硅片空蚀实验中表面粗糙度和润湿性的影响

通过几何形貌变化和沉积Au和DLC超薄膜改变硅片的表面粗糙度和润湿性, 利用自制的振动空蚀实验装置对硅片在去离子水中的材料微观破坏情况进行研究. 扫描电子显微镜(SEM)和表面形貌仪用来对实验前后的硅片表面形貌进行检测; 采用接触角测量系统对试样表面润湿性进行表征. 结果表明, 振动空蚀实验后硅片表面会产生由于脆性断裂引起的微小蚀坑和裂纹, 随实验时间增加, 蚀坑和裂纹的数量增加且尺寸增大, 造成材料剥落; 几何形貌引起的粗糙度增加和表面沉积Au和DLC超薄膜引起的表面接触角增大, 都使得硅片的空化更易于发生, 从而加重了空蚀破坏程度.     

铁谱磨粒数字特征分析系统

应用图像处理技术建立了铁谱磨粒数字特征分析系统，有效地解决了大量提取磨损状态信息与减少主观因素影响的矛盾。系统分为基本操作、图像预处理和特征参数３个模块。文中对系统的主要功能及算法作了介绍并给出了计算实例。     

金刚石薄膜电极处理含氯酚废水的实验研究

以硼掺杂金刚石薄膜(BDD)为电极,采用电化学氧化的方法对含氯酚废水进行实验研究。采用循环流动的方式,结果表明:在给定不同恒电位的情况下,电流随时间变化的规律也不同;在高电位时电流密度比较大,使间接氧化增强,导致COD去除率和瞬时电流效率(ICE)增大;由于支持电解质N aC l在电解过程中产生的次氯酸盐氧化性强,因此N aC l比H2SO4对COD去除率和ICE增大更有利。采用钛基活性涂层(ACT)电极与金刚石电极的对比实验发现:由于BDD电极的弱吸附性,其处理效果明显优于ACT。     

水力机械空蚀中微颗粒的关键作用

100多年来,人们一直认为空化直接导致了空蚀的发生.但本研究发现,空化仅仅是导致空蚀的必要条件,而不是充分条件.旋转圆盘空蚀实验结果显示,微颗粒在空蚀过程中起到了不可或缺的作用,而且颗粒粒径对钢样表面蚀坑的形成有显著影响.钢样表面的破裂和变形表明,空蚀过程是一种力学作用的结果,通过数值分析进一步论证了这一机制.     

平整轧制压力预测的边界润滑弹塑性模型

平整工艺是使冷轧薄钢板获得一定表面形貌和粗糙度的关键工序,准确预测平整轧制压力的大小是进一步研究其形貌复映关系的理论基础。针对平整工艺压下率s一般小于10%的特点及其润滑特征建立了轧制压力预测的边界润滑弹塑性模型。通过理论计算表明:在s<10%时,轧辊的弹性变形和钢板的弹性恢复对轧制力预测有显著影响,是不能忽略的。使用 130型两辊轧制实验机,压下率为4.6%～24.4%的实验证明:该模型的理论计算结果与实验结果相对误差小于20%,比边界润滑刚性模型(其相对误差小于30%)具有更高的准确性。     

悬停状态下微型直升机航向模型的系统辨识

为实现微型直升机的自动控制飞行,需要建立其动力学模型。用神经网络和传统的微分方程难以获得适用于微型直升机控制系统的动力学模型。为此,在满足系统建模的前提假设下,设计了实验方法及测控装置。基于所获取的飞行数据,采用系统辨识的方法,建立了悬停状态下NEXUS30模型直升机的航向输出误差模型。对模型的评价结果表明,模型能充分反映微型直升机的航向动力学特性,并且结构简单,能作为设计控制系统时的参考模型。     

渗硼金刚石薄膜电极用于有机废水降解的实验

为了研究渗硼金刚石薄膜电极电化学性能以及用于含有机污染物的废水处理的可行性,采用循环电解的方法,对含苯酚的废水进行了电化学氧化实验,同时与活性涂层钛阳极进行了对比实验研究,考察了阴极的可替代性,最后用两种电极对含苯胺的工业废水进行了对比实验。实验结果表明,金刚石电极不仅具有优越的电化学性能和优异的电化学指标,而且可以用于电化学废水处理;同时,用钛电极代替金刚石作阴极经济可行。     

多取代C60-聚苯乙烯材料的合成及微观摩擦学研究

为设计并合成具有优良摩擦学性能的润滑材料和研究其摩擦润滑机理 ,介绍了表面修饰的 C6 0 功能高分子复合新材料的摩擦学研究工作。采用自由基聚合方法合成了多取代 C6 0 -聚苯乙烯 ,对其物理化学性能做了表征 ,并采用 L B膜制备技术制备分子有序膜和原子力 /摩擦力显微镜测试微观摩擦学特性。测试结果表明 ,实验合成了目标产物 ,这种高分子材料可形成有序且紧密的 L B膜 ,可望成为有效的分子润滑材料     

节点自删除神经网络及其在磨粒识别中的应用

在前向多层神经网络的基础上,提出了一种新的节点自删除神经网络模型。该神经网络根据隐层节点输出的相似性能够自动地进行网络节点的删除。对网络中冗余节点的删除,使网络尺寸得到优化,这一定程度上也解决了前向多层神经网络的推广性和学习问题。在Ｐａｒｔｙ－４问题的实例中,通过对惯性ＢＰ算法网络和该节点自删除网络的比较,充分说明了该节点自删除神经网络在各方面的优越性。铁谱磨粒识别一直是一个困难的课题,应用自删除神经网络模型在该实例中,也取得了较好的识别效果。