钨渗铜材料高温力学性能与组织研究

从不同原料钨粉粒度和不同钨骨架密度的角度，研究其对于材料高温强度性能的影响，同时结合SEM断口形貌观察，研究材料在高温下的断裂机制。结果表明：(1)随着钨骨架密度的提高，材料的高温强度都相应提高，在一定的骨架密度范围内，高的骨架密度有利于材料高温强度的提高；(2)对于两种粉末原料的钨渗铜试样，在相近骨架相对密度的情况下，由于细晶强化的作用，细颗粒试样从800℃-1800℃的高温强度都明显高于相应的中颗粒试样；(3)对于钨渗铜材料，从800℃-1800℃的过程中，断裂形式由穿晶和沿晶断裂两种形式并存逐渐过渡到单一的沿晶断裂。     

精密摩擦件的离子束表面强化

对40CrNiMo钢制精密摩擦件采取离子注入方法强化表面层,经性能检验表明,N~ 静态和N~ 动态反冲注入Ti工艺的强化效果不明显,而N~ 多次静态反冲注入Ti的工艺可提高工件表面硬度1倍以上,摩擦系数由0.6～0.8下降至0.2～0.3,磨损率降低20倍,故可认为,此工艺可大幅度提高材料的耐磨性能。用透射电镜和表面分析仪研究了表面改性层微观组织和元素组分的变化,多次N~ 静态反冲注入Ti的试样约有80%的TiN和TiC强化相,晶粒细化而致密,这是获得优良强化效果的重要因素。     

高温流动系统内置辐射板强化传热的研究

高温气流换热通道中，沿气流方向插入辐射板，可利用板的热辐射增强换热。本文利用辐射与对流联合作用的非耦合模型，进行了数值计算，并在最高气温为９００℃的高温风洞上进行了实验研究。理论与实验结果吻合良好。文中对入口温度、风速及板数等因素的影响作了分析。     

战争之神——解放军陆军身管火炮装备

在第二次世界大战中，火炮所造成的伤亡超过战场全部伤亡的60％，是个不折不扣的头号杀手，所以炮兵一向被人称为“战争之神”，在砚代战争中，虽然空对地攻击能力不断强化，地对地导弹也已经被广泛使用，但火炮仍旧是陆军的主要武器装备。     

矩形通道中亚尺度肋片的流动换热数值分析

对装有不同结构亚尺度肋片矩形通道的流动和换热进行了数值模拟,获得了通道流场、温度场分布以及平均努塞尔数的基本特征,对各种肋片通道的换热特性进行了对比分析.计算结果表明:亚尺度肋片距主肋片根部越近越有利于散热;在远离热面区域,亚尺度肋片的比表面积越大传热效果越好.当扩展表面积相同时,亚尺度肋片的长宽比越大换热效果越好;计算结果及分析揭示了控制肋片最优几何形状的统一原则——广义温度梯度均匀化原则,并依照此原则确定了可以强化换热的较优的肋片结构.计算分析表明广义温度梯度均匀化原则可以控制对流换热过程的传热强化.      

开槽砂轮缓磨时射流冲击强化换热的研究

提出了运用磨削弧区强化换热技术开发高效磨削潜力的创新构想,并在开槽砂轮的基础上研制开发了能够实现磨削弧区沿砂轮径向定向高压水射流冲击强化换热的新型磨削液供液装置;完成了关于开槽砂轮缓磨时弧区定向高压水射流冲击强化换热效果的理论计算和实验研究,计算结果与实验结果基本吻合。     

高能束表面改性技术在航空领域的应用

高能束表面改性适用于各种金属和合金,能够显著提升材料表面硬度、耐磨、耐蚀等性能指标,是航空部件实现性能提升的有效手段之一。本文总结了6种高能束表面改性技术的基本原理、设备构成和改性应用,其中激光相变硬化通过马氏体相变强化金属材料表面;激光熔覆通过选择不同粉末实现表面修复和表面性能提升,重点在于控制裂纹缺陷;激光冲击强化可有效解决航空发动机部件高周疲劳断裂问题;强流脉冲电子束和强流脉冲离子束一方面需要提高设备的性能和运行稳定性,另一方面要针对航空部件应用开展深入研究;而离子束辅助沉积则可以通过制备固体润滑涂层实现对微动磨损的有效防护。最后,提出对高能束表面改性机理深入研究、发展专业化智能化装备和实现多种束源复合与集成的发展方向。     

基于深度强化学习的机器人推拨优化装箱问题研究

三维装箱问题是指在满足容积限制、稳定性限制等条件下,将一定数量的物体放入较大容量的箱子中并使空间利用率最大的组合优化问题.三维装箱问题是典型的NP完全问题,通常采用启发式算法规划物体放置的位姿.在使用机器人完成装箱任务时,还要额外考虑机器人操作限制,如机械臂或末端执行器与物体或箱子之间的碰撞、机械臂运动轨迹的规划等,使得部分最优位姿不可行,只能将物体从更高处落下或者将物体放在最优位姿的附近.机器人在抓取、识别和放置时的不确定性也会导致最终放置位置与规划产生偏差.因此,本文提出基于深度强化学习的机器人三维装箱推拨优化方法,以最小化包装箱中物体放置位置的启发式算法分数为目标,通过推拨动作对于已放置的物体位置进行调整、归集,将物体朝角落中压缩,以腾出更多空间,提高装箱空间利用率,减小由于机器人操作不确定性对装箱结果的影响.     

基于深度强化学习的机器人推拨优化装箱问题研究

三维装箱问题是指在满足容积限制、稳定性限制等条件下,将一定数量的物体放入较大容量的箱子中并使空间利用率最大的组合优化问题.三维装箱问题是典型的NP完全问题,通常采用启发式算法规划物体放置的位姿.在使用机器人完成装箱任务时,还要额外考虑机器人操作限制,如机械臂或末端执行器与物体或箱子之间的碰撞、机械臂运动轨迹的规划等,使得部分最优位姿不可行,只能将物体从更高处落下或者将物体放在最优位姿的附近.机器人在抓取、识别和放置时的不确定性也会导致最终放置位置与规划产生偏差.因此,本文提出基于深度强化学习的机器人三维装箱推拨优化方法,以最小化包装箱中物体放置位置的启发式算法分数为目标,通过推拨动作对于已放置的物体位置进行调整、归集,将物体朝角落中压缩,以腾出更多空间,提高装箱空间利用率,减小由于机器人操作不确定性对装箱结果的影响.