激光冲击强化提高压气机叶片疲劳性能研究

根据1Cr11Ni2W2MoV不锈钢材料性能,确定了激光冲击强化参数;并通过标准试片疲劳试验,验证了该参数条件下激光冲击强化提高不锈钢材料振动疲劳寿命的有效性.设计了不锈钢叶片振动疲劳试验,确定了叶片冲击强化部位和方式,对强化叶片进行了型面检查、一阶弯曲振动疲劳试验和强化机理研究.结果表明:激光冲击强化后的叶片各个截面尺寸在设计范围之内,强化后叶片的应力-循环次数(S-N)曲线往上移动,提高了叶片的疲劳强度,在660MPa应力水平下,叶片的振动中值疲劳寿命提高70%;激光冲击强化引起的残余应力和表层微观组织变化是疲劳强度提高的主要原因.      

相变材料微胶囊表面吸附纳米颗粒对传热过程的影响

通过对相变材料微胶囊、纳米颗粒和基液之间传热过程的仿真计算,分析了纳米颗粒的数目、粒径和热导率对微胶囊与流体之间传热Nu的影响.进而采用数值方法研究了吸附纳米颗粒后,微胶囊-流体传热系数的提高对相变过程的影响,研究结果为纳米颗粒的强化传热机制提供了部分理论依据.      

超临界压力下航空煤油水平管内对流换热特性数值研究

采用RNG(renormalization group)k-ε湍流模型和近壁区的Wolfstein一方程模型对超临界压力下大庆RP-3航空煤油在水平圆管内的流动和换热特性进行了数值研究.超临界压力下,由于航空煤油在拟临界点附近热物性的剧烈变化,浮升力将引起显著的二次流动.二次流动使得水平圆管的下表面湍流强度和对流换热增强,而上表面的湍流强度和对流换热减弱.最后分析了两种水平管内对流换热受浮升力影响判别标准在超临界流体中的适用性.      

战争之神——解放军陆军身管火炮装备

在第二次世界大战中，火炮所造成的伤亡超过战场全部伤亡的60％，是个不折不扣的头号杀手，所以炮兵一向被人称为“战争之神”，在砚代战争中，虽然空对地攻击能力不断强化，地对地导弹也已经被广泛使用，但火炮仍旧是陆军的主要武器装备。     

矩形通道中亚尺度肋片的流动换热数值分析

对装有不同结构亚尺度肋片矩形通道的流动和换热进行了数值模拟,获得了通道流场、温度场分布以及平均努塞尔数的基本特征,对各种肋片通道的换热特性进行了对比分析.计算结果表明:亚尺度肋片距主肋片根部越近越有利于散热;在远离热面区域,亚尺度肋片的比表面积越大传热效果越好.当扩展表面积相同时,亚尺度肋片的长宽比越大换热效果越好;计算结果及分析揭示了控制肋片最优几何形状的统一原则——广义温度梯度均匀化原则,并依照此原则确定了可以强化换热的较优的肋片结构.计算分析表明广义温度梯度均匀化原则可以控制对流换热过程的传热强化.      

开槽砂轮缓磨时射流冲击强化换热的研究

提出了运用磨削弧区强化换热技术开发高效磨削潜力的创新构想,并在开槽砂轮的基础上研制开发了能够实现磨削弧区沿砂轮径向定向高压水射流冲击强化换热的新型磨削液供液装置;完成了关于开槽砂轮缓磨时弧区定向高压水射流冲击强化换热效果的理论计算和实验研究,计算结果与实验结果基本吻合。     

高能束表面改性技术在航空领域的应用

高能束表面改性适用于各种金属和合金,能够显著提升材料表面硬度、耐磨、耐蚀等性能指标,是航空部件实现性能提升的有效手段之一。本文总结了6种高能束表面改性技术的基本原理、设备构成和改性应用,其中激光相变硬化通过马氏体相变强化金属材料表面;激光熔覆通过选择不同粉末实现表面修复和表面性能提升,重点在于控制裂纹缺陷;激光冲击强化可有效解决航空发动机部件高周疲劳断裂问题;强流脉冲电子束和强流脉冲离子束一方面需要提高设备的性能和运行稳定性,另一方面要针对航空部件应用开展深入研究;而离子束辅助沉积则可以通过制备固体润滑涂层实现对微动磨损的有效防护。最后,提出对高能束表面改性机理深入研究、发展专业化智能化装备和实现多种束源复合与集成的发展方向。     

基于深度强化学习的机器人推拨优化装箱问题研究

三维装箱问题是指在满足容积限制、稳定性限制等条件下,将一定数量的物体放入较大容量的箱子中并使空间利用率最大的组合优化问题.三维装箱问题是典型的NP完全问题,通常采用启发式算法规划物体放置的位姿.在使用机器人完成装箱任务时,还要额外考虑机器人操作限制,如机械臂或末端执行器与物体或箱子之间的碰撞、机械臂运动轨迹的规划等,使得部分最优位姿不可行,只能将物体从更高处落下或者将物体放在最优位姿的附近.机器人在抓取、识别和放置时的不确定性也会导致最终放置位置与规划产生偏差.因此,本文提出基于深度强化学习的机器人三维装箱推拨优化方法,以最小化包装箱中物体放置位置的启发式算法分数为目标,通过推拨动作对于已放置的物体位置进行调整、归集,将物体朝角落中压缩,以腾出更多空间,提高装箱空间利用率,减小由于机器人操作不确定性对装箱结果的影响.     

基于深度强化学习的机器人推拨优化装箱问题研究

三维装箱问题是指在满足容积限制、稳定性限制等条件下,将一定数量的物体放入较大容量的箱子中并使空间利用率最大的组合优化问题.三维装箱问题是典型的NP完全问题,通常采用启发式算法规划物体放置的位姿.在使用机器人完成装箱任务时,还要额外考虑机器人操作限制,如机械臂或末端执行器与物体或箱子之间的碰撞、机械臂运动轨迹的规划等,使得部分最优位姿不可行,只能将物体从更高处落下或者将物体放在最优位姿的附近.机器人在抓取、识别和放置时的不确定性也会导致最终放置位置与规划产生偏差.因此,本文提出基于深度强化学习的机器人三维装箱推拨优化方法,以最小化包装箱中物体放置位置的启发式算法分数为目标,通过推拨动作对于已放置的物体位置进行调整、归集,将物体朝角落中压缩,以腾出更多空间,提高装箱空间利用率,减小由于机器人操作不确定性对装箱结果的影响.