Fe-13Cr-5Ni马氏体不锈钢在连续加热过程中两相区的奥氏体生长行为

通过光学显微镜、透射电子显微镜、X射线衍射仪以及显微硬度仪研究Fe-13Cr-5Ni马氏体不锈钢在加热过程中的组织转变行为.结果表明,Fe-13Cr-5Ni钢在10℃·s-1的加热速率下,加热至奥氏体单相区,冷却至室温后具有明显的“组织遗传”现象.奥氏体以“针状”形式在马氏体板条界处形核并沿着马氏体板条界长大,与母相间保持Kurdjumov-Sachs(K-S)位向关系.加热至两相区不同温度然后淬火至室温,奥氏体的量随两相区保温温度的升高先增加再减少,650℃时对应室温下残余奥氏体的极大值,并且这一变化趋势与试样显微硬度测试结果所得结论一致.     

褪黑素对铝致痴呆模型大鼠空间学习记忆的影响

目的:观察褪黑素对铝致痴呆模型大鼠空间学习记忆的影响,探讨褪黑素改善铝致痴呆模型大鼠学习记忆功能障碍的作用.方法:用腹腔注射三氯化铝的方法建立大鼠学习记忆障碍模型,并用褪黑素进行实验性治疗.采用Morris水迷宫方法测试各组大鼠空间学习记忆能力的改变.结果:大鼠经多次训练后,各组大鼠逃避潜伏期均呈缩短趋势,此现象表明大鼠空间学习记忆能力随训练次数增加而有所增强.但是大鼠在染铝后40、45、50、55、60 d逃避潜伏期明显大于生理盐水对照组,两者比较差异有统计学意义(P<0.01);而用褪黑素治疗组在染铝后40、45、50、55、60d逃避潜伏期明显小于模型组,两者比较差异有统计学意义(P<0.01).在40、50、60 d的时间段中,褪黑素治疗组穿环系数明显大于痴呆模型组(P<0.01).结论:褪黑素对铝致痴呆模型大鼠学习记忆功能障碍有明显的改善作用.     

考虑地质分层约束的长短期记忆循环神经网络测井曲线重构

延长油田东部裸眼井区早期测井资料普遍只有自然电位（SP）、自然伽马（GR）及梯度电阻率(R2.5)三条曲线,因缺失声波（AC）、地层电阻率（RT）等测井曲线,难以满足精细油藏地质研究需求。东部裸眼井区开发时间长、单井产量低,重新测井缺乏可行性及经济性。采用长短期记忆循环神经网络(Long Short-Term Memory,LSTM)进行缺失测井曲线重构是一种经济有效方法,适用于地层测井序列数据。然而延长油田东部浅层油藏上覆黄土层段测井数据信号干扰大,直接应用模型精度较差。针对此问题,本文采用考虑地质分层约束的LSTM模型进行缺失测井曲线的重构,通过分层数据截取每口井长6层段测井数据作为样本数据,既保留了LSTM模型处理序列数据的优势,同时又避免了上覆黄土层测井数据对模型的干扰。利用裸眼井区完整测井数据进行模型训练优化和验证,讨论了考虑地质分层约束的LSTM测井曲线重构精度,结果表明通过引入地质分层约束,模型重构测井曲线精度更高。应用优化后模型实现裸眼井区50口仅有GR、SP、R2.5三条曲线数据井的AC、RT曲线重构,对50口井的142个射孔段进行二次解释,对比试油解释结论符合率达到89.4%,验证了该方法对测井曲线重构的实用性和有效性。     

Waspaloy镍基合金高温流变应力及其本构模型构建

针对涡轮发动机涡轮叶片复杂应力状态下的时效变形问题,以涡轮叶片材料Waspaloy镍基合金为研究对象,开展Waspaloy镍基合金时效处理,完成时效态Waspaloy镍基合金600℃、700℃和750℃准静态高温力学拉伸试验,利用Ludwik和Hollomon经验公式预测Waspaloy镍基合金高温塑性段流变应力,引入平均误差（Er）和均方根误差（RMSE）评价流变应力的预测准确度。结果表明,时效处理后合金的硬度得到有效提升,而其塑性性能有所降低。Waspaloy镍基合金的抗拉强度和延伸率在600℃~750℃区间范围内与加载温度呈负相关关系。Ludwik模型较Hollomon模型有更高的流变应力预测精度,而在高温高应变区域Ludwik模型预测流变应力仍存在较大误差。在Ludwik模型的基础上引入指数项,修正后的Ludwik模型能更好地预测Waspaloy镍基合金高温塑性段的流变应力。     

基于Inception-BiLSTM和迁移学习的结构损伤识别

针对传统卷积神经网络（convolutional neural network,CNN）方法在时空特征提取存在不足,提出一种改进的Inception与双向长短期记忆（ bi-directional long short-term memory,BiLSTM）联合模型,以全面学习振动信号中的空间和时序信息。首先,构建具有多尺度感受野的Inception模块,自适应地提取不同尺度下的空间特征;其次,BiLSTM序列化处理时间特征,以深度挖掘时间相关性;最后,通过全局平均池化和Softmax分类器来实现钢框架结构的损伤识别。为评估该模型对噪声的鲁棒性,引入高斯白噪声作为干扰。此外,采用迁移学习策略来评估模型在不同强度激励和小样本下的泛化能力,确保适用于不同的损伤识别任务。结果表明,与传统的CNN方法相比,该模型在无噪声条件下及信噪比超过25dB时保持了100%的识别精度。该方法解决了土木工程应用中样本量不足和不同强度激励的实际挑战。通过微调预训练模型的参数,实现了在不同强度激励和小样本情况下的知识迁移与泛化,从而增强了模型的实际适用性。     

融合多尺度CNN与双向LSTM的唐卡问句分类模型

当前大语言模型的兴起为自然语言处理、搜索引擎、生命科学研究等领域的研究者提供了新思路,但大语言模型存在资源消耗高、推理速度慢,难以在工业场景尤其是垂直领域应用等方面的缺点。针对这一问题,提出了一种多尺度CNN与双向LSTM融合的唐卡问句分类模型,本模型将数据的全局特征与局部特征进行融合实现唐卡问句分类任务,全局特征反映数据的本质特点,局部特征关注数据中易被忽视的部分,将二者以拼接的方式融合以丰富句子的特征表示。通过在Thangka数据集与THUCNews数据集上进行实验,结果表明,本模型相较于Bert模型在精确度上略优,在训练时间上缩短了1/20,运算推理时间缩短了1/3。在公开数据集上的实验表明,本模型在文本分类任务上也表现出了较好的适用性和有效性。     

基于形状记忆合金丝的柔性康复手套设计

针对康复手套穿戴舒适度低、整体结构复杂等问题,研究一种基于形状记忆合金丝驱动的柔性可穿戴康复手套.根据人手生物结构和运动范围分析,设计贴合人手的可穿戴康复手套,并对形状记忆合金驱动器的收缩性能进行动力学和热力学分析.搭建康复手套试验平台,进行连续被动和镜像康复训练试验,结果表明基于形状记忆合金的柔性康复手套可实现手部伸展拉伸等康复训练,验证了该康复手套设计的有效性.     

基于RISC-V的IOMMU设计

在半导体技术受到管控的背景下,实现芯片的完全自主可控已成为现今半导体技术发展的重点.由于RISC-V具有开源、应用广泛的特性,研究RISC-V架构对于我国微处理器的自主可控具有重要研究意义.在微处理器系统中,由于物理资源的有限性和直接访问存储可能潜在危害, DMA访问I/O设备时将会受到诸多限制,从而影响访问性能.目前主流的方法是通过将I/O事务虚拟化,可以很好地解决这一问题.本文首次提出了一种基于RISC-V的I/O虚拟化架构,极大地加速了I/O访问进程,仅花费几个时钟周期就可快速完成I/O设备对内存的DMA请求.本设计将来可以作为IP,集成到RISC-V架构的处理器中,加速I/O设备对内存的访问.     

Mg-Zn-Y系镁合金的研究现状与展望

镁合金作为“21世纪的绿色工程材料”,在航空航天、汽车、电子等领域具有广阔的应用前景。在诸多镁合金中,Mg-Zn-Y合金由于其独特的组织结构和优异的力学性能而成为研究热点。综述了近年来Mg-Zn-Y合金的研究现状。介绍了Mg-Zn-Y合金的物相与显微组织,主要对其存在的三种平衡相进行了简介,即准晶I相（Mg₃YZn₆）、W相（Mg₃Y₂Zn₃）和LPSO-Z相（Mg₁₂YZn）;重点综述了主要合金元素（Zn、Y、Zr、Nd、Mn、Ca等）、变形加工处理对其微观组织及强韧化行为的作用规律,并总结了相应的铸态及变形态合金的力学性能。基于已有的研究基础展望了合金的未来发展方向。     

钎焊后自然时效对3003/6xxx/3003复合铝合金性能和组织的影响

以6xxx系铝合金为芯材,3003铝合金为两侧皮材,经熔炼、铸造、复合、热轧、冷轧及成品退火制备了厚度为1.5 mm的3层复合铝合金。在600 ℃下模拟钎焊,经空冷后进行1、5、10、15、20、25、30 d的自然时效。结果显示：复合铝合金的强度、维氏硬度在自然时效初期快速增加,20 d后上升缓慢,30 d时抗拉强度、屈服强度、芯材维氏硬度达到最大,分别为242.3 MPa、122.9 MPa、84.0;芯材晶粒尺寸钎焊后较钎焊前略微长大,经不同自然时效时间的芯材晶粒平均尺寸大小相当,表明自然时效不改变芯材晶粒的大小;钎焊后以及经自然时效之后芯材中标识出的第二相为不规则的AlFeSiMnCu相。