基于数值模拟的接水盘冲压成形工艺分析与设计

分析了冰箱接水盘的形状和结构特点 ,设计了零件的冲压成形工艺 ,运用板料成形有限元软件对其中的拉伸和翻边工艺进行数值模拟 ,得到成形过程中工件各部位的厚度分布和成形极限图 ,分析了在不同工艺条件下可能产生的缺陷及其原因 ,并确定其初始毛坯和中间毛坯的合理形状 ,有效地保证了成形工艺的可靠性     

几种液压同步新回路

介绍了几种带补偿措施的串联单杆液压缸新同步回路的结构、原理和特点。在新同步回路中，活塞上的密封圈不易损坏。     

椭圆弧数控代码的自动生成方法

提出了一种基于计算机辅助制造的数控加工代码自动生成的方法，着重阐述了该方法针对椭圆弧的数控代码自动生成过程。该方法通过分析加工图形的dxf文件，提取图形的坐标信息，再经过数据拟和，自动生成该图形的数控代码。该方法由VC＋＋6．0实现相应的功能，经实际运行表明，能满足加工精度要求。该方法摆脱了传统数控机床从加工图形到形成数控加工代码时间长且精度不高的缺点，极大她提高了工作效率。     

用V-EPC铸渗法制造铁基颗粒复合材料的研究

采用V-EPC铸渗工艺制备铁基颗粒复合材料,并对复合材料硬度及显微组织分布特征进行了研究。研究结果表明,复合材料层的硬度及显微组织分布均存在明显的梯度。     

细晶超塑性变形及其在镁合金中的研究现状

介绍了镁合金作为结构件的优越性及其应用受到限制的原因；描述了超塑性变形的特征、研究方向及超塑性变形的模型；综述了细晶对超塑性的影响，镁合金中的细化晶粒工艺，镁合金的塑性变形机制及细晶镁合金的超塑性变形机制。指出如果超塑性成形能够在镁合金中得到成功的应用，则可大大拓宽镁合金的实际应用领域。     

具备反向学习和局部学习能力的粒子群算法

为解决粒子群优化（Particle Swarm Optimization,PSO）算法中存在的种群多样性和收敛性之间的矛盾,该文提出了一种具备反向学习和局部学习能力的粒子群优化算法（Reverse-learning and Local-learning PSO,RLPSO）。该算法保留了初始种群中满足排异距离要求的多个较差粒子以及每个粒子的历史最差位置。当检测到算法陷入局部最优时,利用这些较差粒子的位置信息指导部分粒子以较快飞行速度进行反向学习,将其迅速牵引出局部最优区域。反向学习过程可改善粒子种群的多样性,保证了算法的全局探测能力;同时,利用较优粒子间的差分结果指导最优粒子进行局部学习与搜索,该过程可与粒子群的飞行过程并行执行,且局部学习的缩放因子可随进化过程动态调节。局部学习可提高算法的求解精度,保证算法的迅速收敛。实验结果表明,RLPSO 算法同其他 PSO 算法相比,在高维函数优化中具有收敛速度快、求解精度高的特点。     

一种动态自适应HTTP流媒体码率切换算法

近年来,基于HTTP的动态自适应流媒体技术,已经被各种网络视频播放服务广泛采用.针对客户端缓冲区受限和网络环境不稳定的情况,提出一种基于客户端缓冲区长度的动态自适应码率选择算法.该算法通过对缓冲区进行分级实现了带宽的不同比例的缩放,并采用滑动窗口技术对带宽进行平滑处理.同时,通过设置每个缓冲区等级的带宽持续上升或下降时间的限制和采用高低带宽的中间码率等级,使码率等级不会剧烈变化.实验结果表明,该算法能在带宽利用和视频质量的平滑之间取得较好的平衡,提供良好的视频播放用户体验.     

基于NiosII的多通道HART智能通信系统设计

HART通信方式具有抗干扰、传输距离远等优点.针对传统HART通信模块体积大、功耗高、不利于集成的缺点,设计了一种基于NiosⅡ软核CPU的多通道HART智能通信系统.采用NiosⅡ软核CPU为处理核心,实现8路4～ 20 mA电流输出和8路HART通信,每个4～ 20 mA电流输出配置一个HART信号调制解调单元;在NiosⅡ软核CPU上挂载μC/OS-Ⅱ操作系统并实现8路数据链路的软件设计;设计采用DC-DC电源为D/A转换芯片提供动态电压,降低了系统功耗.设计的智能通信系统具有功耗低、集成度高的优点,在工业过程控制等恶劣环境下应用前景广泛.     

无线Mesh网络中基于路由信息的拥塞控制策略研究

针对无线Mesh网络的网络特性,分析了无线Mesh网络的拥塞控制策略,对无线Mesh网络的拥塞程度进行分级,并提出了一种无线Mesh网络的拥塞控制算法——RICC算法.该算法主要通过移动节点不同的拥塞程度发送不同的拥塞通告消息,收到拥塞通告消息的移动节点动态地调整发送数据的速率以达到拥塞控制的目的,并通过仿真验证了该算法可提高无线Mesh网络性能.     

运输类大型飞机噪声适航测试方法应用

对研发过程中的新舟700系列飞机在内的涡桨运输类客机的噪声适航方法进行分析,对其瞬时声压级、有效感觉噪声级等算法进行研究.使用丹麦B&K公司的噪声分析产品PLUSE声学测试分析系统,采用基于静态测试预测噪声级的算法,“以机代台”对发动机静态数据进行分析.利用涡桨类飞机竞争机型庞巴迪DHC-8-400飞机已有的噪声数据,使用C#语言和Visual Studio 2013平台开发预测系统.最后利用SPSS软件进行置信区间的计算,验证数据的符合性.方法及竞争机型噪声数据可为今后上市的涡桨类运输飞机提供噪声适航研发依据.