基于图像特征融合的粉末床缺陷检测方法

针对单一特征对粉末床缺陷表达不明确导致检测效果不佳的问题,提出了一种基于特征融合的增材制造过程粉末床缺陷视觉检测方法。该算法分别使用SIFT方法、灰度共生矩阵和Hu不变矩提取尺度空间特征、纹理特征和几何特征,借助词袋模型对每张图像构建3组视觉单词直方图,通过串行融合3组视觉单词直方图得到新的特征矩阵,采用特征选择对融合后特征矩阵进行降维,并传入随机森林分类器中进行训练。实验结果表明,不同特征对粉末床不同类型缺陷检测具有不同的贡献,优化特征融合参数后,算法平均准确率达到97.46%,缺陷检测效果明显提升。     

金属增材制件射线检测缺陷检出概率分析

针对增材制造射线检测缺乏缺陷检出概率数据易导致裂纹、孔隙缺陷漏检问题,以GH3625高温合金增材制件的线型缺陷和孔型缺陷为研究对象,使用CIVA2020仿真平台模拟X射线检测并得到缺陷检出概率（POD）曲线,研究两种缺陷不同尺寸变化对缺陷检出概率的影响,确定不同影响因素下缺陷检出尺寸及检出概率,并利用Sgompertz函数拟合得到线型缺陷受深度影响的POD曲线方程以及孔型缺陷受半径影响的POD曲线方程,建立了增材制造线型缺陷和孔型缺陷的缺陷检出概率模型。结果表明：在95%的置信水平下以90%概率可检出的线型缺陷长度尺寸为0.211 mm、宽度尺寸为0.213 mm、深度尺寸为0.178 mm,孔型缺陷可检出的直径尺寸为0.188 mm,高度尺寸为0.190 mm。通过实际试样微焦点射线成像检测以及胶片射线照相检测对仿真结果进行对比验证。表明建立的缺陷检出概率模型较为准确,可为增材制造中裂纹与孔隙缺陷检测可靠性分析提供依据。     

填充橡胶构件在航空发动机中的应用

介绍了在航空发动机结构中采用的填充橡胶材料的金属构件的特征及其填充工艺技术.     

遗传算法在阵列天线方向图综合中的应用

应用遗传算法对一八单元阵列天线激励幅度和相位进行优化,成功地填充了阵因子方向图一侧0~30°范围内零点,同时将另一侧副瓣压低至-20dB以下。在此基础上编制了一通用程序,在优化变量中引入单元间距,可进行任意形状方向图的综合,取得了良好的效果。     

选区激光熔化TC4小裂纹扩展特性数值模拟

发展了一种考虑微观组织的选区激光熔化（SLM）钛合金TC4小裂纹扩展数值模拟方法。基于SLM TC4的微观组织观测结果,利用Voronoi算法并通过晶体取向筛选,实现了微观组织建模。在此基础上,采用扩展有限元法建立了SLM TC4材料小裂纹扩展行为模拟方法,探究沉积方向以及晶粒尺寸、晶体取向等微观组织对小裂纹扩展速率的影响规律。结果表明:沉积方向影响材料的裂纹扩展抗力,沉积方向与裂纹扩展方向平行时,材料抵抗疲劳小裂纹扩展的性能相对更好。晶粒尺寸影响小裂纹扩展速率,晶粒尺寸越大,小裂纹扩展速率越快。晶体取向影响速率的波动性,不同晶体取向材料的小裂纹扩展速率上下界有明显差异。      

点阵结构部件的增材制造路径连接方法

旨在提高点阵结构部件增材制造的加工效率。点阵结构经分层切片后,每层将产生大量待填充多边形,通过将这些多边形抽象为离散点,并在切片层面内求解旅行商问题,进行连接路径的规划,进而获得高效率的点阵模型填充路径。算法综合考虑到旅行商问题的计算效率以及连接路径的计算总长:采用蚁群算法可获得无交叉连接轨迹,计算2000个点的连接规划耗时小于3.5s,对照国际先进算法仅增加0.2%的路径总长;当部分抽象点距离过远,则采用距离聚类的方式将抽象点集分割为子集,再分别进行路径规划。仿真及试验验证结果表明,该方法可以获得高效的无交叉连接路径,有效降低连接路径总长及加工时间:总打印时间减少17.52%,总连接长度减少17.38%,满足实际增材制造需求。     

金属增材制造技术应用于军用飞机维修保障浅析

金属增材制造技术的发展为军用飞机维修保障提供了一条数字化、定制化、高性能、短周期的技术新途径,可提升军用飞机维修保障的技术水平和能力。本文综述了军用飞机维修保障的国内外现状,指出了金属增材制造技术的应用优势,介绍了军用飞机零件的典型损伤形式、不同增材制造工艺的适用性及修复工艺选取方案,分析了所涉及的逆向建模、结构优化、智能机器人等关键技术,详述了目前存在的技术成熟度与可靠性不高、修复原则不明确、标准规范不统一等主要问题及解决措施,指出了增材制造技术在军用飞机维修保障领域未来的发展方向和趋势,并给出了具体的应用建议。     

一种稀疏阵列下的二维DOA估计方法

研究了稀疏阵列下二维波达方向（DOA）的估计问题,提出一种基于不动点迭代的空间谱估计（FPC-MUSIC）算法。首先建立基于矩阵填充的DOA估计信号模型,并验证该信号模型满足零空间性质（NSP）,其次通过不动点迭代算法将稀疏阵列信号恢复为完整信号,最后利用恢复信号估计二维DOA。该算法可在稀疏阵列下大幅度降低谱估计平均副瓣,在大幅度降低阵元数的同时具有较高的估计精度。计算机仿真表明：FPC-MUSIC算法可在稀疏阵列下准确估计二维DOA,验证了该算法的有效性和优越性。