显微组织对近α钛合金BT-20疲劳裂纹扩展的影响

通过显微镜及电子背散射衍射试验对近α钛合金BT-20的篮网、双态和魏氏组织微观结构及晶粒尺寸进行测定,并采用拉伸与疲劳裂纹扩展试验进行力学性能以及裂纹扩展研究,讨论微观组织对裂纹扩展速率、路径和断口形貌的影响.结果表明,双态组织的强度和延伸率最好,魏氏组织最差;双态组织的断口为解理断裂,裂纹碰到大尺寸初生α晶粒时发生穿晶失效,形态呈直线状,从而具有较高的扩展速率;篮网和魏氏组织的断口形式为沿相界断裂,裂纹扩展路径在通过α晶粒集束边界时改变方向,路径呈曲线状,扩展速率相对较低,从而具有较好的耐裂纹性能.     

基于非等距BFA GM(1,1)模型的尾翼疲劳寿命预测

针对非等距GM(1,1)模型中背景值系数α对模型的预测能力影响很大而最优值难以确定的问题,将细菌觅食算法与GM(1,1)模型相结合,提出了BFA-GM(1,1)优化模型.以飞机尾翼疲劳寿命预测为实例,分析比较了BFA-GM(1,1)模型、PSO-GM(1,1)模型和GA-GM(1,1)模型的性能.从试验的结果来看,本文提出的BFA-GM(1,1)模型消耗的时间少于其他2种模型消耗的时间,而平均预测误差低于其他2种模型的平均预测误差,这说明本文提出的BFA-GM(1,1)模型能够更快速、更准确地找到最优的背景值系数α,从而提高了"小样本""贫信息"条件下的飞机尾翼疲劳寿命预测的精度.     

基于轻量级DenseNet和ZigBee的指纹识别方法

针对传统身份识别方法识别准确率低、模型复杂且运算速度慢等问题,提出一种新的基于轻量级密集连接卷积神经网络(DenseNet)和紫蜂协议(ZigBee)的指纹识别方法.首先,构建指纹识别系统的整体模型,并对该模型进行适当的裁剪以缩减模型复杂度.其次,通过筛选指纹图像、增强有效指纹以及扩充增强后的数据等操作,对采集到的ZigBee协议指纹信息进行预处理.然后,以传统深度残差网络的基本思想为依据,通过前馈的方式改变层间的连接关系并构建轻量级DenseNet.最后,以相同的样本数据为基础分别对轻量级DenseNet模型、普通DenseNet模型和3种传统基于机器学习的身份识别算法模型进行训练.试验结果表明:所提出的基于轻量级DenseNet模型的识别准确度最高,为98.24%,且该模型的运行速度最快,与普通DenseNet模型相比,其模型复杂度降低了94%以上.     

涡轴发动机悬臂型动力涡轮转子定点碰摩仿真

针对某型涡轴发动机动力涡轮转子的悬臂结构特征,基于ANSYS建立转子叶片-机匣有限元模型,并进行临界转速测试试验验证所建立模型的准确性.针对转子叶片-机匣可能出现的定点碰摩故障,以二次函数拟合叶尖-机匣间因机匣凸点产生的静态间隙变化,并基于静态间隙函数与分段线性碰摩力理论,建立动力涡轮转子叶片与机匣内壁的定点碰摩模型,同时考虑不平衡载荷,开展定点碰摩仿真.研究表明:在发生不平衡-定点碰摩故障时,区别于扭振,弯曲振动的基频幅值主要由不平衡故障引起;转轴中心点的弯振频谱图、扭振频谱图都出现倍频分量,且与转子每周碰摩次数相关的倍频幅值增大明显;此外,不平衡-定点碰摩故障还将导致接近系统扭振固有频率的扭振倍频幅值的分量增大.