基于知识图谱和自动机器学习的软件缺陷预测

不稳定和召回率低效的软件缺陷预测模型难以在行业领域应用，为解决稳定和高效各项性能评价指标的软件缺陷预测模型在工程实践应用的问题，提出了一种基于知识图谱和自动化机器学习的软件缺陷预测方法AutoKGGAS，首先获取软件缺陷预测模型数据，对知识建模、知识获取、知识融合、知识储存与知识计算等知识图谱构建技术研究，实现知识图谱推荐优质软件缺陷预测模型作为自动化搜索的热启动输入条件，根据不同的软件缺陷预测评价指标，优化不同最佳的模型结构.其次实证研究采用NASA开源数据集实验对象和六种性能评价指标，实验结果表明， AutoKGGAS自动化软件缺陷预测模型在不同数据集不同评价指标方面，性能优于知识图谱推荐的传统经典软件缺陷预测模型.自动化软件缺陷预测模型为航天软件缺陷预测辅助代码审查测试提供了原型，在工程实践应用方面具有重要的意义.     

基于改进深度学习模型的焊缝缺陷检测算法

针对传统深度学习模型在进行焊缝缺陷检测时对小缺陷目标检测效果不理想问题，提出基于改进深度学习Faster RCNN模型的焊缝缺陷检测算法，算法通过多层特征网络提取多尺度特征图并共同作用于模型后续环节，以充分利用模型中的低层特征，增加细节信息；改进模型的区域生成网络，加入多种滑动窗口，从而优化了模型锚点的长宽比设置，提高检测能力。实验表明，改进Faster RCNN模型取得最优的缺陷检测结果，对于小缺陷目标仍取得较好的检测精度，从而验证了算法的有效性。     

Multi-faults diagnosis of rolling bearings via adaptive customization of flexible analytical wavelet bases

Multi-faults detection is a challenge for rolling bearings due to the mode mixture and coupling of multiple fault features, as well as its easy burying in the complex, non-stationary structural vibrations and strong background noises. In this paper, a method based on the flexible analytical wavelet transform (FAWT) possessing fractional scaling and translation factors is proposed to identify multiple faults occurred in different components of rolling bearings. During the route of the proposed method, the proper FAWT bases are constructed via genetic optimization algorithm (GA) based on maximizing the spectral correlated kurtosis (SCK) which is firstly presented and proved to be efficient and effective in indicating interested fault mode. Via using the customized FAWT bases for each interested fault mode, the original vibration measurements are decomposed into fine frequency subbands, and the sensitive subband which enhances the signal-to-noise ratio (SNR) is selected to exhibit the fault signature on its envelope spectrum. The proposed method is tested via simulated signals, and applied to analyze the experimental vibration measurements from the running roller bearings subjected to outrace, inner-race and roller defects. The analysis results validate the effectiveness of the proposed method in identifying multi-faults occurred in different components of rolling bearings.     

芳纶纸蜂窝外观缺陷分析

文摘对芳纶纸蜂窝的制备工艺流程进行了简单的介绍,结合其制备工艺,对蜂窝双层壁、嵌套孔格、S型孔格和人字形孔格等常见外观缺陷产生的原因进行了分析,并结合蜂窝制备过程提出了减少蜂窝缺陷的具体措施。建议研究人员评估芳纶纸蜂窝外观缺陷对其性能的影响,确定缺陷的可接受范围。     

ZL205A合金舱体低压工艺设计及数值仿真应用

针对某ZL205A合金舱体铸件壁薄难充型、壁厚差异大、易产生裂纹等特点,设计了低压底注式浇注工艺。采用立筒缝隙式浇注系统分配充型过程中合金的流量,局部厚大部位放置成形冷铁加快该部位的冷却速度,以控制铸造缺陷的产生。利用ProCast数值仿真软件对工艺进行仿真计算,成功预测了缺陷的产生位置,对工艺方案进行优化,包括倒角过渡、改变型砂使用等,并在优化方案的基础上浇注了舱体铸件,铸件质量良好,没有缩松、缩孔、裂纹等缺陷,符合相关技术要求。     

工业CT检测技术在5 kN发动机研制中的应用

针对5 kN发动机结构焊缝和复合材料喷管不可检不可测的难题,开展了工业CT检测技术研究。分析了复杂结构焊缝和复合材料喷管的常规方法检测难点,利用工业CT检测技术穿透能力强、不受工件复杂结构影响的优势,对5 kN发动机产品中的电子束焊缝、氩弧焊焊缝、复合材料喷管等结构进行了检测试验,得到了良好的检测效果。结果表明,工业CT检测技术可以识别5 kN发动机产品中的气孔、未焊透、分层、裂纹等缺陷,并实现对缺陷的定位与测量,可为焊缝质量评估提供依据。     

叶片前缘仿形涡流检测仿真与试验设计

仿形涡流检测技术因其耦合性好可有效抑制检测过程晃动而特别适合对大曲率叶片前缘快速检测。针对涡轮叶片前缘仿形涡流检测建立前缘及仿形线圈有限元模型，运用有限元方法分析叶片前缘凹坑、长裂纹、边沿凹坑3种典型缺陷在内外两种激励、不同内径线圈、不同频率等模式下的检测信号特征。仿真结果表明：大曲率前缘实施仿形涡流检测，检测区域可有效覆盖整个前缘区域，检测频率越高，检测灵敏度越高。双线圈检测模式下，外激励内接收比内激励外接收灵敏高，当内检测线圈尺寸大于缺陷的尺度时，内接收线圈内径越小，其相对灵敏度越高。结合仿真结论，制作前缘缺陷试块，采用锁相放大及图形化编程技术，设计前缘仿形涡流检测系统，试验结果表明，仿形线圈可有效检出前缘典型缺陷，检测幅值相位输出结果与仿真结论相似。研究成果可用于指导大曲率叶片前缘的工程实践检测。     

线性摩擦焊设备的振动测量和分析

针对线性摩擦焊设备焊接误差较大的问题，采用参数记录系统和加速度传感器测量了设备多个部位的振动幅度，并设计了高刚度顶锻滑台，为线性摩擦焊设备优化结构设计、减小振动以提高焊接精度提供了参考。     

蜂窝结构的焊点位置控制方法研究

蜂窝结构是航空发动机中的重要封严结构,随着航空航天工业的飞速发展,该结构的需求也日益增多。蜂窝拼焊的自动化生产是实现蜂窝结构高效率生产的有效方法之一。针对蜂窝结构自动化生产中的关键问题,即焊点的位置精度,分析了原有工艺和系统的不足。在基于ACR9000运动控制器平台上,针对焊点精度,分别提出了基于电机编码器的位置控制和轴同步原理的方式。结果证明,这两种方法能够很好地实现焊点位置的精度要求,使蜂窝高质量高效率生产。     

钛合金胶接点焊接头的性能检测

研究了不同焊接电流下钛合金板胶接点焊接头的A扫描信号和C扫描图像特征,并进行了拉伸-剪切试验。结果表明:通过观察C扫描图像的特征与A扫描信号的变化,能够划分胶接点焊接头的胶层区、热影响区、熔合区、熔核区以及焊接缺陷;随着电流(7~10 k A)的逐渐增大,接头熔核直径呈递增趋势,相应的失效载荷从7 231.5增加到10 939.0 N;当电流为7 k A时,在C扫描图像上反映出飞溅缺陷,此时接头失效载荷远小于没有出现飞溅的接头,可见飞溅降低了胶接点焊接头的拉剪载荷。