空比3∶2、表面活性剂浓度80 mg/L、超声功率250 W.采用该工艺条件制备的Ni-纳米TiN复合镀层结构细密,晶粒较小,平均粒径约为80 nm,其表面粗糙度Rms可达到14.6 nm.