脉冲电流对镍电铸层内应力的影响

通过试验，讨论了脉冲电流参数对镍铸层内应力的影响，简要分析了铸层内应力的成因。试验结果表明，平均电流密度，频率及占空比都显著地影响着铸层内应力，合适的电参数组合可以使得铸层内应力为最小。     

飞机结构腐蚀检测技术研究

腐蚀是长寿命飞机结构普遍存在的问题，介绍了腐蚀损伤的简单机理。并通过对国外腐蚀检测方法的研究，针对飞机结构腐蚀情形，给出了几种实用的腐蚀检测方法。     

成形极限曲线（FLC）的新概念

失稳理论是FLC的理论基础。文章论述了FLC理论研究中存在的问题。指出:一般出厂板的表面状况不会影响板料的集中失稳;板内损伤平面应变时最严重。双拉时,板内损伤的积累、发展,导致应力状态向平面应变漂移;拉压时,载荷失稳后引起的双拉,也会导致平面应变。因此平面应变状态的出现是板料集中失稳的共同原因。在此基础上提出了建立FLC的统一的模型。     

空间站结构损伤容限设计技术

概述了空间站结构损伤容限设计技术的发展状况，对技术的演变及演变的原因进行了细致的分析，对损伤容限设计技术的发展趋势进行了探讨，对损伤检测与损伤遏制技术的最新发展动向进行了评论，在此基础上，对空间站结构应采用的损伤容限设计技术 具体内容和形式提出了若干意见和建议。     

随机疲劳累积损伤可靠性分析模型

将疲劳损伤累积过程看作是能量耗散的不可逆过程，从随机过程的角度，研究了各类随机损伤累积法则均应满足的若干必要条件，对目前已有的一些概率型疲劳损伤累积法则的统计相容性进行了较为系统的理论分析，建立了一类不依赖于疲劳寿命具体分布形式的随机疲劳累积损伤可靠性分析模型。     

Ti2AlNb切削切屑形成过程近场动力学仿真及试验研究

利用非局部作用思想的近场动力学理论,可以通过求解空间积分方程描述物质点运动规律,准确描述切削过程材料剧烈塑性变形导致的裂纹扩展和断裂破坏行为。本文基于常规态基近场动力学方法构建Ti₂AlNb弹塑性本构模型,融合材料失效和接触准则,求解离散处理的近场动力学基本运动方程,建立了适用于Ti₂AlNb切削仿真研究的态型近场动力学数值模型,模拟分析了Ti₂AlNb直角切削切屑形成过程。通过试验验证,表明近场动力学仿真可以准确模拟Ti₂AlNb切削切屑形成过程中材料变形和损伤演化规律。本方法预测的切屑形成剪切角40.23°与试验结果 38.89°相比,误差为3.45%;定义损伤空间分布的半峰宽值(FWHM)为切削第1变形区宽度,其预测值为0.06mm,预测误差小于7%。     

基于深度学习的水下条纹投影三维测量方法

水下加工制造在航空、船舶等领域发挥着重要作用,制造过程的原位在线三维检测成为水下制造质量保障的迫切需求。条纹投影轮廓术（FPP）作为经典的光学三维测量技术之一,具备无接触、快速以及高精度等优势。然而,在浑浊水体中,由于光的吸收和散射作用,相机捕获的条纹光强衰减、对比度降低、图像细节模糊、引入大量噪声,导致条纹图质量不佳。根据低质量条纹计算出的相位具有不可忽视的相位误差,造成三维测量精度下降。为减小水下吸收与散射的影响,提出了一种基于深度学习的端到端的条纹图像增强算法,运用条纹图像增强卷积神经网络（FPENet）将低对比度高噪声条纹转换为高对比度低噪声条纹后获取更准确的相位结果。FPENet针对不同浑浊度水体皆可有效提高条纹质量,降低相位误差。尤其在高浑浊度水体中,相位误差可减小50%左右,显著提升水下FPP的测量精度,对于提高FPP在复杂场景中的适用性具有重要意义。     

航空复合材料结构铆接技术综述

当前复合材料已成为飞机结构最主要的材料之一,然而我国复合材料应用与世界先进水平相比还存在一定差距,典型特征是复合材料用量占比较低。和金属结构相比,连接是复合材料结构制造与装配的薄弱环节,复合材料各向异性、脆性等特点决定了其连接面临的问题更复杂。复合材料结构采用铆接对于飞机减重、控制制造成本具有积极作用,但复合材料铆接易产生损伤,限制了其在关键连接部位应用。对航空复合材料结构铆接技术的应用进行了系统介绍,包括铆接工艺及方法、复材铆接结构形式和复材铆接所用紧固件;指出铆接过程中复合材料产生损伤的3个主要方面：制孔过程的损伤,铆接过程复合材料结构表面承受的冲击损伤,以及镦头成形、钉杆膨胀时对复合材料的挤压损伤;重点针对安装过程对复合材料造成的冲击损伤、铆钉膨胀对复合材料造成的挤压损伤进行分析并提出相应的解决措施,主要从减小钉杆膨胀对复材的挤压程度、对复合材料采取保护措施两个方面入手;对比研究结论认为,制定合理的工艺规范、采用先进的铆接工艺方法和重视垫圈的保护作用可以有效抑制复材铆接损伤、提高复材铆接质量。最后,对复合材料铆接技术的发展提出了展望。     

国产深度学习推理框架嵌入式适用性研究

随着端侧AI应用的不断丰富及深度学习技术的不断渗入,端侧深度学习模型部署需求日益增长。各机构研发出不同的AI推理框架来实现深度学习模型部署的高性能全景统一目标,通过接入多训练框架利用多硬件资源的方式来进行推理性能的加速。选择四个典型的国产深度学习推理框架,分别从设计原理、落地实现和特殊优化方式三个维度进行介绍与对比,并通过实验验证性能、支持精度、硬件支持这三个衡量指标对比探究四个框架是否适用于航空领域任务需求。