Q 345钢在铅污染土壤中的腐蚀行为研究

采用室内模拟实验的方法,研究了 Q345钢在铅污染土壤中不同时间的腐蚀行为。利用SEM、XRD和电化学测试技术分别研究了Q345钢腐蚀后的形貌、腐蚀产物组成、电荷转移电阻和腐蚀电流密度变化规律。实验结果表明：在腐蚀初期发生局部腐蚀出现腐蚀坑,随时间的延长,其腐蚀形式转变为全面腐蚀加点蚀,腐蚀初期在金属表面形成一层均匀的腐蚀产物膜,对基体起到保护的作用,但随着浸泡时间延长,腐蚀产物膜增厚且有脱落的趋势。电化学测试结果表明：随着时间的延长电荷转移电阻增大,但第3周时突然降低使其保护性降低。     

液压支架试验加载台移动梁升降液压缸同步控制系统

设计了用于液压支架试验加载台移动梁升降的液压缸同步控制系统,该系统由液压比例控制系统和计算机测控系统组成。60 t平台的四角分别由1个双伸缩液压缸支撑,计算机测控系统用位移传感器测量4个液压缸的位移,发出信号控制比例方向阀输出油液,实现平台的平稳升降6 m。工业试验结果表明,此控制系统工作稳定可靠,终点控制精度可达1 mm。     

基于Morgenstern-Price法的二元结构滑坡反演分析

边坡稳定问题在水利水电工程勘察设计过程中比较突出,其对工程安全稳定有较大影响。研究区第一次边坡治理时采用简化毕肖普法进行稳定计算,参数为现场取样室内试验获得,实施后抗滑桩仍有较大变形。分析认为计算模型选择不当,且饱和状态下的岩土体力学参数选取偏大,导致计算结果失真。第二次治理时重新建立力学模型,基于Morgenstern-Price法极限平衡理论,采用河海大学开发的Autobank软件对研究区边坡稳定性进行敏感性分析,研究黏聚力c和内摩擦角φ对安全系数的影响,利用敏感性变化关系,反演岩土体力学参数,为二次滑坡治理提供依据。治理后监测结果显示,第二次边坡治理措施安全可行,说明反演得出的物理力学参数可靠。此反演分析法对类似二元结构边坡工程稳定计算具有借鉴意义。     

基于电测法与ANSYS评定压力容器错边结构

利用电测法和有限元分析法对筒体和封头的错边结构进行应力分析和强度评定,两种方法的计算结果趋于一致,证明了两种方法的可靠性,为压力容器的安全运行提供参考依据。     

基于AMESim带式输送机断带抓捕器液压控制系统的研究

对ZDB-400型断带抓捕器液压控制系统的组成进行了介绍,并利用AMESim仿真软件的图形化建模方法建立了该断带抓捕器液压控制系统的仿真模型,分析了断带前后液压系统的响应情况,绘制出系统压力曲线、液压缸无杆腔压力曲线以及活塞位移曲线,为断带抓捕器性能的优化提供了有价值的参考。     

高氮奥氏体不锈钢点蚀行为的电化学噪声特征

通过对电化学噪声数据进行时域、频域和Weibull分布等分析,比较了高氮奥氏体不锈钢(HNSS)和316L不锈钢(316L SS)在6%(质量分数)FeCl_3溶液中的点蚀行为。时域分析结果表明,316L SS在溶液中浸泡5 h后,电位噪声和电流噪声均出现了噪声暂态峰,试样表面发生了亚稳态点蚀,而此时HNSS并没有出现明显的噪声暂态峰,电位噪声和电流噪声仅发生小幅高频波动,表面钝化膜虽发生轻微腐蚀,但仍具有一定的再钝化能力。316L SS的噪声电阻波动幅值较大,而HNSS噪声电阻幅值在小范围内波动,表面钝化膜的自钝化和修复能力优于316L SS。功率谱密度图像表明,316L SS的高频段斜率和白噪声水平强度均高于HNSS,且Weibull分布分析表明316L SS的点蚀孕育速率约是HNSS的2倍,316L SS更容易发生点蚀,HNSS的抗点蚀能力更强。     

稀土对4145H钻铤钢动态再结晶的影响

应用Geeble-1500D热模拟试验机分别对稀土含量为6×10-6和16×10-6的钻铤钢进行单道次压缩实验,测定其不同终轧温度下的真应力-真应变曲线,采用应变速率0.01 s-1,变形量60%,终轧温度为850,950,1050,1150℃,研究不同稀土含量,不同终轧温度对钻铤钢再结晶的影响。结果表明,稀土含量为16的钻铤钢能显著地抑制形变奥氏体的动态再结晶。     

基于AD6652数字下变频模块的实现

提出了数字接收机基于AD6652的宽中频采样结构,使整个系统的灵活性、重构性、适应性得到很大的提升.AD6652采用矩阵输入,输入灵活,减少交叉连接产生的寄生信号,同时可以根据应用的不同在抽取滤波后进行多相合并,增加带宽.通过理论分析和仿真检验表明,该系统性能优良,结构简单,易于实现,具有实际应用价值.     

基于内积延拓LMD及SVM的轴承故障诊断方法研究

针对特征提取中局域均值分解(Local Mean Decomposition, LMD)存在端点效应缺陷及模式识别中人工神经网络(Artificial Neural Network, ANN)存在收敛速度慢、过学习等不足,提出基于内积延拓LMD及支持向量机(Support Vector Machine, SVM)的轴承故障诊断方法。利用内积延拓LMD方法对信号延拓分解抑制LMD端点效应;利用分解的可描述信号特性主分量PF(Product Function)构建初始特征向量矩阵;用SVD(Singular Value Decomposition)方法对初始特征向量矩阵进行奇异值分解,获得信号特征参数作为SVM的输入进行训练;对训练的SVM进行测试及模式分类。通过实际轴承故障信号分析及故障类型分类表明,该方法不仅能抑制LMD端点效应缺陷,且在故障模式识别中能有效避免ANN网络结构难确定、收敛速度慢等不足,能较好实现轴承故障准确分类,可用于轴承故障诊断。