叶片前缘仿形涡流检测仿真与试验设计

仿形涡流检测技术因其耦合性好可有效抑制检测过程晃动而特别适合对大曲率叶片前缘快速检测。针对涡轮叶片前缘仿形涡流检测建立前缘及仿形线圈有限元模型,运用有限元方法分析叶片前缘凹坑、长裂纹、边沿凹坑3种典型缺陷在内外两种激励、不同内径线圈、不同频率等模式下的检测信号特征。仿真结果表明：大曲率前缘实施仿形涡流检测,检测区域可有效覆盖整个前缘区域,检测频率越高,检测灵敏度越高。双线圈检测模式下,外激励内接收比内激励外接收灵敏高,当内检测线圈尺寸大于缺陷的尺度时,内接收线圈内径越小,其相对灵敏度越高。结合仿真结论,制作前缘缺陷试块,采用锁相放大及图形化编程技术,设计前缘仿形涡流检测系统,试验结果表明,仿形线圈可有效检出前缘典型缺陷,检测幅值相位输出结果与仿真结论相似。研究成果可用于指导大曲率叶片前缘的工程实践检测。     

钛合金表面缺陷的激光熔覆修复研究

采用激光熔覆方法对钛合金试样表面缺陷进行修复,对修复结果进行反复测试,并与氩弧焊修复进行对比试验。试验结果表明,激光熔覆可实现对钛合金表面缺陷的有效修复,且各方面性能远高于氩弧焊修复。     

固体发动机界面脱粘低温探伤仿真研究

分析了利用工业CT对固体火箭发动机缺陷进行检测的局限性,提出低温冷冻扩大脱粘间隙的方法,利用Ansys软件仿真了同一温度载荷作用下脱粘间隙和初始脱粘长度的关系．得出可以利用低温检测方法部分检测到冷冻前检测不到的脱粘。     

含中央分层缺陷层合板的压缩性能研究

通过考察层合板厚度(含铺层形式)、分层位置与大小等因素对压缩强度的影响,并采用局部屈曲、分层扩展以及软化夹杂等3种模型对含分层层合板的压缩强度进行了计算和破坏机理分析。得出如下结果:厚板对分层缺陷不敏感,中等厚度和薄层合板比较敏感;缺陷的位置和大小对层合板压缩强度的影响没有明显的规律可循;3种模型中软化夹杂模型效果较好,说明大部分含缺陷层合板的压缩过程具有分层扩展、基体开裂等损伤交杂在一起的特点,这导致了试件的破坏。     

疲劳裂纹随机扩展模型

疲劳裂纺在扩展过程中有很大分散性，根据不同的来源将这种分散性归为两类：材料固有的内在分散和外、环境等引起的外在分散性。     

复合推进剂的细观失效机理分析

建立了颗粒填充复合推进剂的细观有限元模型,计算了颗粒与基体粘结完好和存在脱粘两种情况下颗粒与基体内的应力分布,分析了复合推进剂的细观失效机理。结果表明,在细观结构下,复合推进剂中的应力分布是不均匀的,推进剂一般首先在极区产生脱粘,颗粒的大小对推进剂的力学性能有较大影响。     

空空导弹弹体典型焊接缺陷及其控制技术

介绍了空空导弹弹体的结构特点、焊接技术要求、所用材料及常用的焊接方法,分析了圆周焊缝典型的焊接缺陷、危害及产生原因等,并就如何防止和消除焊接缺陷进行了深入的探讨,同时介绍了几种控制焊接缺陷的工艺方法。     

含天然与人工内部缺陷轮盘裂纹扩展特性对比分析

为达到应用人工内部缺陷获得轮盘裂纹扩展特性，开展了含天然与人工内部缺陷轮盘高速旋转低周疲劳裂纹扩展对比试验，并通过无损检测分析、断口分析研究了裂纹扩展特性的差异，提出了含人工缺陷轮盘损伤容限分析思路。无损检测更易识别人工内部缺陷的特征及其变化；人工缺陷区呈碎裂状，有大量的晶间断裂，与天然缺陷区有明显差异；非缺陷区两者无明显差异。天然与人工缺陷区的裂纹扩展速率分别为0.2-0.4μm/次、0.6-1.2μm/次，均远大于基体材料理论值；1#盘加载突变区外断口反推寿命与第二加载阶段循环数的最大误差是12%；2#盘缺陷区外断口反推寿命占总循环数的44.9%-51.9%。基于人工缺陷区定义初始裂纹，排除人工与天然缺陷差异的影响，可获得轮盘裂纹扩展特性。     

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。     

基于卷积神经网络的航天复合材料缺陷智能检测

针对传统的缺陷图像识别处理方式存在着准确度与辨识度不足,且处理缺陷种类单一的问题,提出了一种基于Cascade R-CNN和Mask R-CNN的神经网络模型。首先,为了提高缺陷检测的可视化效果和检测准确度,在实例分割卷积网络Mask R-CNN的基础上,结合级联神经网络Cascade R-CNN结构,组合成了新的级联实例分割Cascade Mask R-CNN网络;其次,对组合而成的级联卷积神经网络进行了训练,将训练好的模型对复合材料缺陷图像进行了检测。实验结果表明:检测的平均准确度达到了91.5%,平均置信度达到了97.3%,达到了检测精度的要求。该研究成果可运用于航天复合材料缺陷识别。