双相钛合金Ti-6Al-4V微观缺陷疲劳演化的片层结构分布效应

本文研究疲劳载荷作用下双相钛合金Ti-6Al-4V中片层结构对微观几何缺陷区域演化的影响.基于晶体塑性有限元(Crystal Plasticity Finite Element, CPFE)理论,建立含微观椭圆缺陷的双相片层代表性体积单元(Representative Volume Element, RVE)模型,通过调控缺陷附近的微观组织形貌,使缺陷两端分别出现单相结构和片层结构,以突出双态合金中片层结构分布对微观缺陷演化的影响.模拟结果表明,位于微观缺陷两侧的晶粒,片层结构的应变敏感性更大,应变沿缺口环向和沿晶内均呈不连贯波动.片层结构通过调节晶内应变,扩大承载范围,可提高双相钛合金的抗疲劳特性.这一研究结果可为双相钛合金的疲劳裂纹萌生提供一个新的解释途径.

大数据下机械装备故障的深度迁移诊断方法

机械故障智能诊断是大数据驱动下保障装备安全运行的重要手段。为准确识别装备的健康状态,智能诊断需要依靠充足的可用监测数据训练智能诊断模型。而在工程实际中,机械装备的可用数据稀缺,导致训练的智能诊断模型对装备健康状态的识别精度低,制约了机械故障智能诊断的工程应用。鉴于实验室环境中获取的装备可用数据充足,即数据的典型故障信息丰富、健康标记信息充足,且此类数据与工程实际装备的监测数据间存在相关的故障信息,提出机械装备故障的深度迁移诊断方法,将实验室环境中积累的故障诊断知识迁移应用于工程实际装备。首先构建领域共享的深度残差网络,从源自不同机械装备的监测数据中提取迁移故障特征;然后在深度残差网络的训练过程中施加领域适配正则项约束,形成深度迁移诊断模型。通过实验室滚动轴承与机车轴承的迁移诊断试验对提出方法进行验证,试验结果表明:提出方法能够运用实验室滚动轴承的故障诊断知识,识别出机车轴承的健康状态。