大口径JCOE工艺生产X90管线钢组织与性能的研究

介绍了直缝埋弧焊管的JCOE成型工艺流程,研究了X90管线钢板和制管后的基材和焊接接头的显微组织和性能,分析了成型工艺对X90管线钢组织与性能的影响。结果表明:板材、管体及焊接接头的DWTT和夏比冲击性能均能满足《天然气输送管道用X90钢级直缝埋弧焊管技术条件》要求;管体的屈服强度有所增高,抗拉强度变化不大,从而屈强比增大,验证了针状铁素体钢具有高的形变强化能力;据试验结果,计算焊缝热影响区的硬度平均值比母材低28 HV10;制管的外焊缝热影响区出现了明显的软化现象。粗晶区由于较大的热输入导致冷却速度降低,高温停留时间长,因而晶粒相对粗大,原奥氏体晶粒的晶界清晰。外焊缝组织以极细的针状铁素体为主,并混有少量的先共析铁素体,在保证焊缝强度的同时也保持了较好的韧性。     

EMC模式下压缩空气系统的节能改造

合同能源管理(EMC)是一种促进节能产业发展的新型有效市场化机制,其宗旨在于用减少的能源费用来支付项目成本的节能业务方式。实施合同能源管理对提高我国电力行业能源利用效率具有很重要的意义,但在国内推广时遇到了诸多的问题。研究了合同能源管理的主要业务以及国内外合同能源管理的模式、机制,基于合同能源管理体系中存在的问题,探索完善合同能源管理系统的主要方法和措施。结合承担的项目,提出了节能诊断是合同能源管理的关键环节,通过对用能单位综合能耗指标体系的计算和分析,得出在相同条件下综合节电节能改造比功率比改造前降低1k W/(m3·min),热能回收节能改造效果明显提高。从而针对某一用能系统、工序、设备提出具体的节能改造方案。     

基于卷积神经网络的多进制相位调制信号识别算法

由于多进制相位调制子类信号相似度高,传统的信号识别方法和机器学习算法难以实现特征的自动提取和准确的分类。针对此问题,提出一种基于时频图和深度卷积神经网络的识别算法。将实测信号通过短时傅里叶变换转换成时频图作为实验数据,并设计一个33层的卷积神经网络ReSENet对特征进行自动提取和调制识别。该网络融合了经典模型ResNext和SENet的优点,能通过深度学习和特征重定向学习到数据中复杂抽象的特征。为进一步提高ReSENet的性能,分别从梯度下降算法、激活函数等方面对模型进行优化。与现有方法相比,该算法在对多进制相位调制信号识别上有更优的分类表现。实验结果显示,最终的识别准确率达到99.9%,验证了该算法的有效性。     

多壁碳纳米管-聚氨酯/聚丙烯复合材料导电网络结构的演变与性能调控

为研究多壁碳纳米管(MWCNTs)和热塑性弹性对MWCNTs-聚氨酯/聚丙烯(MWCNTs-TPU/PP)复合材料结晶性能、导电性能、拉伸性能及外场响应行为,通过溶液-熔融法制备了MWCNTs-TPU/PP复合材料。MWCNTs的引入能够提高MWCNTs-TPU/PP复合材料的导电性能和结晶性能,导电逾渗值质量分数约为1.9wt%,开始结晶温度从117.5℃提高到131.2℃。通过电阻仪和温控装置的联用在线表征了在不同热处理温度下导电网络的构建和破坏过程,随着热处理温度从110℃提高到175℃,MWCNTs-TPU/PP复合材料的导电性能和结晶度得到改善;TPU的引入能够显著降低MWCNTs-TPU/PP复合材料对温度的反应时间从约10 min缩短到约3 min,温度响应行为得到显著改善。通过拉伸数据分析表明,MWCNTs含量的增加能够提高MWCNTs-TPU/PP复合材料的拉伸强度和断裂伸长率,MWCNTs添加量为2.5wt%时,复合材料的拉伸强度从~35 MPa提高到~47 MPa;应变-电阻数据表明,TPU的引入能够改善MWCNTs-TPU/PP复合材料在循环拉伸过程中应变的可回复性和导电网络结构的稳定性。      

抗酸性X70MS直缝埋弧焊管的研制

采用低C、低Mn、合金化设计和超洁净化冶炼制造的X70MS抗酸性钢板,通过控制焊接接头硬度、焊接热输入以及钢管残余应力等,开发制造出了X70MS抗酸性直缝埋弧焊管,并对焊管管体和焊缝组织性能进行了研究。结果表明,管体和焊缝的硬度均小于250HV10,0℃下母材冲击功大于410 J,焊接接头冲击功大于168 J;按照NACE-0284标准进行HIC测试,管母和焊接接头裂纹敏感率(CSR)、裂纹长度率(CLR)及裂纹厚度率(CTR)均为0;按照NACE-0177标准进行SSCC测试,采用A溶液,在72%ReL及90%ReL载荷下,管母和焊接接头均未出现断裂,管材表现出良好的力学性能和耐酸性。     

基于通信信号时频特性的卷积神经网络调制识别

在通信环境日益密集、信号调制样式层出不穷的情况下,信号的调制识别变得愈加困难。寻求一种高精度、时效性好的自动调制识别新方法,对无线电通信应用领域有重大意义。对此,文中提出了一种结合通信信号时频特性的卷积神经网络(Convolutional Neural Network Based on Time-Frequency Characteristics,TFC-CNN)调制识别算法。首先,采集大量调制信号,将信号的时频特征通过短时傅里叶变换转换成图像特征,并将其作为网络的输入;然后,设计一种特征提取能力更强、参数更少的卷积神经网络,通过改进网络中不同层的连结方式来增加网络的特征提取能力,同时通过减小卷积核的尺度、使用全局均值池化层来减少模型参数,提高了模型的时效性;最后,在网络中添加批归一化(Batch Normalization,BN)层,在增加模型稳定性的同时防止模型出现过拟合。实验结果表明,所提算法在参数和训练时间上比传统方法明显减少,同时有更高的准确率,体现了所提算法的优越性。     

一种基于星座图恢复的多进制相位调制信号识别算法

在实际调制过程中,无线电波传输多径及衰落引起的符号间干扰和信号接收端的载波频偏会造成星座图难以识别。针对这一问题,提出了一种基于星座图恢复和卷积神经网络的多进制相位调制信号识别算法。首先,设定相邻采样点距离和相位角的阈值以筛除发生符号间干扰时的采样点,保留剩余的有效采样点并形成聚类组;然后,通过旋转相邻聚类组抵消载波频偏带来的影响,实现星座图的恢复;最后,利用卷积神经网络对星座图进行特征自动提取和调制识别。实验结果表明,对于实测信号,所提算法能够较好地恢复星座图并实现BPSK、QPSK和8PSK的准确识别。最终的识别准确率达到了99.9%,较星座图恢复前提高了24.2%。     

可调机夹顶尖盘

我们在装有液压尾座顶尖的仿形车床上,使用可调机夹顶尖盘加工轴齿轮和花键轴,效果较好。顶尖盘(附图)与主轴中的弹簧顶尖体3配合,由端面键2传递扭矩,螺钉4固定,弹簧顶尖1从顶尖盘8的φ14孔和盖板6φ13孔穿出,顶住工件一端的中心孔。在顶尖盘8的B端面上加     

峰值温度对X100管线钢及焊缝组织性能的影响

针对管线钢管先内焊后外焊工艺,采用Gleeble3500热模拟试验机研究了外焊不同峰值温度对X100管线钢及其内焊缝组织与性能的影响。结果表明:当外焊峰值温度为1300℃时,母材和内焊缝的韧性大幅下降,硬度上升,在粗晶区均出现了脆化现象,母材韧性损失42%,焊缝韧性损失84%,成为焊接接头韧性最差的区域。同时,在外焊峰值温度为860℃时,母材和内焊缝的韧性也有明显降低。组织分析表明,粗大的、链状M/A岛是韧性变差的主要原因。