核电站生产准备阶段腐蚀与防护管理

核电站生产准备过程时间长,长期的施工环境对于设备的防腐性能影响较大。建造阶段出现的腐蚀问题或施工失误往往给核电站运行阶段的维修和改造带来更大的经济损失和防腐工作量,而且易于忽视。本文以核电站生产准备过程中不同阶段发现的腐蚀问题为例,针对生产准备过程跨度长、任务重、接口多、内容复杂等特点,提出了核电站防腐的全寿期防腐处理方案,给出了不同阶段防腐工作参与的重点及注意事项,为后续核电站工程建设中设备的腐蚀与防护提供了经验。     

基于实例推理的发动机叶片切削参数数据库系统水

利用基于实例推理的技术,为建立切削参数数据库提供一个有效可行的方法,即将以前切削加工积累的切削数据和经验存储在数据库中,为新的工件加工问题提供参考解决方案.建立了简洁可行的用结构化数据表示的实例描述模型,分析了实例相似度的计算问题并介绍了实例检索的具体方法,使系统的数据采集和知识更新简单易行.     

面向并行CAPP的产品可制造性评价理论研究

在分析了产品可制造性评价在并行ＣＡＰＰ中的功能要求的基础上,研究了产品可制造性评价原理及产品可制造性评价体系结构。     

直齿面齿轮高精度电解加工阴极型面设计方法研究

直齿面齿轮的齿面是一种复杂空间曲面,为了实现难切削材料的复杂曲面产品的批量加工,目前主要以电解加工技术为主;考虑到电解加工在复杂异面类产品的加工中存在阴极设计效率低,精度难以保证等问题,提出一种基于标准阴极特性的阴极型面智能设计方法。首先,基于复杂齿面网格规划原则对直齿面齿轮的齿面点进行合理规划,并采用截面放样法计算各采样齿面点坐标;其次,通过分析各齿面采样点所在型面的曲率半径,利用电解加工平衡间隙理论构建针对不同曲率情况下的相应阴极刀具型面设计方案;最后,利用Matlab中的GUI人机交互界面构建直齿面齿轮的智能化阴极刀具型面设计系统。通过加工实验可知,利用该系统设计出的阴极型面,其加工精度可达IT8。     

微细铝丝辊式连续矫直工艺参数的优化

为了降低矫直机在连续矫直时对微细铝丝材料的损害.文中根据矫直原理,通过分析原始曲率、反弯曲率及残留曲率对铝丝矫直的影响,利用辊式矫直的工艺参数设计了微细铝丝矫直机构.实验结果表明:在辊式矫直中采取辊数为9,辊径为15mm,辊距为17mm时,微细铝丝的矫直截面直径为0.35mm的精度可以满足≤5mm/20cm.     

摄像机内图像传感器装调误差检验方法

特征点三维坐标的测量精度直接影响目标位姿的解算。相机安装校准过程中内部图像传感器产生的装调误差会导致实际成像点位置发生偏离,为消除定位偏差而最终提高三维测量精度,经过理论分析将装调误差分解为夹角误差、位移误差、旋转误差并分别建立不同的误差模型。首先将目标函数设置为成像点坐标差方程,利用多目标不等式的非线性最优化模型从理论上定量分析了装调误差,绘制各误差的三维分布图,定性分析了装调误差的发生趋势。选取某一型号相机进行物理实验,首先测定出主点坐标偏移量Δx=0.665 08 mm,Δy=0.936 68 mm,然后根据上述方法获得装调误差大小,得到相机偏移夹角为0.92°,偏移距离为1.41 pixel,偏移角度为0.047°,与所给真实值范围进行对比,验证了所提出标定方法的有效性。     

复合纤维缠绕模型的缺陷仿真设计

为解决复合纤维缠绕制品三维设计仿真、应力和变形分析问题,以复杂三维模型构造方法为研究对象,提出基于三维模型数据重构的程序驱动方法创建三维大型缠绕纤维模型.首先以网格化的数据结构作为三维模型中心线上控制点坐标信息的组织形式;然后以圆柱形螺旋方程为基础,结合几何图形变换的方法生成全部控制点坐标;再根据用户输入的缺陷参数,由缠绕于芯轴上的第1层纤维起逐层向外查找缺陷产生的位置并依次修正控制点的坐标参数,生成有缺陷的纤维缠绕模型.该方法将较为复杂的圆锥螺旋线缺陷计算问题转变为对三维圆柱螺旋线上点坐标计算和几何图形变换问题,简化了中心线上控制点的定位坐标计算和逻辑关系判定.实验结果表明,文中方法可以创建任意长度纤维缠绕时具有多个缠绕缺陷,且单层轴向累计误差小于等于1.5倍纤维直径的复合缠绕缺陷模型.     

铁基粉末冶金零件切削特性的研究进展

铁基粉末冶金技术在汽车、航天、兵器等行业得到了广泛应用.粉末冶金零件在成型后还需进行少量加工,由于材料自身的特殊性,加工过程中刀具易出现崩刃、剥落、碎断和裂纹等快速失效现象.本文介绍了铁基粉末冶金零件工艺特点及其应用范围,阐述了粉末冶金材料的基本特性和较难加工的原因,较系统地介绍了铁基粉末冶金零件切削特性的研究进展,并...     

正交小波变换k-中心点聚类算法在故障诊断中的应用

k-中心点聚类算法(k-medoids cluster algorithm,KCA)是改进的机器学习聚类算法,该方法通过初始聚类中心选取和聚类中心更新,对无标记训练样本的学习揭示数据的内在性质及规律,从而区分出机器的运行状态。提出了一种正交小波变换k-中心点聚类算法(orthogonal wavelet transform k-medoids clustering algorithm,OWTKCA)诊断方法,利用正交小波变换(orthogonal wavelet transformation,OWT)方法提取各细节信号作为训练样本,用KCA方法进行分类。通过滚动轴承的试验数据分类结果显示,该方法相对于没有提取特征值的KCA能有效处理复杂机械振动信号,明显提高了故障数据聚类效果,缩短了聚类时间,提高了智能诊断效率。