ZL109激光表面改性处理--激光表面合金化

采用１０ｋＷ的连续横流ＣＯ２激光器在铸造Ａｌ－Ｓｉ合金基底上制备了厚度为２．０～２．５ｍｍ的镍合金化改性层．利用ＳＥＭ、ＸＲＤ、ＴＥＭ及ＥＤＸ等分析方法测试了其微观组织和结构．结果表明：合金化涂层是由α－Ａｌ、Ａｌ３Ｎｉ２、Ｎｉ３Ａｌ、ＡｌＮｉ等Ａｌ／Ｎｉ相以及少量Ｓｉ相组成,涂层与基底之间界面两侧存在明显的成分变化,合金化改性层的平均显微硬度为１７９～２３３ＨＶ０．１,比基底Ａｌ－Ｓｉ合金提高了８４ＨＶ０．１以上．耐磨性对比试验的结果表明,镍合金化涂层的表面磨损情况大大改善,相对耐磨性提高了４倍以上．     

真空微电子触觉传感器场致发射阵列的研究

阐述了真空微电子触觉传感器的工作原理。采用半导体集成电路加工技术和硅微各向异性腐蚀及氧化锐化工艺,在电阻率为３～５Ω·ｃｍ的ｎ型（１００）硅片上制备了真空微电子触觉传感器的场致发射阴极锥尖阵列,锥尖密度达３９００个／ｍｍ２,起始发射电压为２～３Ｖ,反向击穿电压大于３０Ｖ,收集极在２０Ｖ在电压时,单尖发射电流达０．２μＡ,实验结果表明这种真空微电子触觉传感器具有良好的触觉效应。     

Eastman－AQ－四硫富瓦烯修饰的电流式葡萄糖传感器

用牛血清白蛋白－戊二醛交联剂把葡萄糖氧化酶固定在Ｅａｓｔｍａｎ－ＡＱ－四硫富瓦烯（ＴＴＦ）修饰电极上，再在电极的表面修饰一层Ｅａｓｔｍａｎ膜，制备成葡萄糖传感器．实验表明，ＴＴＦＦ＋１，ＴＴＦ＋２都能够氧化葡萄糖氧化酶中的辅酶（ＦＡＤＨ２）．该传感器的浓度线性范围为５．０×１０－４～１．０×１０－２ｍｏｌ／Ｌ，响应时间小于４０ｓ．     

几种SF6混合气体的耐电强度及分析

在Ｅ／Ｐ值为１５．０～９４．０ｋｖ（ｍｍ．ＭＰａ）范围内采用稳态汤逊法（ＳＳＴ）测量了ＳＦ６／Ｎ２，ＳＦ６／ＳＯ２，ＳＦ６／Ｈｅ，ＳＦ６／Ｎｅ，ＳＦ６／Ａｒ，ＳＦ６／Ｋｒ，ＳＦ６／Ｘｅ等混合气体的电子崩电流，确定了电离系数α吸附系数η和有效电离系数α，用最小二乘法求出了α／Ｐ与Ｅ／Ｐ值的关系，给出了在各混合比下这些混合气体的临界耐电强度值（Ｅ／Ｐ）ｌｉｍ并分析和比较了这些混合气体的绝缘特性。     

太白米愈伤组织的诱导

把太白米小鳞茎基部０．１－０．５ｍｍ处切口，接种于ＭＳ＋ＮＡＡ １ｍｇ／Ｌ＋２．４－Ｄ１ｍｌ／Ｌ＋ＺＴ０．１ｍｇ／Ｌ和ＭＳ＋ＮＡＡ０．５ｍｇ／Ｌ＋ＺＴ０．１ｍｇ／Ｌ培养基上，置黑暗中培养，小鳞茎能脱分化产生大量愈伤组织，诱导率在９５％以上，且生长迅速。     

PLT15薄膜热释电红外传感器的研制

用射频磁控溅射法在Ｐｔ／Ｔｉ／ＳｉＯ２／Ｓｉ（１００）结构衬底上沉积了高度Ｃ轴取向Ｌａ改性的ＰｂＴｉＯ３（ＰＬＴ１５）薄膜．研究了ＰＬＴ１５薄膜的电晕极化方法,用此方法同时对多个热释电敏感单元进行了极化．利用ＰＬＴ１５薄膜制备了热释电红外传感器,薄膜厚度是２μｍ,真空蒸发的Ｎｉ－Ｃｒ电极面积为１．２ｍｍ×１．０ｍｍ,敏感元下的Ｓｉ（１００）基片用热ＫＯＨ和ＥＰＷ进行刻蚀．用所设计的热释电系数测试系统对ＰＬＴ１５薄膜样品进行了测试,研究了其热释电特性．测试结果表明,ＰＬＴ１５薄膜样品的热释电电流ｉｐ平均为２．１×１０－１１Ａ,而对应的热释电系数ｐ为２．５２×１０－８Ｃ·（ｃｍ２·Ｋ）－１．这类薄膜很适合制备红外传感器     

Eastman—AQ—四硫富瓦烯修饰的电流式葡萄糖传感器

用牛血清白蛋白－戊二醛交联剂把葡萄糖氧化酶固定在Ｅａｓｔｍａｎ－ＡＱ－四硫富瓦烯修饰电极上，再在电极的表面修饰－层Ｅａｓｔｍａｎ膜，制备成葡萄糖传感器，实验表明，ＴＴＦ＾＋１，ＴＴＦ＾＋２都能够氧化葡萄糖氧化酶中的辅酶，该传感器的浓度线性范围为５．０×１０６－４－１．０×１０＾－２ｍｏｌ／Ｌ响应时间小于４０ｓ．     

合成的具有天然锰矿晶型的MnO2的循环伏安研究

使用合成的钡镁锰矿（ＴＯＤＯＲＯＫＩＴＥ）、碱硬锰矿（ＨＯＬＬＡＮＤＩＴＥ）型的ＭｎＯ２及电解ＭｎＯ２修饰碳膏电极，报告了它们在＋１．０Ｖ￣－１．０Ｖ电压范围和０．１Ｍ ＫＣｌ溶液中的循环伏安图。Ｔｏｄｏｒｏｋｉｔｅ和ｈｏｌｌａｎｄｉｔｅ的循环伏安图相似，都没有显明的电流峰。而电解ＭｎＯ２的循环伏安图中，有两个阳极峰（＋０．１Ｖ，＋０．５ＶｖｓＳＣＥ）两个阴极峰（０．０Ｖ，－０．１５Ｖ ｖｓ ＳＸ     

有机相酪氨酸酶生物传感器

基于有机介质中水分对酪氨酸酶电极电流信号的增强作用，构建了一个测定有机介质中微量水分的有机相生物传感器，该传感器可测定乙醇中体积分数０．０５％～１．００％水，检出限为体积分数０．００％水，采用ＦＩＡ系统可测定乙腈中体积分数为０．１％～１．０％水检出限为体积分数０．０１％水，精密度高。     

郁金香叶片直接诱导试管人工种球的快速繁殖的研究

对郁金香的叶片直接诱导试管人工种球及发育成大球的快速繁殖途径进行了研究，结果表明：叶段在ＭＳ＋ＢＡ２．０ｍｇ／Ｌ＋ＮＡＡ２．０￣５．０ｍｇ／Ｌ中不经愈伤组织直接分化多个小鳞茎，Φ（Φ：鳞茎的直径）２ｍｍ的小鳞茎在ＭＳ＋ＧＡ１．０￣２．０ｍｇ／Ｌ中发育成带１￣２片叶的Φ５￣１０ｍｍ的大鳞茎，大鳞茎的移栽成活率为９８％￣１００％。从而建立了郁金香试管人工种球快速繁殖的新途径。     

车削过程中刀具磨损和破损状态的自动识别

采用机床主电动机功率法和声发射(AE)法来获取切削过程中发出的刀具磨损和破损信号,建立了刀具状态试验系统.在试验数据的基础上,建立了功率信号的自回归时序模型,在提取作为刀具磨损特征量的模型参数时考虑了切削用量的影响.针对刀具破损时功率信号时域幅值变化的随机性,提出用延时方差法来处理功率信号,数据分析结果表明,这种方法是可行的.针对切削过程中发出的AE信号,采用时频分析的方法进行处理,提取出反映刀具破损的特征量,最后利用2个并行的自适应共振神经网络ART-2实现了刀具状态的自动识别,识别成功率达到95%.     

激光诱导热裂切割玻璃的声发射信号监测技术

现阶段各个领域对玻璃切割质量的要求越来越高,作为一种新兴的切割技术,激光诱导热裂相对于传统切割有很大优势,但在切割过程中裂纹扩展轨迹会偏离预定的路径。若要改善这种偏离现象,切割时需要通过对裂纹扩展状态的实时监测来确定补偿策略,而声发射作为一种无损检测方法在此方面有着巨大的优势。本文在激光诱导热裂切割玻璃过程中,会产生声发射现象。针对激光诱导热裂切割玻璃过程中产生的声发射信号针对此声发射信号进行了模态分析和小波包分析,确定了最优的小波基及分解尺度选择的依据。在实验中,通过对传感器进行优化布局并采用时差定位方法对裂纹尖端位置进行了定位分析。在此基础上,进行了激光诱导热裂切割玻璃声发射信号监测实验研究,探求了AE信号特征与裂纹扩展状态两者之间的联系。     

基于神经网络的磨削砂轮状态的在线监测

利用声发射(AE)传感器和功率传感器为信号源,固定时间间隔内的声发射信号幅值增量累加及砂轮碰撞破碎时电机功率信号的陡变为砂轮状态识别的特征值,应用BP神经网络建立信号特征值与砂轮状态之间的非线性关系模型,可以为小批量、多品种产品磨削加工中砂轮状态的智能化在线监测提供准确有效的途径·测试结果证明了该系统的可行性,为磨削加工实现智能控制奠定了基础,并能为砂轮修整确定最佳的周期     

基于分形维数的刀具状态在线监测新方法

以分形几何理论为基础,对刀具不同磨损阶段声发射信号的分形特征进行了分析。提出了计算非完全分形体信号波形的关联维数时尺度范围的确定方法,分析了声发射信号在刀具磨缶过程中分形维数的变化特性。刀具磨损切削实验数据表明,声发射信号的分形维数受切削参数变化影响较小,分形维数反映了声发射信号的几何特征,其大小能较好地反映刀具的不同磨损状态。实验结果表明,该方法能正确地实时在线监测刀具的不同磨损状态。     

含孔花岗岩破裂过程不同区域声发射特征

利用孔洞对声发射(AE)传播的阻隔作用,对AE探头监测区域进行分区.通过含孔花岗岩双轴加载破坏过程的AE多通道监测实验,研究了岩石变形破坏过程不同区域AE特征及其与破坏模式之间的关系.结果表明:试件的AE探头监测区域分为独测区、共测区、盲测区;试件共有两种破坏形式,“V”型和贯穿型;对于“V”型破坏的试件,主破裂发生在独测区,各通道的AE特征明显不同;对于贯穿型破坏试件,主破裂发生于共测区,各通道的AE特征较为相近.     

不同传感器安装方式对隧道现场声发射参数监测结果的影响

为研究不同传感器安装方式对隧道现场声发射监测结果的影响,以渝广高速华蓥山隧道掘进爆破中的声发射响应试验为依托,通过隧道现场试验的方法对比了原岩表面安装、初衬表面安装、锚杆端部安装等3种声发射传感器安装方式下的声发射参数监测结果。从参数分析结果来看,不同的传感器安装与耦合方式对声发射监测结果有较大的影响,尤其是锚杆端部安装方法的声发射参数监测结果与前两者差异较大,这种差异主要源于波传播过程中穿过的交界面数量及介质截面积变化等,因此在现场监测过程中应当重点关注监测点附近的结构特征,选择合理安装方式,或充分利用监测点附近结构对信号的放大效应,削弱衰减与环境噪声的影响。     

模糊控制理论在铣刀磨损监控中的应用

研究一种铣刀磨监控方法,信号采集采用声发射传感器,信号特征生成采用小波变换方法,将变换后的尺度系数和各个频段的小波系数作为特征,采用自行设计的Sugeno模糊控制系统进行状态识别,模糊控制系统的输出是刀具磨损值,有利于对刀具磨损进行各种实时补偿,实验表明,模糊控制作为刀具磨损状态识别的方法,取得了良好的效果。     

基于模糊神经网络的刀具磨损识别

为了实现刀具磨损状态的自动识别，采用机床功率法进行了刀具自然磨损和不同切削参数（切削速度、进给量和切削深度）对功率信号影响的实验。在此基础上，建立了功率信号的时序AR模型。在提取作为刀具磨损特征量的AR模型参数时，考虑了切削用量对模型参数的影响，提出了特征量选取的准则，使所提取的特征量更加实用化，通过具体自学习和良好函数逼近能力的神经网络获得了特征量对刀具状态的隶属函数，并利用模糊神经网Fuzzy ART实现了刀具磨损状态的自动识别，识别正确率为95%，说明所提出的方法是有效可行的。     

用声发射信号在线监测切削刀具的磨损与破损

通过监测金属切削过程中的声发射信号，判别切削刀具刃部的磨损状况．监测逐渐增大的声发射信号幅值大小，测量刀具后刀面的磨损情况；检测阶跃式声发射信号的幅值，监测刀具的破损情况．并用微机处理实验数据产生刀具破损的信号．还对刀具破损时声发射信号阀值进行了研究．