微计算机图象法在研究焊接电弧中的应用

微计算机图象法是微计算机应用的新发展。焊接电弧是一种强光、高温的热源,用一般方法研究它比较困难。本文采用红外摄象微计算机图象法对焊接电弧作用下温度场进行测定,获得直流TlG电弧焊接不锈钢时温度场变化的特征。对Ar+N_2混合气体保护钨极焊接电弧图象进行伪着色处理,获得清晰的电弧内部结构变化特征。实践表明,微计算机图象法研究焊接电弧有许多独到之处,它具有高速、准确、方便、形象等一系列优点,是一般方法无法比拟的。     

模拟型晶体三极管焊接电源的研制

本文介绍了利用国产元件研制成一台模拟型晶体三极管焊接电源,能适用于MAG、TIG、MIG焊,焊接性能良好。本电源能用于连续电流焊,也备有波形发生器,可输出方波、矩形波、三角波以及前沿带尖峰冲剌脉冲波,用于脉冲焊。本电源静态精度高,电压、电流稳定度也很高,当网路电压波动±10%时,输出电压和电流波动<±0.1%,频率响应反馈控制时为10KHZ。本电源还为MAG焊短路过渡时设计了电子电抗器,短路时间常数可以在很宽范围内任意调节,而且可以分别调节短路开始和短路后期的di/dt,也能限制短路峰值电流,以减少飞溅,这是一般电抗器不具备的功能。文中还对研制模拟型晶体三极管焊接电源中常遇到的大功率晶体管保护、振荡和脉冲频率等问题谈了自己体会。     

高频脉冲TIG焊的电弧控制及高频效应

本文通过研究脉冲焊电弧的电流、电压波形,发现电弧功率随频率增加而提高。由此提出自由电弧在脉冲电流作用下,其形态的动态过程属惯性系统的假设,并用20000幅/S的高速摄影进行了验证。通过对惯性系统电孤的可控性分析,发现自由电孤可由高频脉冲电流控制在非稳定状态上,此时电弧脉冲电压明显提高,这就是电弧的高频效应。本文还研究了影响高频效应的几个主要因素,着重分析了维弧电流的作用,提出高频时由于电弧的惯性,瞬间电流停止并不会导致电弧熄灭,因此得出高频焊不需要维弧电流的结论。     

激光加速质子束肿瘤治疗研究现状与展望

质子放射治疗是现代癌症治疗的重要手段之一,由于其精确的靶区剂量递送和良好疗效而得到了广泛的关注.基于高功率激光器的激光质子加速技术有望通过小型化和低复杂度等优势为质子治疗提供具有竞争力的加速方案.同时,激光质子束还具有宽能谱、超高瞬态流强和超短脉冲等特点,为探究超高剂量率放疗导致的生物学效应及可能的优势提供了有利的研究条件.在过去的数年里,我们借助北京大学紧凑型激光等离子体加速器以及在建的北京激光加速创新中心实验平台,陆续开展了涵盖激光质子加速、束流传输控制、辐射生物学和免疫学等方面的理论与实验研究,以探讨激光质子放疗的可行性与优势.本文从这些方面对国内外前沿研究进行了总结,并着重探讨了剂量递送与生物学效应方面的研究进展和面临的问题,最后对激光质子放疗的未来发展前景进行了讨论和展望.     

激光加速器装置CLAPA-II的研究进展

粒子加速器作为核物理科学中的核心仪器设备,是衡量综合国力的一项重要标志.常规粒子加速器已经有了百年的发展史,目前挑战主要集中在高流强、低发射度、更高加速梯度等方面.新加速机制的提出与研究是粒子加速器技术的新兴研究方向.由于激光与等离子体作用不存在击穿问题,产生的加速电场梯度远高于常规加速器,具有可以更加经济地实现高能粒子加速的潜力,一旦达到工程应用标准,将大幅降低加速器的建造应用门槛.但由于激光加速技术发展时间较短,在实际投入工程应用中仍面临很大挑战.为了实现激光加速技术从实验到实际应用的转化,在国家科技部和北京市的支持下,北京大学在怀柔科学城开展了激光加速器装置CLAPA-II的研发与建造.本文主要介绍了CLAPA-II装置的主要组成,以及关键核心技术相关研究进展.     

自行车前叉熔极气电焊的研究

自行车前叉焊接历来都采用盐浴钎焊,这种工艺弊病极多:如耗电大,劳动条件差,正品率低等。长期以来,人们试图改革未能成功。我们利用自己研制的晶体管焊接电源,采用高效、优质、节能、经济的细丝混合气体(Ar CO_2)熔极脉冲焊新工艺,通过精心地接头设计和工艺措施,成功地用熔极气电焊取代了盐浴钎焊。这在自行车焊接史上是一件重大的革新。不仅使正品率由75%提高到95%以上,而且有较高经济效益:节约大量电能和铜材、钢材。本研究成果已于1982年12月11日由天津市科委、经委组织鉴定,与会专家们认为此项研究为国内首创,有重大经济价值,建议在全国推广。     

好奇心驱动的深度强化学习机器人路径规划算法

针对采用深度强化学习算法实现机器人路径规划任务中,训练前期随机性高导致奖励难获取问题,提出内在好奇心驱动的深度确定性策略梯度算法对连续型动作输出的端到端机器人路径规划进行研究。将环境获取的感知信息作为输入状态,输出机器人动作(线速度、角速度)的连续型控制量,在Gazebo仿真平台进行训练并验证。实验结果表明,基于内在好奇心驱动的深度确定性策略梯度路径规划算法可以较好地实现端到端的机器人路径规划,并且有利于解决训练前期奖励难获取问题,与离散型动作输出的深度Q学习网络模型进行了对比分析,结果表明本文算法决策控制效果更优越。在真实环境中进行了验证,在静态障碍和动态障碍的场景下,所提出算法可成功到达目标点。