大型金属零件激光选区熔化成形工艺及装备研究进展

激光选区熔化成形技术是重要的金属增材制造技术之一,具有强度高、塑性好、尺寸精度高、表面质量优等优点,已成为大型金属零件高效制造的重要技术之一。阐述了SLM技术在大型金属零件的研究进展,总结了其未来发展趋势。     

精密离心机主轴回转精度的仿真

首先给出了气体静压轴承承载能力及刚度随偏心量变化曲线;并在此基础上应用动力学仿真软件仿真了静不平衡、主轴铅垂度误差以及二者综合作用下的精密离心机主轴运动模式及其引起的径向回转误差和失准角。研究表明,当静不平衡与回转中心在同一水平面内时,精密离心机主轴做圆柱运动;静不平衡量存在轴向偏移或存在主轴铅垂度误差时,主轴做圆锥运动,并且失准角随静不平衡量和铅垂度误差增大而增大;二者综合作用时主轴做圆锥运动,引起的径向回转误差和失准角由二者共同决定。研究结果有助于验证前人对精密离心机主轴运动模式的理论分析,并计算不同工况下径向回转误差和失准角。     

破片冲击引爆带盖板装药的数值模拟方法研究

为了分析炸药起爆数值模拟中材料模型、计算方法及网格的疏密等因素对计算结果和精度的影响,应用非线性动力学分析程序LS-DYNA3D对圆柱形平头钢破片撞击带盖板装药的引爆过程进行了数值模拟,分析了John-son-Cook和弹塑性硬化2种材料模型,Lagrange、ALE和流固耦合3种算法和不同疏密程度的网格对炸药起爆过程、引爆速度闻值和爆轰峰值压力的影响.给出了冲击起爆数值计算的网格划分原则和材料模型的选取建议.结果表明,弹塑性硬化模型计算的速度阈值更接近于试验值,压力峰值也接近于C-J爆轰压力;算法不同对计算速度阈值影响较小,对压力峰值影响较大;网格划分对计算结果精度及计算时间影响较大.     

海洋装备封存防锈油的研制

将3种不同性能基础油进行调合作为基础油,选用环境友好型磺酸钙盐为防锈主剂,研制一种海洋装备封存防锈油,可满足高湿、高盐雾环境下装备部件的长期封存防锈要求。采用正交设计试验方法考察多种防锈剂的协同效应,并对其综合性能进行评价。评价结果表明:该种封存防锈油具有良好的抗盐雾性及湿热性能,耐腐蚀性能优于进口产品,可用于沿海环境下装备部件的长期封存防锈。     

电磁兼容扫描仪在产品研制中的应用

介绍了一种电磁兼容扫描仪（EMC-Scanner），它可对PCB、电缆、元器件、整机进行扫描测量，并以二维或三维方式直观地展示其电磁辐射频率分量和辐射方位等测量结果。结合实例，阐述了EMC测量在EMC设计中的重要性。     

叉车起升接触器损坏故障的排除

近来,由市场反馈的信息得知,蓄电池叉车在使用中直流串励调速系统经常出现起升接触器触点烧坏、频频更换起升接触器的现象,给用户的使用带来了很大麻烦。分析原因如下:门架是叉车的工作装置,由起升电机控制,而起升电机受斩波器中的起升接触器控制。在叉车堆垛过程中,货物的起升、前倾、后倾、侧移都由起升电机控制,这些操作过程皆时间短、频     

利用多变量自适应回归样条函数确定ATCS复合分派规则的缩放参数

提出一种利用多变量自适应回归样条函数（ＭＡＲＳ）来确定考虑准备时间的直观延误成本（ＡＴＣＳ）复合分派规则中缩放参数的方法,以优化ＡＴＣＳ分派规则在最小化总加权延误时间（ＴＷＴ）上的效果．通过利用ＭＡＲＳ模型在高维空间上的弹性建模能力,构建调度作业组与缩放参数之间的非线性模型,以便灵活地捕捉更多的局部映射关系．对比实验结果表明,与已有方法相比,该方法可显著地改善ＡＴＣＳ规则在最小化总加权延误时间上的效果,同时降低调度效果的不稳定性．

     

气相封存防护油的研制

为了更好地解决国内装备内腔的封存防护问题,对气相封存防护油进行了研制。通过对基础油和添加剂的选择,确定了气相封存防护油由45号变压器油,1.70%的复合气相防锈剂(长链脂肪胺+环烷胺+杂环化合物),6.40%的石油磺酸钙,0.70%的羧酸和0.20%的羧酸皂组成,同时不含重金属元素。气相封存防护油的湿热试验(45号钢)超过了480 h,盐雾试验(45号钢)达到了43 h,气相防锈试验(45号钢)超过了8 h。研制的气相封存防护油与环境友好,具有优异的防护性能,达到了国际先进水平。(图1表3参考文献6)     

海洋环境用耐蚀钢研发现状及发展趋势

介绍了国内外海洋环境用耐蚀钢的发展、研发现状及耐海水腐蚀钢国内外的差距,阐明海洋环境用耐腐蚀钢的发展趋势,指出加强我国南海区域高湿热、强辐射、高Cl-环境下腐蚀机理研究,推进适应我国南海海洋环境的耐腐蚀钢板的系列化是今后重点研究课题.     

可验证的隐私保护k-means聚类方案

针对现有云外包隐私保护k-means聚类方案存在的效率不高,以及当云服务器不可信或遭受黑客攻击时返回不合理聚类结果的问题,提出了一种可应用于多方隐私保护场景的云外包可验证隐私保护k-means聚类方案。首先,提出了一种适用于云外包场景的改进的聚类初始化方法,从而有效提高算法的迭代效率;然后,利用乘法三元组技术来设计安全欧几里得距离的计算,并利用混淆电路技术来设计安全计算最小值算法;最后,提出了一种验证算法,使用户仅需一轮通信就实现对聚类结果的验证,并且数据外包后算法的训练完全在云上进行,能够有效减少用户和云的交互。仿真实验表明,所提方案在数据集Synthetic和S1上的准确度分别达到97%和93%,说明隐私保护下的k-means聚类和明文k-means聚类的情况近似,适用于医疗、社会科学和商业等领域。