磁力可控电磁超声换能器设计及特性

电磁超声换能器一般采用具有超强磁力的稀土永磁制作,在实际检测中由于磁力不可控,存在偏置磁场不够强导致换能效率过低和磁力过强造成操作不方便等问题.提出一种偏置磁场磁力可控的电磁超声换能器,采用电磁铁与永磁铁相结合的方式,达到偏置磁场磁力可控的目的.通过有限元仿真和试验得出,提出的偏置磁场磁力可控的电磁超声换能器,在电磁铁处于关闭模式下,永磁铁能够提供基础磁场;采用增强模式或减弱模式,无被测物时,换能器下表面平均垂直磁通最大分别增强78.58％和减弱19.36％,而提离2 mm检测钢板时,换能器下方钢板表面平均垂直磁通最大分别增强52.99％和减弱38.02％;得出3种模式下,探头磁力随着提离距离缩小而增强的试验曲线;通过增强模式对铝板和钢板进行测厚试验,将检测信号幅值分别提高46.91％和62.01％.所设计的磁力可控电磁超声换能器不仅具有磁力可控的功能,还能够提高检测信号幅值.     

25%小偏置碰撞策略及测试评估研究

随着汽车事故的增加,且小重叠碰撞事故死亡率居高不下,小偏置碰撞试验逐渐成为焦点。基于IIHS公布的最新车辆碰撞试验结果,统计超过100余款不同类型的25%小偏置碰撞车辆,建立碰撞转角与碰撞区域的数学模型,将25%小偏置碰撞归结为三种不同的碰撞策略,分别是吸能策略、掠过策略和掠过与吸能策略;并进行试验验证,对三种策略的优缺点进行分析。结果表明,小偏置碰撞试验可运用合理的碰撞策略达到法规要求,对25%小偏置碰撞试验具有一定的参考价值。     

具有交换偏置的Fe3O4/FeO核/壳纳米材料的简易制备

Fe_3O_4在氢氩混合气氛下(10%H_2/90%Ar)可以通过一步固相反应法轻微还原生成Fe_3O_4/FeO核/壳纳米材料,上述结果已经在X线衍射仪、X线光电子能谱、高分辨透射电镜的测量结果中得到验证。Fe_3O_4/FeO核/壳纳米材料分别受外磁场和零磁场冷至200 K以下时,发现样品受外磁冷下的磁滞回线有明显的向左偏移现象,即交换偏置。另外,纳米材料的交换偏置效应随测试温度升高而减弱,此现象归因于材料界面处的铁磁耦合作用。这种制备方法可能会对其它具有交换偏置现象复合材料的研究提供一种简单有效的实验依据,并有望在交换偏置现象调控方面提供进一步研究。     

激光拼焊板热冲压工艺关键技术参数

随着我国《国家第六阶段机动车污染物排放标准》的逐步实施和以整车整备质量来确定耗油量且增加正面25%偏置碰撞的《乘用车燃料消耗限制》的颁布。当前汽车工业发展的重点是在确保安全的前提下,尽可能减轻车身自重。自2007年安赛乐米塔尔公司推出半消融铝硅镀层板激光拼焊技术以来.铝硅镀层热成形激光拼焊板最大程度上发挥了激光拼焊板和热冲压工艺的轻量化的优点。     

乘用车高度变化对偏置碰撞B柱加速度影响研究

本文旨在研究由质量变化引起的乘用车高度变化对偏置碰撞B柱加速度影响。首先,利用经过验证的丰田Yaris搭建CNCAP偏置碰撞仿真模型,然后构建不同整车高度仿真模型,分析高度变化对B柱加速度的影响。结果表明,当整车高度下降较多时对B柱参考点加速度影响偏大,碰撞仿真中需要考虑质量变化引起的高度变化对碰撞仿真精度的影响.     

高速数模转换芯片动态特性高精度量产测试技术研究

由于生产环境与设备精度的限制,高速数模转换器芯片(DAC)动态特性测试所需的相干采样条件无法精确满足,测试数据的直流偏置误差无法避免,数模转换器位数越高,同等测试时间内误差越大。鉴于此,提出了一种测试数模转换器动态特性的新方法,该方法可以在不增加测试时间与测试成本的情况下,将非相干采样数据转换为等效相干采样数据,并去除数据中的直流偏置误差,测试结果的总体误差能降低到1%以下,远优于当前传统的测试方法。此方法还可用于多载波信号的动态特性测试,并可集成于自动化测试平台,适用于大规模量产。     

一种协作机器人工作空间灵活度的求解方法

传统机器人工作空间灵活度主要采用逆运动学方法(IK)进行求解,而偏置的存在导致协作机器人的逆运动学求解困难,无法求解其工作空间灵活度.为此,提出了一种不需要进行逆运动学求解的改进方法.首先,对机器人偏置进行定义,并分析IK方法的不足.然后,借助服务球的概念得到满足服务点条件的几何约束,通过该几何约束得到求解灵活度的误差模型,并提出影响灵活度求解的误差参数E及工作空间灵活度指标λ.接着,分析改进方法中的参数n、n_0、n_1对E、λ的影响,并确定该参数的取值.最后,对比改进方法与IK方法可知,在保证求解准确性的前提下,改进方法比IK方法的求解时间短、计算效率高.通过求解具有偏置的协作机器人工作空间灵活度,证明了改进方法具有适应性强的特点.     

融合语义标签和噪声先验的图像生成

针对现有生成模型难以直接从复杂语义标签生成高分辨率图像的问题,提出了融合语义标签和噪声先验的生成对抗网络(SLNP-GAN)。首先,直接输入语义标签(包含形状、位置和类别等信息),使用全局生成器对其进行编码,并结合噪声先验来学习粗粒度的全局属性,初步合成低分辨率图像;然后,基于注意力机制,使用局部细化生成器来查询低分辨率图像子区域对应的高分辨率子标签,获取细粒度信息,从而生成纹理清晰的复杂图像;最后,采用改进的引入动量的Adam算法(AMM)算法来优化对抗训练。实验结果表明,与现有方法text2img相比,所提方法的像素精确度(PA)在COCO_Stuff和ADE20K数据集上分别提高了23.73%和11.09%;相较于Adam算法,AMM算法收敛速度提升了约一倍,且损失值波幅较小。可见,SLNP-GAN能高效地获取全局特征和局部纹理,生成细粒度、高质量的图像。