体育器材SAE1008低碳钢高速磨削砂轮工艺优化

利用CBN砂轮高速磨削处理技术,对体育器材用SAE1008钢开展单因素测试,对比了不同磨削工艺下表层残余应力变化特征,并分析了相关影响因素。研究结果表明:当砂轮线速度到达60m/s时,获得了较大切向力,残余压应力相对其它工艺条件明显减小。当砂轮进给速增大后,形成线性降低的残余压应力,获得了更大比磨削能和更小残余压应力。位于(0.5~0.6)mm/min范围内呈现拉应力状态,应力作用造成的层深介于(100~150)μm,形成了更高磨削温度。230/270砂轮相对其它砂轮在磨削阶段形成更小表面残余应力,沿深度方向也产生了残余拉应力。该研究为设计减小残余拉应力以及改善钢材工件表面组织结构完整性的高速磨削技术提供了一定的参考价值。

淬回火与等温淬火对SAE6150钢组织和力学性能的影响

对SAE6150钢进行淬回火和等温淬火热处理试验,分析了不同回火温度和等温温度对其组织和性能的影响。结果表明,SAE6150钢的回火组织主要由回火马氏体和残余奥氏体组成。随回火温度的升高,回火马氏体板条状形态逐渐消失,渗碳体和合金碳化物尺寸增大,数量增多。经等温淬火后,组织以贝氏体为主,随等温温度的升高,铁素体形态由细针状变为羽毛状。力学性能方面,随回火温度的升高,SAE6150钢的硬度、屈服强度和抗拉强度减小,断面收缩率和伸长率增大。对比等温淬火和回火SAE6150钢的力学性能后发现,在断面收缩率和伸长率相近的情况下,低温等温淬火试样表现出更高的硬度和强度。

热处理对差速器齿轮用SAE4320H钢组织及性能的影响

SAE4320H往往用于耐冲击耐磨损的高端制造业零件,热轧状态或退火状态进行锻造,其热处理相关的研究较少。为探究不同热处理下组织转变和力学性能的变化,将一炼钢通过BOF-LF-VD-CC工艺生产的差速器齿轮用SAE4320H钢采用水淬、油淬、空冷和炉冷的热处理工艺进行冷却并测定力学性能。试验结果表明:淬火对齿轮用SAE4320H钢的屈服强度和抗拉强度有着明显的提升,其中水淬的屈服强度和抗拉强度最高,但塑性最差。925℃正火-880℃淬火-180℃回火后,水淬得到回火马氏体组织,油淬得到回火马氏体+回火贝氏体+少量铁素体组织,空冷得到P+B+F组织,炉冷得到P+F组织。

基于SAE J1772协议的车载取电模块设计

阐述一款包含控制与通信的车载取电模块设计,该模块集成电源、采集、驱动及通信的硬件电路,采用AC7811QBFE单片机控制,符合SAE J1772标准,可通过蓝牙实时监控数据。

基于SAE模型和Play算子的矢量磁滞模型研究

构建精确的矢量磁滞模型对电工装备电磁场数值分析是必要的。本文基于深度堆叠自编码器(SAE)模型结合磁滞算子空间理论提出了一种矢量磁滞模型。在模型结构中利用多个Play磁滞算子构建算子空间,样本中的磁场强度数据输入算子空间生成高维磁化状态矢量数据。该数据作为SAE模型的输入,利用SAE模型表征磁化状态矢量数据与模型输出磁感应强度的复杂非线性关系。通过训练样本生成的数据构建训练集和训练模型,获得SAE模型的参数。对测试数据的拟合结果表明:构建的模型可以有效地描述铁磁材料在旋转磁化情况下的非线性特性和各向异性。同时,对模型施加螺旋励磁,输出表明构建的模型可以有效地体现材料的矢量磁化特性。

轿车悬架弹簧用SAE9254弹簧钢盘条开发

介绍了轿车悬架弹簧用SAE9254弹簧钢盘条的生产工艺流程,通过合理的成分设计、冶炼工艺控制、轧制加热和冷却工艺控制,成功试制出轿车悬架弹簧用热轧弹簧钢盘条。SAE9254弹簧钢化学成分、力学性能、非金属夹杂物、晶粒度和脱碳层满足客户要求。用户热处理后强度可以达到2 000 MPa级,钢丝冷卷弹簧后进行疲劳测试,其疲劳寿命可以满足悬架弹簧的要求。

FSAE赛车弯道气动特性数值模拟与试验研究

为研究FSAE赛车处于弯道工况下的气动特性,建立一简化FSAE模型,使用重叠网格方法对直道和弯道工况分别进行数值仿真。并对八字绕环进行道路试验,与数值仿真进行验证。结果表明:赛车在弯道工况中气动力发生较大变化,气动阻力增加1.5%,气动下压力增加6.5%,赛车在弯道中产生额外气动力矩,导致赛车趋于转向不足。在弯道内外侧,车身压力分布不对称趋势,侧倾角的存在是扩散器与底板下压力增大的主要原因,前轮转角影响了前翼涡流的运动,减小了前翼下压力。在八字绕环试验中测得整车下压力为121.9 N,与整车模型数值仿真相比,误差约1.6%。

基于数值模拟分析CBN刀具车削参数对SAE-5120钢残余应力的影响

零部件表面的残余应力对其屈服极限、疲劳寿命有很大影响,残余拉应力与压应力对零部件的疲劳影响也存在差异。本试验主要研究CBN刀具切削SAE-5120钢时的表面残余应力,利用有限元数值分析方法设计不同切削速度、进给量和背吃刀量等切削参数,分析CBN刀具切削SAE-5120钢的表层应力状态以及切削用量对残余应力的影响,优化产生最小残余应力的切削参数,并结合极差法分析切削速度、进给量和背吃刀量对残余应力影响的显著度。有限元结果表明:采用CBN刀具切削SAE-5120时,工件表层会产生残余拉应力;切削速度对残余应力的影响最显著,其次是进给量;切削速度为200m/min和进给量为0.2mm/r时,工件表层残余应力最小。

SAE J403钢制驻车齿轮淬火层深度超声非线性表征

汽车电子驻车齿轮主要由SAE J403碳素钢制成,在其生产过程中,需要对SAE J403进行高频感应淬火过程,由于材料本身或淬火工艺上的差距,会造成齿轮表面形成不同厚度的淬硬层,从而影响齿轮的材料性能和力学性能。通过超声检测装置完成对不同淬硬层厚度碳素钢的信号采集,对采集的超声信号做频谱分析(快速傅里叶变换),获得超声信号基波幅值和二次谐波幅值计算出评定淬硬层深度的非线性超声系数。结果表明,随着淬硬层深度的增加,碳素钢的非线性系数呈现出不断上升的趋势。由此利用非线性超声系数实现对不同淬硬层厚度的碳素钢深度表征。

基于多SAE的机械臂运行可靠性深度特征提取与融合

在对机械臂系统运行可靠性进行综合评估时,针对现有工程应用中特征提取的层次结构和评估指标较为单一的问题,提出一种基于多稀疏自编码器(SAE)的深度融合特征构建方法。首先在多维统计特征提取的基础上,引入变分模态分解下各模态分量的样本熵特征,然后采用SAE对统计特征进行多层次的编码与解码,并以设备退化性能的标签值对整个SAE结构模型参数进行反向微调,从而将系统各关键部位的退化信息融入到SAE模型中,最后采用深度神经网络模型对系统运行可靠性进行评估。试验结果表明,提出的基于多SAE模型可自适应地提取出更能表征机械臂运行可靠性的深层融合特征,能有效提高后续评估模型的准确性和鲁棒性。

SAE J434 D700铸态材料熔炼方法探索

介绍了SAE J434 D700材料特性,深入研究了化学成分对基体组织的影响,制定了通过调整C、Si、Mn、P、S五大基本元素和合金元素Mo、Cu、Sn的配比,以冲入球化处理方式、二次孕育处理的铸态熔炼方法,此方法实施后获得性能良好的SAE J434 D700材料,各项性能指标均符合技术要求。

基于CEEMDAN-HT和SAE的直流故障电弧诊断方法研究

为了解决直流系统中工况变动及负载变更条件下造成的故障电弧识别准确率低的问题,提出了一种基于自适应噪声的完全集合经验模态分解-希尔伯特(complete ensemble empirical mode decomposition with adaptive noise-Hilbert transform,CEEMDAN-HT)包络谱和堆叠自编码器(stacking automatic encoder,SAE)的直流串联故障电弧诊断方法。首先参考雄安高铁站区直流系统典型负载搭建含混合负载的直流串联故障电弧实验平台,采集多工况下的电流信号并建立故障电弧数据库。其次采用CEEMDAN对原始信号进行分解得到多个固有模态函数(intrinsic mode function,IMF),然后进行HT变换(Hilbert transform)分析包络谱,组成首尾相接的高维特征样本,最后将样本输入SAE模型中学习特征,实现变负载下的直流故障电弧识别。实验结果表明:该方法能够很好地发挥CEEMDAN-HT从原始信号中提取故障电弧特征和SAE无监督学习的能力,不需要人工设置阈值即可准确识别故障电弧并进行负载分类,平均准确率可达98.9%。

CMWPE结合SaE-ELM的轮对轴承故障诊断方法

针对DF4型内燃机车轮对轴承不同故障状态的判别问题,提出了一种基于复合多尺度加权排列熵(Composit multiscale weighted permutation entropy, CMWPE)和自适应进化极限学习机(Self-adaptive evolutionary extreme learning machine, SaE-ELM)的机车轮对轴承故障识别方法。CMWPE基于复合粗粒化和加权排列熵的思想,能很好地区分信号的不同模式。SaE-ELM通过自适应进化算法对极限学习机的输入权重、隐含层参数和输出权重进行优化,解决了ELM随机选取网络参数的局限性,提高了网络的泛化性能。计算机车轮对轴承不同健康状态下振动信号的CMWPE,利用SaE-ELM识别轴承所属故障类型及故障程度。在机务段的JL-501轴承检测台上采集了7种不同健康状态的轮对轴承试件的振动信号数据。结果表明:CMWPE特征提取效果优于MPE和MWPE;SaE-ELM模式识别效果优于参数不经优化的ELM。所提方法能够有效诊断机车轮对轴承的不同故障,且故障识别率达到100%。

基于SAE和GNDO-SVM的脑电信号情绪识别

情感计算是现代人机交互中的关键问题,随着人工智能的发展,基于脑电信号(electroencephalogram, EEG)的情绪识别已经成为重要的研究方向.为了提高情绪识别的分类精度,本研究引入堆叠自动编码器(stacked autoencoder, SAE)对EEG多通道信号进行深度特征提取,并提出一种基于广义正态分布优化的支持向量机(generalized normal distribution optimization based support vector machine, GNDO-SVM)情绪识别模型.实验结果表明,与基于遗传算法、粒子群算法和麻雀搜索算法优化的支持向量机模型相比,所提出的GNDO-SVM模型具有更优的分类性能,基于SAE深度特征的情感识别准确率达到了90.94%,表明SAE能够有效地挖掘EEG信号不同通道间的深度相关性信息.因此,利用SAE深度特征结合GNDO-SVM模型可以有效地实现EEG信号的情绪识别.

SAE1008、SAE1010出口盘条的生产

介绍了SAE1008、SAE1010出口盘条的生产情况,探讨了控轧控冷工艺参数对组织、性能的影响,并针对存在的问题采取了改进措施。

SAE J300新规格增加了SAE8和SAE12两种黏度级别

2015年1月20日,SAE修订并发布了最新的内燃机油黏度级别分类标准SAE J300,增加了更轻的黏度级别SAE 8和SAE 12。工作组按照日本本田汽车公司的要求定义了这两种黏度级别。SAE 8：100℃运动黏度4.0~6.1mm2/s,150℃高温高剪切动力黏度不小于1.7mPa·s。SAE 12：100℃运动黏度5.0~7.1mm2/s,150℃高温高剪切动力黏度不小于2.0mPa·s。

基于机器学习的SAE患者30天死亡风险预测模型

脓毒症相关性脑病(SAE)是指在患脓毒症过程中发生的脑功能障碍,其与脓毒症患者短期死亡率的上升有关。本文从MIMIC数据库中抽取相关的脓毒症患者数据,其中SAE被定义为患脓毒症且GCS分数小于15分。使用RFE算法筛选出影响SAE患者30天死亡率的危险因素,对SAE病例数据采用逻辑回归、GBDT、XGBoost三种算法建立30天死亡风险预测模型。实验结果表明,GBDT算法的预测效果优于另外2种算法,其准确率为78.6%,AUC为78.3%,该模型能够对SAE患者30天死亡情况进行较为准确的预测。

基于SAE J1939协议的发动机虚拟仪表及故障诊断系统开发

针对具有SAEJ1939CAN总线接口的发动机控制器,开发了基于CAN总线的发动机虚拟仪表及故障诊断系统。该系统采用周立功公司开发的CAN转USB卡作为发动机控制器总线和PC机的硬件接口,采用NI公司的LabVIEW软件平台开发显示界面程序及CAN总线通信程序。该系统除可实现虚拟仪表及发动机故障诊断外,还可实现基于总线的发动机油门控制、发动机调速功能切换等功能,实现了基于总线的发动机控制。

SAE J1939协议栈设计及μC/OS-Ⅱ系统下的开发平台的研究

设计了SAE J1939协议栈。它采用分层结构,定义了相应的报文数据结构,并实现了分段传输功能。以该协议栈为核心,提出了一种基于μC/OS-Ⅱ的SAE J1939汽车ECU通用开发平台。通过一个客车用汽车仪表的开发实例,验证了SAE J1939协议栈及该ECU通用开发平台的正确性。应用此协议栈和通用开发平台,ECU的研发只需编写针对应用的代码,大大缩短了汽车ECU产品的开发周期。

基于SAE模型非光滑表面对气动减阻的影响

以SAE汽车模型为研究对象,采用计算流体力学数值模拟方法研究非光滑表面布置位置对气动性能的影响。通过对SAE汽车模型的不同位置(侧部、底部、顶部、前部、尾部)布置凹坑型非光滑表面,计算SAE汽车模型的空气阻力系数,比较光滑表面与非光滑表面的流线、速度矢量以及压力,分析非光滑表面气动减阻机理和减阻效果差异的原因,根据分析结果得到了合理且能够减阻的汽车非光滑表面布置位置。