陶瓷基复合材料高精度宏细观统一本构模型研究

基于高精度通用单胞模型(HFGMC)建立了陶瓷基复合材料(CMCs)的宏细观统一本构模型.首先基于CMCs的细观结构和损伤特点建立代表体元(RVE)并定义细观损伤变量.然后采用HFGMC模型计算细观损伤变量的演化,由此获得宏观应力应变曲线,从而建立了CMCs的宏细观统一本构模型.采用该本构模型预测了CMCs的宏观应力应变曲线,与实验结果吻合良好.结果表明该本构模型能够模拟CMCs的拉伸与损伤行文,为CMCs强度分析提供了有效手段.      

基于微型铣床的非硅材料中间尺度微细切削加工技术研究

在综合考虑各项因素的基础上,研制了一台能够满足三维形貌加工要求的微型铣床,并进行了平面、微槽、微型齿轮、半凹球以及四面体微透镜阵列等各种典型微小特征的铣削工艺试验,体现了该铣床的加工精度和加工能力,证实了微型铣床加工技术的可行性。     

多传感器组合导航系统的改进多尺度滤波算法

多尺度滤波算法在多传感器组合导航系统中已得到成功应用，然而该算法用到多个时刻的量测向量，导致算法计算量过大，并影响系统的实时性。针对上述问题，首先利用分块技术与小波变换将时域内描述的系统原始状态方程转换为块状态方程，然后将实时得到的当前时刻的量测向量表达为块状态向量的形式，最后结合常规卡尔曼滤波技术与序贯滤波的思想，提出了一种改进的多传感器组合导航系统多尺度滤波方法。将该算法应用于GPS/SST/SINS多传感器组合导航系统，仿真结果验证了该算法不仅具有较好的实时性，而且相对于传统算法,系统的定位精度提高1倍以上。     

微米尺度格栅标准样片的质量参数评价;；

论述了以CD-SEM作为核心仪器评价微米尺度格栅标准样片质量参数的方法。以某标称线距尺寸为3μm的不同材料、不同格栅高度的标准样片为例进行了各项质量参数的测量，并对实验数据进行相关因素的比对分析。通过分析，为制作优质的微米格栅标准样片提供了一定的理论参考。分析结果表明本文所述方法适用于微米尺度格栅标准样片的质量参数评价。     

三棱柱尺度比对尾流场的影响

应用粒子成像测速技术(Particle Image Velocimetry,PIV)对不同柱体截面尺度比H (H=3.8、1.9、1.2、0.9、0.7)的三棱柱在雷诺数Re=500条件下的尾流场进行定量测量。对尾流场进行定常和非定常分析,同时结合本征正交分解法和时间空间关联法,研究尺度比H对尾流场相干结构以及尾流场中涡街稳定运输区和涡街流向运输速率的影响。研究发现,三棱柱尺度比H的减小对尾流宽度、尾涡形成长度都有明显的促进作用,但旋涡脱落变慢,非定常性变弱。分析各阶模态对湍动能的贡献,发现随着尺度比H的减小,高阶模态湍动能占比之和有所增加。这就导致尾流场愈加不稳定,涡街稳定运输区域、涡街流向输运速率均减小。同时尾流宽度增大,尾流场阻力系数CD增大。     

基于LBM的发汗孔隙结构内流动换热性能

以发汗冷却技术为背景，采用D3Q19格子玻尔兹曼方法程序，在孔隙尺度下研究了多孔介质结构对结构温度场的影响。针对球形颗粒堆积结构和随机结构这两种常用的多孔结构，分别计算分析了渗透率和固体温度分布。结果表明：对于颗粒堆积结构，当颗粒规则排列时，其固体温度分布呈明显的阶梯状；而颗粒无规则排列时，固体温度变化趋势比较平稳，并且随着颗粒直径的增大，渗透率增大，固体温度降低。对于随机多孔结构，随着孔隙尺寸减小，渗透率减小，固体温度升高。在0.3～0.5的孔隙率范围内，颗粒堆积结构和随机结构由于内部对流换热强度的不同，固体温度具有不同的变化特点。     

图像分析技术—一种新的检测材料微观结构特征的分析技术

本文介绍了检测材料微观结构特征的图像分析技术，它为材料表征与质量研究提供了一种有力的计算工具。     

7055铝合金单级时效微观结构演变的透射电镜研究

采用透射电子显微镜对固溶单级时效处理7055铝合金中的沉淀相进行了研究.在较短的时效时间里,可以观察到GP区在[111]面上形成,随着时效时间增加,GP区逐渐长大.η＇亚稳相在120℃时效4 h的时候被发现,它与基体的取向关系是[0 0 0 1]η＇//[1 (1) 1]Al及(1 0 (1) 1)η＇//(1 1 0)Al.在时效达到24 h时,η相便析出,它们与基体存在[(1) 1 0 0]η//[1 1 0]Al及(0 0 0 1)η//(1 1 1)Al的取向关系.由于η＇亚稳相和η相颗粒的密度相比于区而言较小,所以GP区对提高该时效合金的强度和硬度起至关重要的作用.     

基于改进YOLOv4的航空发动机小目标损伤检测研究

智能化的航空发动机损伤检测是飞机故障诊断重要的研究方向,针对现有目标检测模型对航空发动机的小目标损伤检测效果差的问题,提出了一种改进的基于You Only Look Once version 4(YOLOv4)的多尺度目标检测方法。在路径聚合网络（PANet）中构建低层次的特征融合层,将更浅层的特征与深层特征融合,提高网络对小目标损伤的检测性能。为减少网络中的冗余参数,在颈部结构中引入了深度可分离卷积,将标准卷积重构为深度可分离卷积的形式。实验表明：改进后的YOLOv4对小目标损伤的检测精度提升了3.43%,模型大小降低了54.06 MB,同时检测速度提高了31.03%。研究结果表明改进的YOLOv4模型对小目标损伤具有更好的检测性能。