金属构件疲劳微裂纹非线性超声检测

通过对固体非线性超声传播模型的研究,分析了裂纹静态压力与超声波作用力对裂纹超声非线性响应的影响,建立了反映裂纹区应力-应变非线性关系的弹性接触机制超声非线性响应模型以及反映裂纹闭合状态转换的碰撞接触机制超声非线性响应模型。通过实验研究发现,裂纹尖端区的二次谐波激发效率与裂纹的开口区和闭合区及裂纹最终扩展的极限长度有关。因此,可使用二次谐波激发效率作为定量表征金属试件疲劳微裂纹缺陷的特征参数,实验中使用了自主研制倍频双晶复合换能器,这种倍频双晶复合换能器在工程实际应用中更为方便、实用。     

卫星AIT阶段推进系统压力参数处理方法

在双组元推进系统管路中,高压气路、氧路、燃路分别装有一个压力传感器,通过压力传感器的遥测参数获取相应管路中压力情况。文章以某双组元卫星为例给出整星装配、总装与测试（AIT）阶段卫星推进系统压力参数处理方法,为卫星压力参数的纵向数据比对提供判读依据。通过该方法可以间接检查相应管路的气密性。     

智能制造环境下的数控系统发展需求

"智能"是"中国制造2025"的核心要素,数控系统是制造装备实现智能化的关键要素。论文首先提出机床的信息互通和开放式标准数据接口是实现机床智能化的前提,举例说明了STEP-NC在通用数据接口方面的优越性,概述了适用于数控系统的通讯总线特征;在此基础上,介绍了工艺大数据对生产加工的重要性和其对新一代数控系统的要求,针对制造业数据平台的需求,对大数据信息挖掘技术做了相关介绍。依托于以上两点,总结了智能化数控系统可具备的功能,依托于工艺大数据平台,重点分析了智能工艺规划和加工参数自整定的实现方案,以及智能数控对高速高精加工所提供的便利。     

差动式电涡流传感器在摆式加速度计中的应用

差动电涡流传感器因结构简单、灵敏度高、线性范围大而得到广泛的应用。本文主要论述了差动式电涡流传感器在摆式加速度计中的应用,实验结果表明该设计结构合理、工艺可行,能满足使用要求。     

电机瞬态转速测试

介绍了一种利用单片机和光电转速传感器来测量电机瞬态转速及电机转速变化过程的方法。该方法简单、反应时间快、准确度高。     

虚拟现实技术在航空智能制造中的应用思考与展望

人机结合、虚实融合的新一代智能界面是智能制造的一个显著特征.虚拟现实技术作为一种高级人机交互技术,将在智能制造系统中发挥人与智能设备之间传递、交换信息媒介及对话接口的作用.随着智能制造系统的发展和虚拟现实技术的不断成熟和进步,虚拟现实必将逐步深入工业应用,在两化深度融合过程中充分发挥“智能之窗”的作用.     

高精度稠粘流体压力传感器

一种高精度流体压力传感器,这种传感器除适用于测量普通气体、液体的压力外,特别适用于稠粘流体的压力测量。文中着重阐述了这种传感器的工作原理、结构特点及性能指标,并简要介绍了设计中的一些考虑,指出了这种传感器的发展潜力和应用前景。     

基于数字孪生的智能脉动管控

为提升飞机总装脉动生产线智能化水平,开展了基于数字孪生的智能脉动管控研究。基于数字孪生五维模型理论构建了飞机总装脉动生产线数字孪生应用架构,从反应式计划调度、物流精准配送、智能作业指导、产线健康监视、资源迭代优化配置5个方面开展了技术研究,为复杂产品装配的智能制造应用提供参考。     

Rotating machinery fault diagnosis based on convolutional neural network and infrared thermal imaging

Rotating machinery is widely applied in industrial applications. Fault diagnosis of rotating machinery is vital in manufacturing system, which can prevent catastrophic failure and reduce financial losses. Recently, Deep Learning (DL)-based fault diagnosis method becomes a hot topic. Convolutional Neural Network (CNN) is an effective DL method to extract the features of raw data automatically. This paper develops a fault diagnosis method using CNN for InfRared Thermal (IRT) image. First, IRT technique is utilized to capture the IRT images of rotating machinery. Second, the CNN is applied to extract fault features from the IRT images. In the end, the obtained features are fed into the Softmax Regression (SR) classifier for fault pattern identification. The effectiveness of the proposed method is validated using two different experimental data. Results show that the proposed method has a superior performance in identification various faults on rotor and bearings comparing with other deep learning models and traditional vibration-based method.     

Analysis on Output Power for Multi-direction Piezoelectric Vibration Energy Harvester

To predict the performance of multi-direction piezoelectric vibration energy harvester,an equation for calculating its output power is obtained based on elastic mechanics theory and piezoelectricity theory.Experiments are performed to verify theoretical analysis.When the excitation direction is along Y direction,a maximal output power about 0.139 mW can be harvested at a resistive load of 65kΩ and an excitation frequency of 136 Hz.Theoretical analysis agrees well with experimental results.Furthermore,the performance of multi-direction vibration energy harvester is experimentally tested.The results show that the multi-direction vibration energy harvester can harvest perfect energy as the excitation direction changes in XY plane,YZ plane,XZ plane and body diagonal plane of the harvester.