光波纳米推进技术中的表面等离激元增益光镊作用机理

为研究天线不同结构对表面等离激元（SPP）增益光镊作用的影响,建立天线-基底的电磁波传输耦合激元电场触发光梯度力的数值模型,并利用数值模型分析天线不同结构对SPP电场的影响规律,同时,这种电场变化规律对光镊增益有直接的数学关系,基于上述物理机制,获得不同天线结构对光梯度力产生的优化策略。为验证上述物理机制与优化策略的有效性,开展纳米颗粒的粒子图像测速（PIV）试验,天线材料为银,基底为二氧化硅,纳米颗粒为银,试验能够完好地观测到纳米颗粒在天线通道的运动情况。结果表明,光梯度力的增益机制在于激元电场强度和梯度两方面因素,前者随天线不对称性增强而先增大后减小,后者呈现一直增大趋势;纳米颗粒推动作用力的计算误差约为5.5%~13.8%,且试验值与计算值的趋势相符,一方面验证本文研究机理及优化策略的有效性,另一方面证明PFP技术的原理可行。     

轮廓仪微机系统

本文叙述了一种可以与触针式轮廓仪配用的微机系统,利用该系统可以测量R_a、R_q、R_y、R_z、R_m、R_p、S、S_m、tp%等表面粗糙度参数,测量精度不低于原轮廓仪的精度。     

单板机在激光散斑法测量表面粗糙度中的应用

本文根据激光散斑原理并利用传递函数的概念,给出了散斑场归一化参数对比度与物面轮廓算术平均偏差 R_a 的近似关系式,并对 R_a≤0.072μm 的不同加工方法所获表面进行了联机研究,给出了粗糙度评定方法及测试软件.单板机用于激光散斑法测量表面粗糙度的实时计算与评定可大大提高测量精度和速度,同时可降低对系统的调试及被测试件的要求.本系统可自动计算、显示并打印被测试件的平均算术偏差 R_a 数值.     

表面粗糙度评定用的数字滤波器最优模型

数字摅波技术的应用,极大地增强了微机化轮廓仪的功能,提高了仪器的测量精度。除功能和精度以外,滤波数据的处理效率也是仪器的一个重要性能指际。本文根据数字信号处理的理论和 ISO 粗糙度标准,建立了从表面形貌中获取粗糙度轮廓的相位校正滤波器数字模型,并讨论了提高其计算效率的一般方法。本文最后给出了满足表面粗糙度评定用的滤波器最优模型。     

磨削表面粗糙度在线实时测量的研究

在试验研究的基础上,研制了一种新的光纤表面粗糙度在线测量系统。以光散射法为理论基础,用光纤束作为传感器,并用单片机进行数据处理和实时显示。针对外圆磨削在线检测中存在的冷却液、工件尺寸变化、环境干扰以及仪器的装夹与对中等问题进行了研究,找到了改进或解决的办法,从而更利于该测试技术的实施与推广。     

旋转锥形液膜喷雾形态与表面波动实验研究

为了全面加深对旋转锥形液膜一次破碎机理的认识,采用高速阴影法对离心喷嘴的喷雾场进行了试验拍摄,并基于喷雾场形态特征详细描述了7种喷雾形态随压降的变化过程,分析了液膜表面波动与液膜穿孔的关系以及导致液膜破碎的机理,重点关注了波动、穿孔和湍流这三种锥形喷雾形态,并对其表面波动特征随压降的变化规律进行了研究。研究表明：液膜的表面波动和液膜穿孔均是由初始速度波动引起的液体聚集从而形成波峰和波谷导致的,在三种锥形喷雾形态中这两种特征一直存在;随着压降增大,在波动锥形喷雾形态中液膜表面波动的波长、振幅和频率均逐渐变大,在穿孔锥形和湍流锥形喷雾形态中液膜表面波动的波长和振幅逐渐减小,频率逐渐增大,且在湍流锥形喷雾形态中,频率组成随压降增大越加混乱。     

工件表面轮廓均方根斜率的光散射测量

描述并确定具有明显纹理粗糙表面均方根斜率的光散射技术(均方根斜率是联合表面轮廓高度和波长特性的混合参数)。称为散射光锥法(The scattered light-conemethod)的该技术是基于激光角散射检测阵列(DALLAS——Defector Array for Laser LishtAngular Scattering),它用于测量粗糙表面散射光角分布的仪器。均方根斜率是从DALLAS光散射图象的角宽得到的。一般可以发现角宽(即估计的均方根斜率)对光的入射角和散射角变化相当大时是不敏感的。这些结果与表面材料无关,并且对正弦和随机粗糙表面都是有效的。介绍了散射光锥法的测量原理、实验、数据分析和几点结论。     

老龄结构分析中腐蚀坑与等效裂纹间的量化关系

通过对航空结构的主体材料LY12-CZ进行预腐蚀试验,得到在不同条件下的腐蚀坑尺寸,然后进行疲劳试验并得到试验件寿命,再利用蒙特卡罗(MonteCarlo)方法对Paris公式进行数值积分并求解非线性方程,从而确定了与已知尺寸腐蚀坑有相同寿命所对应的等效表面裂纹的尺寸,最后把等效裂纹和腐蚀坑的尺寸分别代到模拟软件AFGROW内进行寿命预测并和试验疲劳寿命进行了比较。结果发现,把腐蚀坑等效为具有相同寿命的表面裂纹时,等效表面裂纹的尺寸比对应腐蚀的尺寸小19.7%-22.5%。     

基于人工神经网络的道路表面降雨水深预测

建立了基于人工神经网络的道路表面水膜厚度预测模型，通过试验数据的训练确定权重和阈值，经过检验样本的检验，能够很好地预测道路表面的水膜厚度。结果表明，本文建立的人工神经网络模型用于道路表面水膜厚度预估可行。