钛合金TB6连接孔挤压强化残余应力及疲劳寿命试验研究

针对钛合金TB6连接孔,研究直接芯棒挤压强化工艺参数对钛合金耳片的强化效果,表征不同挤压量和挤压次数下连接孔塑性变形量、孔壁残余应力和表面粗糙度,测试挤压强化前后耳片的拉–拉疲劳寿命,分析疲劳断口的形貌特征及疲劳寿命提升的原因。结果表明,挤压强化几乎不能改善孔壁表面质量,但可以使孔壁发生剧烈的塑性变形,引入一定的残余压应力;随着挤压量的增大,塑性变形量增大,残余压应力引入峰值和深度均明显增大,衰减速度减小,而挤压次数的影响相对较小;挤压强化后疲劳寿命显著提高,经由3%挤压量挤压强化后的耳片疲劳极限提升至少38%。     

2024–T351铝合金激光冲击微观组织强化机制分析

激光冲击强化在航空制造业中具有广泛的应用前景,研究其强化机制对认识工艺过程材料响应行为,合理规划激光冲击强化工艺具有重要意义。采用电子背散射衍射与X射线衍射表征激光冲击强化材料微观组织演化状态,对微观组织强化机制进行分析。通过室温拉伸试验对激光冲击强化2024–T351铝合金试样进行测试,研究其对铝合金力学性能的影响。研究结果表明,激光冲击强化通过引入应变梯度在材料中引起轧制方向晶粒断裂并生成小角度晶界,同时引发统计存储位错大量增殖。激光冲击强化主要通过位错强化机制提升材料的屈服强度与抗拉强度,细晶强化与固溶强化机制贡献不显著。     

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。     

国产深度学习推理框架嵌入式适用性研究

随着端侧AI应用的不断丰富及深度学习技术的不断渗入,端侧深度学习模型部署需求日益增长。各机构研发出不同的AI推理框架来实现深度学习模型部署的高性能全景统一目标,通过接入多训练框架利用多硬件资源的方式来进行推理性能的加速。选择四个典型的国产深度学习推理框架,分别从设计原理、落地实现和特殊优化方式三个维度进行介绍与对比,并通过实验验证性能、支持精度、硬件支持这三个衡量指标对比探究四个框架是否适用于航空领域任务需求。     

主动学习基自适应PC-Kriging模型的复合材料结构可靠度算法

针对复合材料机翼随机固有频率可靠性分析复杂、高维、高度非线性和计算时间长的问题,本文提出了一种主动学习基自适应PC-Kriging模型的可靠度算法。在基自适应PC-Kriging模型中,采用一种基自适应策略来确定多项式混沌展开部分的正交多项式基,以近似数值模型的全局响应,Kriging用于高阶非线性插值以近似数值模型的局部响应。在主动学习可靠度计算框架中,引入加权K均值聚类,在一次迭代中添加K个对失效概率贡献较大的候选样本点以减少迭代次数和加快收敛速度。通过一个高度非线性的数值算例分析,证明了所提方法的有效性和准确性。将该方法应用于复合材料板和复合材料机翼的随机固有频率可靠性分析,获得了准确高效的可靠度计算结果。     

面向结构静力试验监测的高精度数字孪生方法

试验验证和数值仿真是评估结构强度的两种典型方法,然而基于离散传感器的试验验证方法难以保证结构应力监测覆盖度,数值仿真方法又因为对物理实体的简化和理想化处理而导致应力结果精度不足,如何综合利用两种强度评估方法的优势并进行数据融合以实现结构应力场监测是一个具有挑战性的问题。提出一种面向结构静力试验监测的数字孪生（DT-SSTM）方法,可获得高精度的结构静力试验数字孪生模型,以实现结构应力场的实时监测与强度评估。DT-SSTM方法包括离线、在线2个阶段。离线阶段,采用梯度提升树（GBDT）算法对仿真数据进行训练,建立预训练模型。在线阶段,基于集成学习理论,采用Stacking算法对试验数据响应值与预训练模型响应值之间的残差进行训练并建立残差模型。通过叠加预训练模型与残差模型实现多源数据融合,建立高精度的数字孪生模型。最后,开展了开口矩形壁板轴向拉伸试验来验证DT-SSTM方法的有效性。结果表明,DT-SSTM方法能够建立高精度的结构静力试验数字孪生模型,且相比同类数据融合方法具有更高的全局、局部预测精度以及融合效率,为结构应力场实时监测提供了一种新颖的解决方案。     

标准化学习管理系统的研究

针对现阶段低水平的学习管理系统重复开发、不同系统之间不能互操作,提出了可互操作的标准化学习管理系统的模型,并对各种不同类型数据信息进行XML绑定,实现不同系统之间的互操作。     

人工智能在气动设计中的应用与展望

在人工智能技术高速发展的浪潮下,智能化技术为空气动力学的研究提供了新的思路和手段。各国学者在人工智能与空气动力学设计的综合应用方面开展了诸多有益的探索与尝试。目前人工智能方法已被用于设计对象描述、数值求解、非线性映射等气动设计的关键环节中。实现了自适应设计参数探索、高效气动特征求解、快速数据降维与映射、智能优化等,提高了气动设计的速度、准确性、鲁棒性与全局性。概述了气动设计的发展现状、人工智能技术的研究现状以及机器学习在气动设计中的应用现状。展望了深度学习在气动设计上的应用前景。提出了以机器为核心根据优化阶段实时调整优化方案及走向的高度智能化气动设计概念——"机器设计"。强调了开展智能可诠释设计研究的重要性。     

结构参数范围内Delta机器人最优工作空间求解

求解Delta机器人结构参数范围内的最优工作空间对规划Delta机器人的运动轨迹具有重要参考价值。文章基于Wolfram Mathematica软件分别根据三自由度Delta机器人正、逆运动学模型求解Delta机器人的工作空间。以Delta机器人的工作空间为评价指标开展正交试验,研究Delta机器人主动臂长度(250～350 mm)、从动臂长度(500～700 mm)、静平台外切圆半径(125～175 mm)、动平台外切圆半径(50～90 mm)这4种结构参数对Delta机器人工作空间的影响。研究表明：结构参数范围内Delta机器人最优工作空间对应的结构参数分别是主动臂长度350 mm、从动臂长度600 mm、静平台外切圆半径125 mm、动平台外切圆半径90 mm,此时Delta机器人的工作空间最大,工作空间可以容纳一个高度为300 mm、宽度为800 mm的Delta机器人拾放运动门字轨迹。     

构建融合党史学习教育的“大思政课”育人体系

用党的科学理论武装青年,用党的初心使命感召青年,是新时代青年工作的战略性抓手;提升“大思政课”三重境界,是深入落实“双用”新要求的重要着力点。破解党史学习教育和思想理论教育同向发力难题,有必要优化顶层设计、深化思政课教学改革课程育人、深化红色资源运用实践育人、拓展网络思政空间网络育人、嫁接中国共产党人精神谱系文化育人、健全体制机制强化组织育人,提升党史学习教育融入的思想方法整合力、理论教学感召力、实践教学穿透力、线上教学协同力、文化浸润粘合力、物质载体保障力。