高温退火处理对ZnO压电涂层结构和性能的影响

ZnO是目前压电螺栓传感器的主要涂层材料,具备优异的压电性能,表现出优异的声-电信号转换性能,但目前对其高温结构及性能稳定性研究较少。本工作利用射频磁控溅射法在（100）Si和工业用钛合金螺栓上制备出可产生超声纵波的ZnO压电涂层,并对其进行不同温度和不同时长的退火处理,用扫描电子显微镜、原子力显微镜、X射线衍射和自建的WHU-US100声信号测量设备研究高温退火处理对涂层结构及性能的影响。结果表明,Si/ZnO涂层在600℃以下的退火处理不会对涂层表面微观形貌产生影响,涂层截面形貌呈现柱状晶结构,且随着温度的升高,柱状晶有合并的趋势;涂层表面粗糙度变化幅度为±4 nm;不同的退火温度对涂层的晶体结构未产生明显的影响。螺栓/ZnO涂层在500℃及以下温度的退火处理后涂层表面完整,600℃退火处理后的螺栓涂层完全脱落,超声检测表明涂层在500℃以下退火后保持稳定;在300℃下,经过长时间的退火处理后,螺栓样品可正常激发出超声波,涂层结构未被破坏,表明该ZnO涂层可以在300℃的温度范围内长期服役。     

焊接工艺对钛合金焊接接头冲击韧性的影响

介绍了俄罗斯对钛及其钛合金焊接接头冲击韧性最大值的影响因素的研究工作,以对相关航空研究作参考作用。     

退火算法在电子元件位置优化上的应用1)

一块电路板上有电子元件，它们不仅有热源，而且相互作用，另外与空气还交换热. 对这类问题建立线性数学模型，从而算出温度稳态分布. 因为许多集成电路系统的可靠性很大程度上取决于温度，所以温度的模拟显得很重要.把温度模型与退火算法相结合可以获得元件最接近优化的布局，并用一个例子加以说明，通过优化能降低板子最高温度，从而提高系统的可靠性.     

基于递归Gibbs-Appell的柔性空间机器人建模与特性分析

利用递归Gibbs-Appell方法研究了多重柔性的空间机器人动力学建模与特性分析。首先，根据Timoshenko beam theory与集中刚度分别对连杆与关节进行柔性描述，其次，利用旋转矩阵R_3×3与平移向量L_1×3的简化了齐次变换矩阵T_4×4以降低递推运动学难度，利用递归Gibbs函数与势能函数推导了柔性空间机器人的逆向动力学模型，再次，利用反向递归法获取了惯量矩阵与耦合矩阵，并构建了正向动力学模型。最后数值仿真结果表明，Matlab与Adams的仿真结果相对偏差不超过0.1%,Z弯曲变形相对于X剪切变形与Y扭转变形数量级超过了10³，这验证所建模型的正确性。在一定范围内，关节刚度增加50 N·m/rad时，连杆最大变形增量不超过1.5×10^-3 m，关节摩擦成5倍增长时，连杆最大变形增量不超过2×10^-3 m，帆板的增量变形具有相同变化趋势。     

Ti6Al4V钛合金表面裂纹产生原因及预防

某型产品Ti6Al4V舵面组件经过真空退火后,多个电阻焊点附近出现了裂纹。经断口宏微观形貌观察、材料成分检测及生产流程梳理,排除了热应力致裂、应力腐蚀致裂、氧脆、氢脆等可能原因,确定了裂纹的产生与钢质镀镉螺钉有直接关系。     

Al-Mg-Sc 和Al-Mg-Er 合金的组织与性能

采用铸造—轧制—稳定化退火技术制备了Sc含量为0.10wt％和Er含量为0.25wt％的两种Al-Mg合金薄板,研究了不同处理工艺下两种合金板材拉伸性能、剥落腐蚀性能和显微组织的变化规律.结果表明,两种合金冷轧板材稳定化退火过程中拉伸性能有相同的变化规律,即随着退火温度升高,板材强度下降而塑性升高,Sc含量为0.10wt％的合金350℃/1 h退火仍然表现出很强的抗退火软化能力,而Er含量为0.25％的合金当退火温度高于280℃后迅速软化;300℃/1 h退火条件下,含Sc合金和含Er合金的抗拉强度、屈服强度和伸长率分别为424 MPa、314 MPa、18.3％和350 MPa、177 MPa、29.1％;与此同时,随退火温度的升高,板材抗剥落腐蚀的能力也表现出相同规律性的变化,即200℃/1 h左右退火时剥落腐蚀最严重,随着退火温度升高,腐蚀抗力增加,两种合金板材经280℃以上1h稳定化退火后,合金板材可以获得较好的抗剥落腐蚀性能;其次,与Sc含量为0.25wt％的5B70合金相比,研制的Sc含量为0.10wt％合金综合性能接近5B70合金,而这种合金的Sc含量只有5B70合金的40％,能显著降低合金的制造成本,预示着低Sc含量的合金在航天领域有良好的开发应用前景.     

基于时空图卷积网络的无人机网络入侵检测方法

无人机网络相比地面网络具有节点快速移动、拓扑结构变换频繁和通信链路不可靠的特点,传统的针对地面网络的入侵检测方法难以适用。针对无人机网络的时空动态特性进行建模,提出了一种无人机网络的入侵检测方法——基于注意力机制的时空图卷积网络（ATGCN）。将图卷积网络和门控递归单元组合为时空图卷积网络,从复杂多变的数据中提取网络的时空演变特征,通过注意力机制提取和入侵检测最相关的特征,输入支持向量机进行分类预测。多个数据集的实验分析表明:所提方法能够适应无人机网络的动态性和不稳定性,相比传统检测方法准确率高且误报率低,具有良好的鲁棒性和适应性。