硅半球深腔结构无损检测技术

半球深腔的加工质量是决定硅基MEMS半球陀螺精度的关键因素之一，及时检测半球深腔的形貌参数并将其反馈至加工过程，是确保高性能MEMS半球陀螺研制成功的重要措施。由于硅半球深腔的深度较大，台阶仪和光学显微成像系统无法对半球深腔的形貌特征进行有效测量。因此,需要将硅深腔结构剖开后采用扫描电镜(SEM)进行检测。这种检测方式时间周期长，且属于破坏性的样本检测，效率和测试精度都较低。提出以硅半球深腔为模具，利用PDMS铸模将硅半球深腔的结构尺寸和表面形貌转移到PDMS凸起的半球模型上，通过检测PDMS半球模型的尺寸结构和表面形貌，即可反推出硅半球深腔的尺寸特征。经实验验证，脱模后的PDMS模型可以准确地反映出半球深腔的尺寸信息，测量结果的不确定度小于5‰，有效解决了硅半球深腔无损检测的难题。     

风力发电不如猫

风力发电机成了搅碎机：每年大约有4万只鸟被美国风力发电机的涡轮扇叶击毙。为此，天然资源保护学家担心濒临绝种的猛禽类因而受到生存威胁。     

基于支持向量机和粒子群算法的钛合金铣削加工参数优化

钛合金材料在加工过程中受铣削力影响易于产生变形而影响加工效果,为保证加工质量,提高生产效率及降低加工成本,研究切削加工参数的合理选择非常重要.对钛合金材料Ti6Al4V铣削加工进行有限元数值计算,结合试验设计方法构建了基于支持向量机的切削力预测模型,以材料去除率为优化目标,提出了一种基于支持向量机和粒子群算法的优化方法,对钛合金铣削加工参数进行了优化.结果表明,该方法准确、高效、可行,为钛合金加工工艺参数优化提供一种新的方法,具有良好的推广价值.     

空间光外差探测和跟踪接收机的优化仿真

文章简要描述了应用双单元光探测器,在对跟踪传感器不作专门分光的情况下,集通信、跟踪于一体的光外差接收机的工作原理,并以所获外差功率效率和外差电流效率最大为优化目标,通过仿真计算给出最佳的本振高斯斑大小和信号光学接收系统的菲涅耳数,在此基础上给出几组跟踪信号的仿真控制曲线及与其对应的所获通信信号能量的仿真曲线。     

一种飞机在环试验舵面偏转位移测试方法

介绍了一种飞机在环试验舵面偏转位移的测试方法：利用标定通过线位移测量舵面偏转位移,并在舵面全运动行程范围内对标定阶数和误差进行仿真验证,以实际数据说明方法的可行性以及阶数对标定精度的影响。该方法适用于线位移与舵面偏转位移为非线性关系时的工程计算,可以大大简化理论建模和数学运算的工作量。     

一种可紫外光固化新型耐烧蚀涂料研究

基于巯基-乙烯基光引发逐步聚合机理,以含有乙烯基的液态硅氮烷预聚物与多元巯基化舍物为基体,辅以某种陶瓷微粉作为填料,研制了一种可紫外光固化的新型耐烧蚀涂料.采用等温差示光量热扫描(DPC)和测试固化度研究了填料添加量对紫外光固化放热行为和一次成型厚度的影响关系.结果表明:在制备0.5 mm厚的涂层时,填料添加量逐渐从0增至5%(质量分数,下同),固化放热峰值和放热量随添加量的增大而逐渐减小,且固化放热峰从尖锐逐渐趋于平坦,这是由于填料的加入使得涂料变为不透明,对入射的紫外光线产生了衍射/反射作用,从而减弱了辐照强度;填料添加量大于10%时,明显阻碍光固化反应的发生,涂层的一次成型厚度随填料添加量的增加而降低,可采用多次涂敷的措施解决涂层厚度不足的问题.当填料添加量从0增至20%,对于1.0 mm厚的涂层而言,在800℃质量保持率从61.2%增至73.5%.填料含量20%的涂层具有较为优异的耐烧蚀性能,氧-乙炔烧蚀的线烧蚀率为0.252 inm/s,质量烧蚀率为61.7 mg/s.     

硅含量对聚硅乙炔树脂热性能的影响

合成了一系列不同硅含量的聚硅乙炔树脂,研究了硅含量对其耐热性能的影响.采用GPC、1H-NMR和29Si-NMR对树脂结构进行了表征,并运用DSC、TGA等对其热稳定性及高温抗氧化性进行了初步表征.TGA测试结果表明具有不同硅含量的树脂固化物在氮气中的残重率无明显差异,均在81%～85%;而在空气气氛中,树脂的残重率随着硅含量的增加而明显提高,从51%提高到67%,表明硅含量的增加有利于改善树脂的抗氧化性能.对于本体系硅含量的增加也伴随着Si-H键含量的增加,降低树脂固化温度,增大固化放热量.     

EMD和SVM在刀具故障诊断中的应用

与传统方法相比,声发射传感器在刀具故障诊断方面有很大的优势。将声发射传感器应用于刀具切削过程中,提出了基于经验模态分解（EMD）和支持向量机（SVM）的刀具故障诊断方法。该方法首先对标准化的声发射信号进行经验模态分解,将分解后的有限个固有模态函数（IMF）通过一定的削减算法增强故障类型特征,把每个IMF和残余项的能量以及整个信号的削减比作为特征向量,最后将特征向量输入支持向量机进行训练和测试,判断刀具的故障类型。通过对某一刀具的故障诊断结果进行分析,验证了该方法的实用性和有效性。     

基于在线LS-SVM算法的变参数混沌时间序列预测

研究利用最小二乘支持向量机(LS-SVM)预测变参数混沌时间序列。变参数混沌系统适合于描述现实中的复杂混沌现象,但由于参数的慢变导致系统动力学特性不断发生变化,基于Tan-kens嵌入定理的建模预测方法难以适用,其时间序列预测可以看作是小样本学习问题。最小二乘支持向量机是在二次损失函数下采用等式约束求解问题的一种支持向量机,保留支持向量机优点同时计算量大大减少。提出用一种具有遗忘机制的最小二乘支持向量机在线递推算法,并引入历史数据的高次项预测变参数混沌时间序列。对典型变参数混沌时间序列的预测结果表明,该方法具有较高预测精度,能快速跟踪预测变参数混沌时间序列。