真空熔覆碳化钨/钴基合金复合涂层抗疲劳性能的研究

在45钢试样表面采用真空熔覆法制得碳化钨/钴基合金复合涂层,按照45钢热处理工艺对复合涂层进行正火处理,并借助扫描电子显微镜、X射线衍射仪等先进的测试手段对复合涂层的组织结构和表面形貌进行观察分析.应用疲劳试验机对不同碳化钨含量的复合涂层进行弯曲疲劳试验.结果表明:复合涂层在正火处理后的弯曲疲劳强度大大提高,比熔覆状态合金涂层高150～200MPa;在高周疲劳时比正火45钢的疲劳强度高80MPa左右;正火处理后,含15%(质量分数)WC的复合涂层的弯曲疲劳强度最大;复合涂层的疲劳强度除与硬度相关外,还与复合涂层和45钢基体的界面结合强度、涂层内部缺陷等因素有关.     

分流动单元平均毛管压力曲线归一化方法及应用

当油藏储层结构复杂、非均质性较强时,通过常规平均毛管压力得到的毛管压力曲线不能很好地反映油藏非均质性,因此引入流动单元聚类分析方法,对油田取心井目的层段岩样进行聚类分析,划分流动单元;将有毛管压力数据的每个岩样进行归类,运用J函数处理方法,得到不同流动单元平均化J函数及平均毛管压力曲线。实例分析结果表明:分流动单元平均化毛管压力曲线能更好地反映油藏的非均质性,可用于计算油藏含水饱和度等参数,其结果精度较高。     

采用ZigBee芯片的无线加速度传感器网络节点的实现

为了不失真地实现对架空输电线路导线舞动轨迹的监测,通过实时监测导线上各监测点处的相对位移的变化,再经过一定的数据拟合算法可以直观地还原导线舞动的轨迹。在此背景下提出了一种基于无线单片机CC2430以及三轴加速度传感器ADXL330为核心的无线加速度传感器网络节点的设计方案,以实现对输电线路导线监测点处的相对位移的高效率、低费用的监测。先简单介绍了CC2430单片机、ADXL330传感器的性能及特点后,再详细介绍了无线加速度传感器网络节点的硬件设计以及软件设计,并且在无线传感器网络节点上成功移植了MSSTATE_LRWPAN协议栈,实现了组建简单的星型网络以及较为复杂的树状网络。最后给出了无线加速度传感器网络节点在实验室环境下的部分测试结果。     

关于提升高校教师实践教学能力的机制探讨

教师是教育工作的主体,高校教师的实践教学能力是培养学生实践创新能力的重要保证。随着高校教育制度的改革,高校教师的实践动手能力显得尤为重要。分析了我国高校教师实践动手能力的现状,结合实践教学机制,着重提出了提升高校教师实践教学能力的方法和实践教材编写理念的问题。     

纸板的老化状态对其PDC特性影响的实验研究

为研究纸板劣化对其极化去极化电流（polarization and depolarization currents,PDC）特性的影响,在实验室内对油浸变压器绝缘纸板进行加速热老化,在不同老化阶段取出纸板试品,对不同老化状态的纸板进行石油醚萃取变压器油和真空干燥处理。为了表征绝缘纸板的老化状态,对各老化阶段的纸板采用粘度法测量聚合度,并使用扫描电子显微镜（scanning electron microscope,SEM）观察纤维素表面的微观结构及破坏状况。在同一温度下,对干燥后不同老化状态的纸板分别进行真空中和新变压器油浸渍条件下的PDC测量。结果表明,随着老化时间的延长,纸板聚合度下降,纤维表面微观结构破坏明显。纸板劣化造成真空中和油浸渍的纸板极化去极化电流显著增大,电导率增加,并导致其绝缘电阻降低,吸收比减小。因此,对于油纸绝缘,除老化产生的水分外,纸板劣化本身也将导致纸板电导率的增大,并显著影响其极化去极化电流的测量结果。     

镍基合金碳化铬复合涂层材料的界面分析

利用多项式曲线拟合浓度函数,结合菲克扩散第二定律,编制FORTRAN程序,快速准确地计算出各组元的扩散系数。证实真空熔烧所得镍基合金——碳化铬复合涂层与钢基体之间发生界面扩散,形成牢固的冶金结合。     

MEMS技术及应用的新进展

MEMS是微电子和微机械的集成体 ,目前制备 MEMS的材料和工艺等得到很大发展 ,但其研究理论尚不成熟。本文综述了当前制备 MEMS的几个重要步骤 (即设计、材料选择、加工、封装以及测试 )的发展水平和存在问题 ;并总结了 MEMS应用的最新进展和未来前景     

基于GPRS网络的输电线路绝缘子污秽在线遥测系统

研制了一种基于通用分组无线业务（GPRS）通信网络的监测线路绝缘子污秽状况的新系统，简述了其系统构成、技术特点和应用效果。并给出了监测分机的硬件和软件的具体设计方法。借助在线监测系统对运行绝缘子进行了一系列的试验，结果表明，当不同污秽等级的绝缘子的环境湿度增大时，其泄漏电流增加幅度有很大差异；专家软件引入模糊控制算法，部分开放报警模型，提高了绝缘子污秽判断的准确性，从而及时指导绝缘子的清扫工作。     

基于卷积神经网络算法的高压断路器故障诊断

传统的高压断路器故障诊断方法太过于依赖经验,不能准确地反映特征量和故障模式之间的关系,诊断准确度不高。针对这个问题,采用卷积神经网络算法进行高压断路器故障诊断,结合高压断路器分合闸线圈电流特点建立诊断模型,通过输入零点故障特征参数进行学习训练,得到相应故障类型输出。仿真结果表明,所提算法的整体准确率高达93.68%,与其他基于神经网络的算法相比具有很大的优势。