模块化数控机床概念设计的研究

通过对数控机床设计开发过程的分析，提出了模块化数控机床概念设计系统模型，该模型分为功能域，结构域及评价域三个子模型。文中用广义映射的方法实现了从功能域到结构域的映射过程。相应于概念设计中设计对象模型的演变过程，广义映射分为三层映射，建立三种模型，完成从设计需求到产品功能结构，结构布局方案和模块化结构方案的设计过程。     

液压集成块数控编程系统的开发

文章在分析了液压集成块的设计制造特点的基础上,针对企业数控编程技术人员匮乏,编程效率低的特点,开发了液压集成块数控编程原型软件系统。系统基于特征技术,采用面向制造的特征映射技术,实现单个特征的加工映射和代码映射,然后对全部特征进行规划,实现工步重组及排序,自动生成程序代码,用于数控机床加工。最后用一应用实例验证了该系统的正确性与可行性。     

关于现阶段我国高等教育机会均等的思考

高等教育机会均等是在才能(高考成绩)基础上城乡居民对高等教育需要的满足程度基本相同。文章考察了计划经济体制和市场经济体制条件下我国高等教育机会均等的现状,认为造成这种机会不均的根本原因是我国城乡二元结构,体现均等的有效策略只能是城乡基础教育协调发展。     

精密挤压(拔制)圆角方型材等相似成形模具映射建模优化

本文针对亟待实现的挤压 (拔制 )异型材模具精密快速加工设计理论课题 ,借助于近代共形映射理论研究成果 ,求解了异型材挤压 (拔制 )模具相似成形塑性流动的数学模型 ,建立了圆角方型材精密挤压 (拔制 )模具模腔数学模型及其优化函数方程 ,建立了为实现模腔精密快速的CAD/CAM一体化的理论模型     

新型TC21钛合金热处理工艺参数与显微组织演变的关系研究

TC21钛合金是新型的高强韧损伤容限型钛合金，其模锻件为网篮组织，锻后热处理工艺采用双重退火工艺。本研究采用金相法、SEM等方法系统研究了TC21钛合金模锻件的锻后热处理工艺和显微组织演变规律。试验分析了TC21钛合金模锻件锻后第1次退火加热温度、第2次退火加热温度和保温时间等工艺参数条件下的初生α相数量、形状以及网篮组织形貌特征的变化规律，为TC21钛合金模锻件获得高强、高韧和损伤容限优良综合性能奠定基础。     

低碳低合金双相钢低温时效机理探讨

探讨了不同合金元素的双相钢（Ｆ＋Ｍ）经不同时效工艺处理后铁素体精细结构、显微组织变化及其对力学性能的影响。结果表明：双相钢低温时效（≤７０℃）后铁素体的显微硬度时效曲线有硬度峰，这是由于铁素体中淬火空位迁移，并且聚集成位错圈，构成点阵障碍。这种点阵缺陷阻碍了可动位错的滑移，造成了摩擦硬化。宏观力学性能上表现为硬度升高，σ＿ｂ、σ＿ｓ上升。     

二次喷丸42CrMo钢表面完整性的数值模拟研究

目的探究二次喷丸工艺参数对42CrMo钢零件表面完整性的影响规律。方法建立三维随机喷丸有限元模型,并通过实验验证有限元模型预测残余应力的准确性。将一次喷丸后零件的表面形貌和应力应变结果作为初始状态导入到二次喷丸模型中,构建出二次喷丸预测模型。分析二次喷丸参数对42CrMo钢零件表面残余应力场、表面粗糙度以及等效塑性形变场的影响情况。结果二次喷丸后,42CrMo钢零件近表层(0～100μm)的残余压应力值均比初始状态有所增加。增加二次喷丸覆盖率对表面残余应力的提升作用最为明显,最大可比初始状态提高63.3%,而增加二次喷丸直径对残余应力的改善效果最不明显。过度增加二次喷丸速度会导致表面粗糙度明显增加,提高二次喷丸覆盖率可显著降低表面粗糙度,覆盖率为300%时,粗糙度比初始状态减小了14.4%。表层PEEQ值随着二次喷丸速度、弹丸直径和覆盖率的增加而增加,但当二次喷丸速度、弹丸直径和覆盖率增加到一定程度后,表层PEEQ值会趋于饱和。结论二次喷丸预测模型揭示了二次喷丸参数与42CrMo钢零件表面完整性之间的影响规律,为二次喷丸的工业应用提供了一定的参考意义。     

基于动态相变的细晶双相低碳钢组织控制

利用Gleeble1500热模拟单向压缩实验机，通过观察不同原奥氏体晶粒的过冷奥氏体在动态相变过程中的组织演变，分析了动态相变过程中马氏体岛形貌以及分布的演变特征，并考察了原奥氏体晶粒大小、形变温度和形变速率等参数对组织转变动力学的影响，探讨了基于动态相变的细晶双相低碳钢的组织控制规律、结果表明，通过调整原始奥氏体晶粒尺寸并控制过冷奥氏体动态相变进程，可以获得在均匀细小的铁素体（2～3μm）基体上弥散分布着不同体积分数、颗粒状细小马氏体岛的双相钢。     

双库连通水库调洪演算的方法研究

该文以合肥市杜集水库为例,分析和研究双库连通水库受下游河道影响的调洪演算的理论方法,通过建立双库连通水库计算模型进行调洪演算;计算结果表明,该方法理论合理,操作性强,成果可靠,可应用于双库连通水库的防洪调度和调洪演算。     

Dual–primal proximal point algorithms for extended convex programming

This paper presents a class of dual–primal proximal point algorithms (PPAs) for extended convex programming with linear constraints. By choosing appropriate proximal regularization matrices, the application of the general PPA to the equivalent variational inequality of the extended convex programming with linear constraints can result in easy proximal subproblems. In theory, the sequence generated by the general PPA may fail to converge since the proximal regularization matrix is asymmetric sometimes. So we construct descent directions derived from the solution obtained by the general PPA. Different step lengths and descent directions are chosen with the negligible additional computational load. The global convergence of the new algorithms is proved easily based on the fact that the sequences generated are Fejér monotone. Furthermore, we provide a simple proof for the O(1/t) convergence rate of these algorithms.