3D-Cf / Mg 复合材料的热残余应力研究

采用随动硬化有限元模型,研究了三维碳纤维增强镁基复合材料(3D-Cf/Mg)基体热残余应力的大小、分布以及不同工艺处理对热残余应力的影响。同时,对复合材料进行了高、低温处理,利用XRD定性分析了处理前后复合材料基体热残余应力的变化。计算结果表明:经过-196℃低温处理后,复合材料基体的平均Mises热残余应力由169.06 MPa减小至55.29 MPa;高温处理后,基体平均热残余应力几乎不变。该结果与实验结果吻合,证明了低温处理能明显降低复合材料基体的热残余应力。     

基于并联贮箱结构的卫星推进剂剩余量测量方法

星上推进系统推进剂剩余量测量是卫星在轨管理的重要工作,事关卫星剩余寿命估计和离轨时机的选择,对于提高卫星效率具有重大的意义．中国现有的推进剂剩余量计算方法只适用于传统的双贮箱结构,不适用于桁架式卫星平台的多贮箱并联结构,为此必须开发新的计算方法,同时提高计算精度．比较多种推进剂剩余量测量方法,重点论述两种可用于并联贮箱结构的测量方法．     

基于寿命法的压力敏感涂料静/动态特性实验

压力敏感涂料测量技术在内外流表面压力测量方面具有独特的技术优势。涂料光谱特性及"传感器"特性的研究对于分析喷涂固化中环境差异等不可控因素的影响程度、检验拟用涂料配方特定试验的适用性具有十分重要的意义。为此,以一种在研的磷光压力敏感涂料为对象,基于自主研发的静态校准系统对发光寿命随压力与温度的变化规律进行了实验研究,通过对测量结果的拟合分析发现所用涂料的温度适用范围在30~60℃之间,且可进行温度敏感度修正;基于自主研发的高频动态压力光学校准系统对涂料在不同压力脉动频率下的涂料发光寿命峰峰值规律进行了实验研究,通过分析研究确定所用涂料基于发光寿命的截止频率上限为0.94 kHz。实验研究进一步验证了涂料特性静动态校准组合方法的可行性与有效性,为压力敏感涂料配方的研发及其应用拓展提供了重要的技术支撑。     

工艺方法对某结构形式的强度影响研究

以某结构形式为例,研究了加工工艺对其强度、尤其是疲劳强度的影响,讨论了产生裂纹的原因,提出了工艺改进措施并得到了试验验证。结果表明,结构根部的应力集中是疲劳强度降低并出现裂纹的原因,加工工艺对疲劳强度有较大影响,改进工艺后,该结构根部应力集中程度降低,抗疲劳性能明显改善。     

振动时效在消除铸铝合金框架变形中的应用

铸铝合金异型件在加工过程中的变形问题广泛存在,而残余应力是引起变形的关键因素。本文从框架类产品的设计结构入手,分析残余应力与产品变形间的关系,结合振动时效工艺机理,重点详述了利用振动时效消除铸铝合金框架类产品变形工艺。试验表明,振动时效可显著消除铸铝合金框架件变形。     

工程系统的实时可靠性评估与预测技术

 作为预测维护策略的重要技术基础,寿命预测近年来得到越来越广泛的关注,实时可靠性评估与预测是一种有效的寿命预测技术。综述工程系统的实时可靠性评估与预测方法,调研实时可靠性评估与预测方法的应用实例,并探讨该研究领域中存在的问题及未来的研究方向。     

基于刚度下降的疲劳累积损伤模型的研究

复合材料在静态和动态载荷作用下的损伤是十分复杂的,对损伤的精确建模是关系到复合材料力学行为描述的关键问题.从应变等效性假设出发,通过分析和描述疲劳过程中刚度和应变的演化规律,提出能够描述材料疲劳损伤演化过程的、以应变定义的和在疲劳过程中真实地反映材料动态本构关系的损伤因子,建立考虑残余应变的刚度下降复合材料疲劳损伤模型.T300/KH-304是我国新近研制的高性能航空复合材料,应用此模型开展对其疲劳损伤行为的分析与研究.在岛津液压伺服试验机上,加载频率控制在4.1 Hz,对这种材料的层合板进行4个常幅应力水平的疲劳实验,建立了T300/KH-304复合材料的疲劳模型的数学表达,经验证模型优于经典的疲劳模型的S-N曲线拟合精度,最大的误差仅为2.4％,且能反应疲劳损伤的发展规律.      

超高强度300M钢起落架主支柱激光增材修理应用研究

某型民用飞机起落架开展疲劳试验,进行到105857起落时其主支柱组件主传力部位出现长度34mm裂纹,该支柱材料为300M钢(模锻件)。手工打磨裂纹部位,清除裂纹后在零件上形成长约40mm、宽约8mm、深度30～44mm的长条形直通孔,应用A100材料,利用机器人手臂激光熔化沉积增材制造技术开展激光增材修复工艺研究,完成了裂纹的修补,最终成功完成后续135000起落疲劳试验。验证了超高强度钢起落架主承力部件增材修补工艺的技术可行性,表明激光增材修复技术应用于超高强度钢飞机构件的修理具有较广阔的前景。     

面向在轨高效实时图像处理的二值权重沙漏网络加速器设计

为了实现在轨高速实时图像处理,提出了基于多级预测校准机制及查找表方法的二值权重沙漏网络加速器.首先,提出了一种计算架构来统一支持二值权重及多位宽权重卷积计算;其次,提出了多级预测模型来实现可变精度的高效卷积,基于这2种方法可以将网络的计算量降低77.4％,推理速度提升2.3倍.本文针对残差模块中跳转连接造成的存储访问问...     

基于深度学习的发动机叶片故障检测技术

为了解决航空发动机叶片故障检测中存在的检测精度欠佳、检测效率不高的问题,提出了一种基于深度学习的目标检测方法。针对小样本数据集检测精度低、模型训练速度慢等问题,对Faster R-CNN目标检测算法进行结构优化,引入Res2Net结构,通过分割串联的策略强化残差模块的卷积学习能力,搭建了细粒级的多尺度残差模型Res2Net-50,以提升模型的特征提取能力。同时,在网络的训练过程中,采用多次余弦退火衰减法对学习率进行调整,以加快模型的训练速度,提升模型的训练质量。针对航空发动机叶片裂纹和缺损2种故障类型进行网络训练与检测试验,试验结果表明：优化后的模型识别准确率提高了0.7%,模型的平均检测精度提高了1.8%,训练时间缩短了5.56%,取得了比较好的检测效果。