界面结合强度对Al2O3/钢基复合材料高温抗磨性的影响

通过对Ａｌ２Ｏ３／耐热钢基复合材料界面结合强度的测试,分析了不同涂层对界面结合力的影响,对不同颗粒涂层的复合材料进行了９００℃下的高温磨料磨损试验,并分析了界面结合力对复合材料高温抗磨性的影响,结果表明：颗粒的不同涂层对复合材料界面结合强度的影响较大;颗粒经Ｎｉ涂层处理的与基体的界面结合力增强,作为抗磨硬质相表现出良好的高温抗磨性能;颗粒有ＴｉＮ涂层的复合由于界面结合强度较低,因而高温抗磨性较差。     

铬系白口铸铁中碳化物的电化学行为研究

为研究铬系白口铸铁在腐蚀介质中的相间腐蚀机理及铬系白口铸铁中碳化物的电化学行为,配制了３种典型铬系白口铸铁,应用改进了的提取相表面富集法制备了碳化物试样,测定了共晶碳化物的腐蚀速度及其电化学行为。试验结果表明：铬系白口铸铁中共晶碳化物的极化曲线既没有活化区,也没有过钝化区,一直处于自钝化状态;Ｍ７Ｃ３型碳化物比Ｍ３Ｃ型碳化物更耐蚀,更稳定。     

界面结合强度对Al_2O_3/钢基复合材料高温抗磨性的影响

通过对Ａｌ２ Ｏ３／ 耐热钢基复合材料界面结合强度的测试,分析了不同涂层对界面结合力的影响,对不同颗粒涂层的复合材料进行了９００ ℃下的高温磨料磨损试验,并分析了界面结合力对复合材料高温抗磨性的影响．结果表明：颗粒的不同涂层对复合材料界面结合强度的影响较大;颗粒经Ｎｉ 涂层处理后与基体的界面结合力增强,作为抗磨硬质相表现出良好的高温抗磨性能;颗粒有ＴｉＮ 涂层的复合材料由于界面结合强度较低,因而高温抗磨性较差．     

两参数Pareto分布逐步首失效样本的Bayes估计

基于新的失效截尾模式——逐步增加首失效截尾, 研究两参数Pareto分布可靠性指标的Bayes估计问题. 在对称和非对称损失下, 获得了可靠性指标的Bayes估计. 对超参数未知情形, 利用一种新方法给出超参数估计. 为了研究估计结果的精确性, 利用Monte-Carlo方法给出一个数值模拟例子.     

汽车零件磨损渐变可靠性分析

为研究车辆零件在磨损作用影响下的可靠性问题，将零件结构尺寸最大磨损量考虑到渐变可靠性模型中，得到随时间变化的可靠性状态方程的数学模型，并利用二阶矩和随机摄动法得出动态可靠性指标，进而获得零部件的渐变可靠性及灵敏度的定量分析结果.通过算例与蒙特卡洛相结合验证了该方法的有效性，拟合得到了零部件磨损渐变可靠性分布规律曲线和灵敏度曲线，很好地反映了零部件几何尺寸在磨损状态下危险截面的可靠性变化情况，为车辆零件的磨损渐变可靠性研究提供了理论参考.     

缓蚀剂对蒸馏水润滑下灰铸铁摩擦学特性的影响

Ｎａ２ＳｉＯ３、Ｎａ２ＭｏＯ４、（ＮＨ２）ＮＳ和（ＮａＰＯ３）６ ４缓蚀剂对灰铸铁在蒸馏水中的腐蚀,有不同程度的减缓作用,其中Ｎａ２ＳｉＯ３在浓度为０．０１￣０．１ｍｏｌ／Ｌ的范围内,同不加任何缓蚀剂的蒸馏水相比,能明显降低灰铸铁的腐蚀速率。经过磨损试验发现,在加有Ｎａ２ＳｉＯ３的蒸馏水的润滑下,Ｓｉ３Ｎ４－灰铸铁摩擦副优异的摩擦学性能没有受到影响,在磨程达２ｋｍ以后,摩擦系数降为０．０２￣０．０     

含屏蔽数据四单元混联系统的可靠性分析

讨论了两种含屏蔽数据四单元混联系统的可靠性分析问题。在单元失效率为指数函数的情形下,详细推导出两种混联系统在逐步Ⅱ型混合截尾试验下的似然函数。利用极大似然方法给出了单元分布参数及系统可靠度函数的极大似然估计,采用似然比方法构造了未知参数的近似置信区间。最后运用蒙特卡罗方法进行随机模拟,验证了所提方法的正确性和有效性。     

无失效数据下一种新分布的可靠性分析方法

根据无失效数据推导出分布失效率的Bayes估计,然后运用Virene算法和非线性回归最小二乘法,对分布的可靠性进行评估.最后,利用Monte-Carlo方法对所得结论进行了分析验证.结果表明,在无失效数据下,将非线性回归最小二乘法与Bayes方法相结合,可以很好地评估指数-威布尔分布的可靠性.     

屏蔽数据下串联系统双参数指数部件的可靠性估计

讨论串联系统中双参数指数部件的参数和系统可靠性指标的估计问题.在系统失效原因被屏蔽的情形下,分别利用极大似然法和Bayes估计法给出了部件参数和系统可靠性指标的估计.最后利用随机模拟方法给出数值例子.     

基于小波奇异性和支持向量机微铣刀破损检测

针对微铣削过程中刀刃破损的现象,提出了基于振动信号奇异性分析的自学习式支持向量机的刀具破损检测方法.对两种状态信号作连续小波变换,计算小波模极大值和信号的李普希兹指数(Lips).通过Lips识别刀具状态,拟合Lips分布概率密度函数并验证其符合正态分布,将Lips分布的均值、方差作为特征值,通过遗传算法参数寻优建立了刀具破损状态的支持向量机(SVM)识别模型,也称最优模型.利用最优模型预测刀具破损状态,其预测准确度从84%逐步提高至90%,提升了系统预测模型的鲁棒性.最后通过实验验证了该方法的有效性.