基于模糊神经网络的磨粒识别专家系统

智能型磨粒识别是铁谱分析技术中的重要内容,模糊神经网络技术为解决以上问题提供了一条新的途径。本文介绍模糊神经网络专家系统的基本原理,叙述BP学习算法及过程,最后介绍基于本算法的磨粒识别模糊神经网络专家系统。     

阀门定位器的选用

介绍了阀门定位器的功能、分类和适用场合。对智能定位器与普通定位器进行了比较。介绍了乌石化PTA装置使用阀门定位器的概况及选用时应考虑的因素。     

油液监测技术在船舶主柴油机中的应用及其维修决策研究

本以4条港口作业船舶上的7台主柴油机为研究对象,开展了油液监测技术应用研究,并在油液监测的基础上建立了维修决策的模型,论还简要介绍了研究工作的主要内容和研究结果。     

油液监测技术在船舶设备状态监控中的研究和应用

本文回顾润滑油监测技术在中国船舶机械设备状态监测和维修决策领域的发展历程,对润滑油监测的主要技术手段和研究方法进行综述,并分析了21世纪我国润滑油监测技术的发展方向。     

基于模糊神经网络的磨粒识别专家系统(续)

二、磨粒的分类及识别特征 铁谱分析技术将油液中的固体颗粒分为正常磨损、疲劳磨损、球状、层状、严重滑动、切削、腐蚀磨损、红色氧化物、暗金属氧化物、有色金属、非金属和晶体、污染物等12类。 领域专家根据磨粒的形态（总体形状、边缘细节和表面纹理）、颜色、粒度和厚度信息来识别铁谱磨粒,它们大都是模糊信息,一般用语义形式描述,因此需要采用模糊神经网络识别,识别结果为磨粒类型,系非模糊集合。磨粒特征见表1。     

退火温度对0.2C-1.5Si-1.5Mn-(0.5Cu)TRIP 钢组织的影响

用彩色金相法、X 射线衍射、扫描电镜研究了成分(%)为 0.2C-1.5Si-1.5Mn和0.2C-1.5Si-1.5Mn-0.5Cu TRIP钢 750～780℃不同退火温度对组织的影响。结果表明,含0.5 %Cu TRIP钢750℃、760℃、780℃退火的残余奥氏体体积含量为15.2 %～17.2 % ,770℃退火为15.2 %～15.7% ;不含CuTRIP钢760℃和770℃退火的残余奥氏体体积含量分别为12.5 %～12.9%和14.6 %～15.1% ,低于750℃和780℃退火的奥氏体量分别为17.0 %～17.5%和16.0 %～16.4%。随退火温度由750℃提高至780℃ ,两种钢中的铁素体量由～70%降至～5 0% ,贝氏体量由～10%增至～30%     

不同材料模型的超弹TiNi合金法向接触的有限元分析

采用多线性弹性和双线性等向强化两种材料模型，对在法向力载荷作用下的TiNi形状记忆合金进行有限元模拟。结果表明：多线性弹性模型不适合用来分析TiNi合金的超弹性；而通过用最大弹性变形量(与屈服极限对应的极限应变值)来模拟TiNi合金的超弹性，采用双线性等向强化模型可以描述TiNi合金的超弹性与产生的最大Von Mises弹性应变及最大Von Mises塑性应变之间的关系，能够为以TiNi合金作为机敏材料、耐磨材料及耐磨膜层材料设计提供依据。最后，在该材料模型下，将用有限元方法与用纳米力学探针得到的位移与载荷关系曲线进行对比，两者相差不大。     

超弹TiNi形状记忆合金滑动接触机敏摩擦学特性的有限元分析

通过用有限元法对具有超弹性的TiNi形状记忆合金的滑动接触摩擦过程进行模拟,发现在屈服极限和载荷一定时,产生的最大Von mises应力随着弹性模量的增加而增加;产生的最大Von mises弹性应变随着弹性模量的增加而减少;产生的最大Von mises塑性应变随着弹性模量的增加而增加.并把所得结论与TiNi形状记忆合金的机敏摩擦学特性相联系,认为该合金的机敏摩擦学特性是其具有良好耐磨性的原因.     

NiTi合金涂层的穴蚀过程研究

本文采用磁至伸缩式穴蚀试验机研究爆炸喷涂NiTi合金涂层的穴蚀性能。试验表明，热处理对NiTi合作层的耐穴蚀性能有明显的影响，在180min的试验时间内，穴蚀失重差别可达到2倍。穴蚀形貌观察结果表明，未热处理涂层表现出严重的脱落现象。其原因是适当的热处理工艺可以有效地低涂层的热应力和机械应力，合金元素进行充分的扩散，提高合金成分均匀性，降低相应阻力，提高了NiTi合金涂层的超弹性，从而提高其耐穴蚀性。