排序方式: 共有46条查询结果,搜索用时 15 毫秒
1.
2.
为实现高效的平流式换热器柔性弯曲制造,避免模具对制品的损伤,采用仿真与试验相结合的方法实现平流式换热器无模弯曲工艺开发.与传统的换热器绕弯成型技术相比,该成型过程无须弯曲模,而是通过控制换热器两端的运动轨迹实现弯曲成型,改变相应的运动轨迹能实现不同的弯曲半径.在成型原理分析的基础上,建立无模弯曲成型过程的有限元仿真模型,并基于仿真结果确定合理的弯曲速度、夹头长度和中性层半径等工艺参数.设计并制造无模弯曲成型试验装置,并研究翅片结构等因素对成型质量的影响. 相似文献
3.
4.
5.
能效、满足用户多样化需求的传感器网络数据管理是当前传感器网络应用的一个重大挑战,本文在基于Proxy/Sensor分层传感器网络数据管理方式基础上,提出了一种新的传感器数据管理方案,利用用户的历史查询建立时间序列预测模型以推断用户的未来数据需求,基于预测结果从Sensor层节点获取感知数据并存储在Proxy层节点,同时Sensor层节点实时监测自身的负载状态,当负载达到阈值后主动上报历史感知数据,以提供对历史数据查询与分析的支持.实验结果表明该方案在满足用户数据需求的基础上,以较低的能耗和较小的查询时延获得了较为全面的性能. 相似文献
6.
7.
白车身焊点的质量直接影响汽车的牢固度和安全性,而其检测目前以人工目测为主,其检测效率和检测质量都不足以满足汽车产业发展的要求.基于YOLOv4网络模型对白车身焊点的外观分类做深度学习并成功实现了焊点的识别与分类.并针对焊点图像的特点对YOLOv4模型进行了变体开发,提出一种针对小目标的、快速运算的YOLOv4变体.首先收集了大量白车身焊点图像,根据车身焊点外观质量要求对图像进行了分类,输入YOLOv4网络模型作为训练样本,使目标检测准确性指标mAP值达到97.29%.其次,根据焊点小目标、图像特征单一等特点去除了SPP模块和最后一个下采样层,结果发现,改进后的模型不仅可以保证较高的目标检测精度,且运算效率提高了2.9%,同时参数数量减少17.6%.研究证明,基于变体YOLOv4深度学习框架的焊点外观检测方法,不仅可以实现焊点目标的检测及缺陷分类,且参数量更少,计算速度更快,本研究有助于白车身制造智能化水平与焊接质量的提高. 相似文献
8.
微通道扁管挤压成形模拟及焊合质量的预测 总被引:1,自引:0,他引:1
采用刚塑性有限元软件DEFORM-3D对微通道扁管的挤压成形进行数值模拟,得到两种分流模具挤压微通道扁管时焊合面上静水应力、等效应力和金属速度的分布以及变化规律。利用Donati提出的K参数法对两种模具的焊合面焊合质量进行预测对比,得到平面模和球面模的焊合面焊合质量指标Kad值分别为154.7和196.0,表明球面模挤压得到的扁管焊合质量优于平面模。通过实验测量两种模具挤压得到扁管的爆破压力分别为18.5MPa和26.0MPa,表明球面模挤压扁管的承压能力高于平面模,并进一步验证了预测结果。 相似文献
9.
10.