带下陷的直凸弯边零件回弹补偿及试验验证

为提高飞机钣金零件的成形质量,对带下陷的直凸弯边零件在橡皮囊成形过程中的回弹问题进行研究。对新淬火状态下的2024-W铝合金材料进行单向拉伸试验,获得材料的力学性能参数,为回弹补偿和有限元模拟提供条件;采用CATIA二次开发系统,对带下陷的直凸弯边钣金件的圆角部分和弯边部分两个位置进行回弹补偿,生成准确的回弹补偿模具;采用Pam-stamp 2G有限元模拟软件,对新设计的补偿模具进行有限元数值模拟并进行试验验证,验证了经回弹补偿模块设计带下陷的直凸弯边补偿模具的可行性。结果表明:在成形压力为50 MPa时,零件回弹前后的角度误差为1°,满足尺寸设计要求,验证了有限元模拟的可信度以及回弹补偿系统的准确性。     

综合医院洁净手术部电气设计要点剖析

结合三级医院洁净手术部的设计实践,重点从供电电源、供电方案、配电设计、照明设计、安全接地、电气用房设计等方面,剖析洁净手术部的电气设计要点,为满足医院常态化疫情防控提供技术保障.     

机械加工工艺对零件加工精度的影响及控制探析

介绍了机械加工工艺对零件加工精度的影响因素,提出了调整结合参数、数控技术、温度的控制对策;对此,还需加强施工工艺的进一步完善与创新,从而切实提高零件加工的精度。     

《岩石力学与工程学报》征稿简则

本刊系中国科协主管、中国岩石力学与工程学会主办的力学类和土木工程类总被引频次和影响因子均居前列的期刊,为建筑科学与水利工程类国家核心期刊,获评“中国百强报刊”、“湖北十大名刊”、“中国百种杰出学术期刊”和"中国最具国际影响力学术期刊"等荣誉称号;被美国EICOMPENDEX、《剑桥科学文摘》(CSA)、《日本科学技术社数据库》和国内许多权威数据库确定为核心收录期刊。凡在本刊上发表的论文,即认为作者默认并同意其论文被以上数据库收录。     

增材制造技术在超高膨胀封隔器中的应用

石油和天然气行业不断关注增材制造技术在航空航天和汽车行业的应用发展。研发了利用增材制造技术的超高膨胀封隔器,该封隔器的支承环系统由增材制造。增材制造设计大幅减少了支承系统的构件数量,同时显著提高了膨胀能力和额定压力。密封元件系统与增材制造支承环安装在一起,提供了极端膨胀比、零挤压间隙和对不规则孔的良好适应性。分析和测试结果表明:直径膨胀比高达111%,与常规封隔器相比,提高50%以上; 至少涵盖5种线重的套管(外径相同); 在148.89 ℃的温度下,密封元件能够保持压力68.95 MPa。介绍了增材制造技术、增材制造支承环概念、增材制造材料力学性能、密封元件系统优化和测试情况,以期给我国的完井作业提供借鉴。     

30％丙环唑·咪鲜胺水乳剂的气相色谱分析

使用键合5%苯甲基硅酮为固定相的毛细管柱,采用气相色谱法,对试样中的丙环唑和咪鲜胺进行定量测定。结果表明,丙环唑和咪鲜胺的线性相关系数分别为0.999 9和0.999 8,标准偏差分别为0.035和0.028,变异系数分别为0.34%和0.14%,平均回收率分别为99.88%和99.95%。     

“互联网+”时代背景下计算机基础应用类课程在线教学设计

随着我国"互联网+"时代的到来,传统学校教学模式和教学理念已不能满足时代发展的需要,全国各类院校倡导教学改革,提出开展线上教学,更是迫切要求将教学与互联网完美融合。本文重点探索计算机基础应用类课程在线教育教学设计、教学方法及考核方式。     

基于密度聚类的光条中心线提取方法

为了解决线结构光3维测量中噪声光斑对提取精度的影响，采用了密度聚类灰度重心提取算法提取激光光条中心线。该方法由中心线预提取以及中心线最终提取两阶段组成，预提取阶段实现对激光与光斑两者中心线的同时提取，最终提取阶段采用基于连通性的密度聚类算法完整保留激光中心线并剔除噪声光斑。在仿真实验阶段，对大小为600pixel×600pixel、含有激光中心线的图像进行了加噪处理，并使用提取结果与真实中心线之间各点的均方根误差以及运行时间作为考察标准进行了实验研究。结果表明，该方法与传统灰度重心法相比，在高亮度各向异性光斑、高亮度小面积光斑、高亮度点噪声图像的均方根误差分别降低了12.59pixel，15.12pixel和83.36pixel，时间复杂度分别提高了0.383s, 0.412s和0.416s。该方法与传统灰度重心法相比具有更高的提取精度、近似的时间复杂度，且对噪声光斑具有较好鲁棒性，可以在噪声光斑图像中完整提取出光条中心线。     

基于启发式BP算法的软件缺陷预测模型

针对软件缺陷预测时缺陷数据集中存在的类别分布不平衡问题，结合上采样算法SMOTE与Edited Nearest Neighbor (ENN) 数据清洗策略，提出了一种基于启发式BP神经网络算法的软件缺陷预测模型。模型中采用上采样算法SMOTE增加少数类样本以改善项目中的数据不平衡状况，并针对采样后数据噪声问题进行ENN数据清洗，结合基于启发式学习的模拟退火算法改进四层BP神经网络后建立分类预测模型，在AEEEM数据库上使用交叉验证对提出的方案进行性能评估，结果表明所提出的算法能够有效提高模型在预测类不平衡数据时的分类准确度。