回弹检测法检测混凝土强度相关问题的探讨

本文就当前社会人们对建筑安全水平和质量要求不断提高的背景下,对回弹检测法检测混凝土强度的相关问题进行探讨,并以此推动回弹法检测混凝土强度行业标准的规范化发展进程,希望能够给从事相关行业的工作者提供帮助。     

模塑胀气慢回弹聚氨酯泡沫稳定剂的开发

通过对胀气慢回弹发泡市场主要原料聚醚、异氰酸酯的了解,开发了适用于这些原料的泡沫稳定剂WD557。在适当配方体系下,与进口泡沫稳定剂在泡沫制品芯密度、球回弹、透气性、回复时间、泡孔状况等方面进行了比较。结果表明,WD557基本达到了国外产品的水平,可用于胀气慢回弹模塑发泡的生产。     

不同饱和度水合物对沉积物固结回弹特性的影响

天然气水合物已被我国列为新矿种,其开采利用至关重要。为了研究含天然气水合物沉积物的固结回弹特性,利用多功能含天然气水合物沉积物试验系统室内合成试样,制备不同水合物饱和度的沉积物进行等向压缩、卸荷回弹试验。试验结果表明:水合物饱和度越高,沉积物压缩性越低;饱和度越低,压缩性越高。卸荷回弹阶段,水合物饱和度大小对回弹系数影响不大。     

[成形过程的数据挖掘与深度学习方法]基于机器学习的管材弯曲回弹有效预测与补偿

采用基于优化的误差反向传播(BP)神经网络的机器学习算法建模，提出了考虑材料参数、几何参数等多因素的弯管回弹精确预测和高效控制方法。该方法通过引入非线性惯性权重及遗传算法的杂交算子，改进了粒子群优化(PSO)算法，进而通过改进的PSO算法对BP神经网络进行优化，构建了基于改进的PSO-BP神经网络机器学习回弹预测和补偿模型。以多种规格的铝合金数控弯管构件为对象，将实际生产中不同规格、批次、成形参数下回弹数据作为训练样本，实现了所建机器学习预测模型的应用验证。所建模型获得的预测结果平均相对误差为6.3%，与未优化的BP神经网络等传统模型相比，预测精度最大提高了18.5%，计算时间可从1.5 h缩短至300 s，同时实现了回弹预测与补偿精度以及计算效率的显著提高。     

基于Autoform的汽车车门外板回弹补偿方法

针对汽车车门外板制件的特点,运用Autoform对制件进行回弹模拟分析,利用CATIA软件制作补偿数模,将补偿后得数模再进行CAE回弹仿真分析,经过这个迭代反复的过程,得到优化后的模具型面。实践证明,此方式可以在保证车身外覆盖件成形质量的同时,提高了车身外覆盖件的符合度。     

基于子系统的非线性时变系统辨识方法

针对非线性时变系统提出一种基于子系统的辨识方法，用于时变多自由度（multiple degree-of-freedom，简称MDOF）系统中非线性的定位和估计，并且无需关于系统的先验知识。所提出的新方法提供一个连续时间模型，MDOF系统按照自由度被分解为不同的子系统。设计正交化算法和误差减小率（error reduction ratio, 简称ERR），可以确定子系统中质量和自由度之间的线性及非线性连接的所有信息。在辨识过程中，时变参数的时间表达式可以由新方法准确给出。用一个3自由度（degree-of-freedom, 简称DOF）集中质量系统和一个机械臂结构的辨识过程为例，对所提出的方法进行验证。由于简单性及高效性，此方法将在实际工程中取得广泛的应用。     

如何提高平面和立体结构设计结合应用的有效性——服装生产新模式下

随着经济全球化、互联网及电子商务的快速发展,服装行业从传统模式逐步转变为产品款式多品种化、订单小微化、运转快速化的模式。新形势使得许多服装企业重新调整、整合,并在许多关键技术方面不断提升,作为品牌竞争核心技术之一的服装结构设计技术也在新时代新科技的影响下进行着不断的改革与提高。由于我国传统服装企业立体裁剪技术应用较少,立裁没有统一的规范,所以如何灵活的结合平面跟立体结构设计方法,如何减少操作过程中出现的误差是急需解决的问题。