局部载荷下材料性能影响压痕弹塑性行为的研究

利用有限元法分析了不同材料在载荷作用下接触区域的弹塑性行为,探讨了弹塑性行为与载荷、屈服强度、弹性模量和泊松比之间的关系,并构建1套压痕实验装置予以实验验证。研究结果表明：载荷、材料屈服强度对压痕弹塑性行为影响大,而弹性模量、泊松比对其压痕弹塑性行为影响较小。研究结果描述了载荷增加时其压痕弹塑性行为的发展,压痕参数与屈服强度之间的关系,为压痕法根据压痕参数确定屈服强度提供参考。     

基于RBF神经网络PID控制的挖掘机器人节能系统研究

从挖掘机器人动力传动系统节能角度考虑,通过对挖掘机器人功率匹配的分析,研究了基于RBF神经网络-PID控制算法在节能控制系统上的应用。试验结果表明:采用的节能方法和神经网络-PID控制算法在挖掘机器人节能控制系统上是可行的。神经网络-PID控制器能根据不同的环境和作业工况进行实时参数自调整,具有自学习的功能。研究结果为进一步研究开发智能挖掘机提供了参考。     

挖掘机器人液压系统选型与改进设计

介绍了挖掘机器人液压系统回路的主要组成及ALP75型多路阀液压系统的主要特点,并根据应用的需要,对系统进行了改进设计。实际应用表明,选型合理,通过对系统的改进,满足了主机的作业性能要求。     

局部载荷下压入响应与材料性能的关系

采用量纲分析法,建立了在载荷作用下压入响应与材料硬度/弹性模量(H/E)之间的无量纲函数,并基于有限元分析结果,分析了材料性能对于压入响应的影响,建立了在一定载荷下,材料性能H/E从0.005到0.025范围内,压入响应参数即压痕深度h、压痕接触半径a、塑性隆起量δ与材料H/E为基本物理量之间近似函数表达式。研究结果表明:材料H/E比值小,压入响应参数变化率随着载荷增加而加快,材料H/E比值大,其变化率慢;在压入响应过程中,压痕周围均产生隆起量;压入响应参数与H/E之间函数表达式拟合精度高达99%以上,在实测中根据压痕参数可计算材料的H/E值。     

Al对Cu-Zr-Ti基块体非晶合金力学性能的影响

研究了不同Al含量对Cu-Zr-Ti基块体非晶合金力学性能的影响.X射线衍射(XRD)图谱显示,制备态试样均为完全非晶结构.室温压缩试验及显微硬度测试表明,当Al含量(摩尔分数)达到6％时,试样的抗压强度为2 002 MPa,断裂应变量为6.48％,显微硬度(HV)为767.6.用扫描电镜(SEM)对(Cu60Zr33Ti7)94Al6试样的压缩断面进行观察,发现由于断面上存在大量均匀细小韧窝抑制剪切带的快速扩展,导致合金力学性能的提高.     

小波域软阈值降噪的地磁匹配导航仿真研究

为消除地磁数据中的噪声和干扰,提高地磁匹配导航的精度和可靠性,采用小波降噪方法对地磁数据进行预处理.通过对小波母函数特性的研究,结合地磁场自身规律提出了地磁数据降噪中小波母函数的选取准则,并根据地磁匹配导航的特点提出了基于误差和相关系数的小波分解层数确定方法.通过对小波降噪主要方法的定性分析,采用了小波域软阈值降噪方法...     

斜井VSP高斯射线束正演方法

高斯射线束正演方法是一种将波动方程和射线理论相结合的方法,适用于复杂地质构造,与常规射线正演模拟方法相比,高斯射线束正演结果不仅包含了运动学变化信息,并且具有较合理的动力学变化特征,不存在盲区问题。文中针对理论和实际正、逆断层模型,开展了斜井VSP观测方式下的P波波场正演模拟,探讨了采用斜井VSP高斯射线束正演方法模拟波场的断层异常特征及其识别问题,结果表明该方法可有效解决因盲区造成的运动学信息不完整及波场振幅保真问题,其运算速度相比波动方程有限差分法提高了100倍以上。     

预应力下实验标定的盲孔法测试技术

分析了盲孔法测量构件残余应力的理论基础,利用实验标定法确定材料在不同预应力下的应变释放系数A′和B′,并在理论释放系数A和B的基础上进行修正。施加预应力-400～400 MPa后,通过盲孔法测量得到了应变值,并根据所得的A′和B′计算获得了残余应力。研究结果表明:A′和B′与应力水平有关,采用预应力下实验标定法进行盲孔法测试,计算所得残余应力值与实际的预应力值吻合程度较高,但它们之间有一定的误差,其相对偏差范围在2.2%～10.1%。研究结果可作为压入响应实验结果比较对象,促进压入响应下的残余应力测试应用研究。     

基于改进轻量型YOLOv5的太阳能电池板缺陷检测

为解决太阳能电池板缺陷类型和尺度多样、小目标难以检测的难题，同时平衡各类缺陷的检测精度和速度，提出了一种改进轻量型YOLOv5的太阳能电池板缺陷检测方法。首先将网络模型部分卷积块替换为改进后的MobileOne Block模块，减少了模型参数量，提高模型检测速度；同时将主干网络的最后一层替换为SepViT Block,增强模型对全局信息的提取；然后设计了融合SimAM注意力机制的ASFF自适应特征融合模块，在改进多尺度特征提取的同时减轻模型的重量；最后增加P2检测层，提高小目标的检测效率，给模型带来持续的性能提升。实验结果表明，改进算法与原YOLOv5模型对比，参数量压缩了23.47%,检测速度达到了103 F/S,更好地实现嵌入式使用；检测精度达到了96.2%,比最新的YOLOv7-tiny提高了5.3%,证明了其优势。