Ti/CFRP超混杂层板的研究与应用展望

Ti/CFRP超混杂层板具有高比强度、高损伤容限及优异的疲劳性能,是航空航天领域的重要选材对象之一。界面性能决定了层板综合力学性能的好坏,是Ti/CFRP层板目前的研究热点。首先综述了钛和钛合金不同表面处理工艺;然后介绍了Ti/CFRP层板力学性能试验及理论预报的研究现状;最后通过分析Ti/CFRP层板航空航天领域的现有应用情况,展望了Ti/CFRP层板未来潜在的应用方向。     

基于数值模拟的工程设计中参数不确定性表征方法研究综述

现代工程设计大量使用数值模拟技术，然而数值模拟中仿真模型、几何参数、工作载荷、环境条件等均存在不确定性，这些不确定性直接影响数值模拟结果的可信度，尤其在研发对性能和可靠性要求严苛的装备时，忽略这些不确定性将产生潜在风险，因此在基于数值模拟的工程设计中开展不确定性量化意义重大。不确定性表征既是准确开展不确定性量化和优化设计工作的前提，也是工程精细化设计的重要支撑。本文阐述了基于数值模拟的工程设计中所面临的不确定性因素，根据不确定性因素的表现形式和可用信息，按照概率表征和非概率表征两大类总结了目前主流的参数不确定性表征方法，介绍了各种表征方法的基本思想、主要原理、适用范围以及方法在工程实践中的发展和应用，并简要阐述基于不确定性表征结果进行不确定性传播的基本思路，最后对不确定性表征的研究方向进行了展望。     

基于深度学习的电力数据分析研究

针对传统电力数据分析方法存在适用范围有限、模型复杂等导致电器分类准确率较差的问题,提出了一种基于多层堆叠长短期记忆(Long short-term memory,LSTM)网络的电力数据分析模型。首先,根据电力数据的频谱图、Mel频率倒谱系数(Mel-Frequency Cepstral Coefficient,MFCC)和Mel频谱图提取电力数据的特征,然后将其应用于深度学习模型并提高分类任务的性能,从而改善过拟合问题。其次,建立了一个多层堆叠LSTM模型,从而有效提高模型的分类和回归能力。最后,提出了一种改进的软独热编码和多尺度训练方法,从而防止峰值概率分布,提高模型的泛化能力。实验阶段,以家庭电力数据集为例,对所提模型进行验证。仿真结果表明,所提模型软独热编码及多尺度训练对加快训练效果具有一定效果,最终分类准确率到达89.85%。     

铝锂合金曲面件超低温成形工艺

针对铝锂合金室温成形性差和热成形性能弱化的难题,利用发现的超低温下伸长率与硬化指数同时提高的双增效应,提出铝锂合金曲面件超低温成形新工艺.通过2195铝锂合金板材在不同温度和热处理状态下的超低温变形行为研究,确定发生双增效应的临界温度为低于-140℃,伸长率可提高至40％以上、硬化指数达到0.44;利用建立的超低温成形...