Zr和Mn元素微合金化增强耐高温铝铜合金的热稳定性和力学性能

系统研究Al?5％Cu(AC)和Al?5％Cu?0.2％Mn?0.2Zr％(ACMZ)合金在温度为573～673 K的高温热稳定性和力学性能.结果表明,微合金化添加Zr和Mn元素对573 K主要强化相θ′相的稳定起到至关重要的作用.同时,高温拉伸结果表明,573 K热暴露200 h后,ACMZ合金强度为(88.6±8....     

基于寄生模型的粒子群算法在气动优化中的应用

为了解决粒子群算法(PSO)在寻优过程中全局最优和局部最优的矛盾,通过在粒子群算法中加入寄生模型,发展了一种基于寄生模型的改进粒子群算法(SPPSO)。对提出的模拟寄生算法(SP)进行了分析与验证,并将其引入到粒子群算法中,丰富了粒子之间的优势信息源,增强了粒子的信息共享能力,使得SPPSO算法能够有效地跳出局部最优。函数测试表明,该算法显著提高了PSO算法的寻优性能。将SP及SPPSO算法应用于翼型的气动优化设计中,取得了良好的效果,从而表明提出的算法准确有效,具有良好的实用性。     

基于改进YOLOv2的快速安全帽佩戴情况检测

施工现场光照多变、背景复杂、施工人员形态多样,给安全帽佩戴情况检测带来很大的困难。针对传统检测方法准确率低、鲁棒性差的问题,本文提出了一种基于深度学习的安全帽佩戴情况检测方法。该方法以YOLOv2目标检测方法为基础,对其网络结构进行了改进。首先借鉴了密集连接网络思想,在原网络中加入了密集块,实现了多层特征的融合以及浅层低语义信息与深层高语义信息的兼顾,提高了网络对于小目标检测的敏感性;然后,利用MobileNet中的轻量化网络结构对网络进行压缩,使模型的大小缩减为原来的十分之一,增加了模型的可用性。采用自制的HelmetWear数据集对改进后的网络模型进行训练和测试,并将该模型与原YOLOv2和最新的YOLOv3进行了对比,结果显示:该模型的检测准确率为87.42%,稍逊色于YOLOv3,但是其检测速度提升显著,比YOLOv2和YOLOv3分别提高了37%和215%,可达148frame/s。实验表明,改进后的网络模型能在保证检测准确率的同时,有效减小参数量,显著提升检测速度。     

牵引变流器功率模块流水线及力矩紧固防错系统的搭建

搭建了牵引变流器功率模块流水线及力矩紧固防错系统,主要由流水线线体和力矩紧固防错系统组成。流水线线体由作业台、翻转台、悬臂吊组成;力矩紧固防错系统包括硬件部分和软件部分,硬件部分由服务器、工控机、条码枪、电动扭矩枪、控制器、三色警示灯、读卡器等关键部件组成,软件部分包括人员资质模块、工艺设置模块、现场监控模块、数据采集分析模块。系统实现了工位制节拍化生产,具备力矩紧固纠错功能,可防止漏紧固、错力矩、用错螺栓等异常情况的发生。     

原位自生2%TiB_(2)颗粒对2024Al增材制造合金组织和力学性能的影响EI北大核心CSCD

采用激光粉末床熔化(laser powder bed fusion,L-PBF)工艺制备含2%(质量分数)原位自生TiB_(2)颗粒的2024Al-2%TiB_(2)合金和难打印2024Al合金,研究了TiB_(2)颗粒对经固溶(510℃处理1 h后水冷)和T6 (固溶处理后人工时效)热处理后增材制造2024Al合金组织和室温拉伸性能的影响。由于L-PBF冷却速率较快以及TiB_(2)颗粒的添加,2024Al-2%TiB_(2)合金微观组织以等轴晶为主,平均晶粒尺寸约为5.8μm。T6热处理之后,2024Al合金的抗拉强度、屈服强度和伸长率分别为(261.3±4.3) MPa、(252.6±2.5) MPa和(0.3±0.1)%;2024Al-2%TiB_(2)合金抗拉强度、屈服强度和伸长率分别达到(458.2±6.5) MPa、(398.4±2.7) MPa和(3.4±0.4)%;2种合金中析出大量均匀分布、尺寸细小的长条状析出相。T6态2024Al-2%TiB_(2)增材制造合金的抗拉强度与2024Al增材制造合金相比提高75.5%,其强度与2024Al锻造合金强度相当。合金的主要强化机制是位错强化、晶界强化、析出相强化和TiB_(2)颗粒带来的Orowan强化以及载荷传递强化,2种合金热处理后的拉伸断裂失效主要由缺陷控制。原位自生2024Al-2%TiB_(2)增材制造合金成形性较好,经热处理后获得较高的综合室温拉伸性能。