飞机液压导管裂纹的超声表面波检测

来源 :无损检测 | 被引量 : 0次 | 上传用户:bhf0520
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
针对飞机液压导管的疲劳裂纹提出了一种超声表面波检测方法,根据裂纹形貌及导管端头的结构特点,设计制作了对比试样和频率为7.5 MHz的四通道表面波聚焦探头,匹配专用夹具工装和高信噪比的四通道探伤仪可实现长为3 mm,深为0.1 mm的平管嘴根部缺陷以及长为3 mm,深为0.14 mm的喇叭口根部缺陷的检测。该方法解决了导管内液压油、装配及遮挡等多种因素的干扰问题,达到了操作便捷和检测结果可靠的目的,满足了在役检测的需求,可为同类型薄壁导管的检测提供借鉴。
其他文献
针对目前微波探测脑中风成像系统中天线单元高增益、定向辐射、小型化等需求,设计了一款尺寸为0.28λ×0.28λ×0.17λ(其中λ为天线最低工作频率所对应的工作波长)的平面定
新的作战样式出现和平台多功能一体化的发展趋势,对传统的雷达、电子战、通信装备构成了巨大挑战,也对其中的天线阵面提出了更高的技术要求.来自于需求的牵引和新技术的推动,
T/R组件为满足低剖面的设计要求,收发开关一般采用集成度较高的单刀双掷(SPDT)开关设计方案,然而有源相控阵天线大角度扫描时随着有源电压驻波比的增大,会导致T/R组件与天线辐射单元阻抗失配。文中分析了该阻抗失配问题,并对采用SPDT开关的T/R组件进行了阻抗失配实验,从发射输出峰值功率、组件发射效率、发射通道相位三个方面定量分析了T/R组件输出端口阻抗失配对发射性能的影响,并将该T/R组件应用于有源相控阵天线,通过测试等效全向辐射功率(EIRP)进一步讨论其影响。
针对宽带多波束网络的需求,设计了一个32天线端口,24波束端口,扫描±45°基于带状线形式的Rotman透镜.通过全场仿真计算,分析了透镜波束端口到阵列之间S参数的幅度、时延特性
提出一种通过调整天线单元之间的激励幅度而非相位来控制天线波束指向的方法.从全息干涉原理出发计算得到特定波束指向下各个单元的激励幅度值,根据该值对一维天线阵中各个单
提出了一种小型二端口超宽带(UWB)多输入多输出(MIMO)天线。该天线由两个相同的矩形单极子和缺陷地结构(DGS)组成,通过改进阶梯形微带馈电线,在介质基板底层和顶层添加H形枝节,并在辐射贴片上添加矩形条,提高了天线的带宽和隔离度。实验结果表明:该天线在1~20 GHz工作频带内的隔离度大于21 dB,包络相关系数小于0.02。实测与仿真结果相符,表明该天线适用于UWB MIMO系统,且该天线结构紧凑,尺寸仅为22 mm×29 mm×0.8 mm,可用于便携式通信设备。
凯斯纽荷兰工业集团(纽交所:CNHI/米兰证交所:CNHI)宣布,与美国精准农业技术领导者Raven工业公司(纳斯达克:RAVN)达成协议,以每股58美元的价格收购其100%股权。此收购价格较Raven工业公司4周成交量加权平均股价溢价为33.6%,总收购金额达到21亿美元。凯斯纽荷兰工业集团将以现金方式支付本次交易。交易预计在2021年第四季度完成,取决于满足通常的交割条件,包括获得Raven工业公司股东和监管机构的批准。
针对自动驾驶、车联网等新技术场景下汽车天线整车性能测试的新需求,借鉴近年来近场测量技术的研究成果,设计采用半球面近场与平面近场相结合的方式,集成了一套汽车天线整车测试系统。系统基于8 m直径的方位转台实现了中小型汽车的车载天线测试定位,基于12 m直径的弧形多探头采样架实现了400 MHz~6 GHz工作频段内的车载通信天线半球面近场测试,基于扫描行程为宽3 m高2.5 m的单探头采样架实现了6~80 GHz工作频段内的车载雷达天线平面近场测试。在校准场内,以定标喇叭天线作为系统性能验证天线进行远近场测试
从高性能计算技术看,其发展主要受限于网络性能。在通信速度方面,面向存储及计算的网络,其发展都要比CPU落后一些。多功能芯片是一款用于航空领域的实现域内域间通信及分布式计算的嵌入式芯片,因此对芯片间的通信网络性能提出了新的要求。该文从多功能芯片应用需求出发,针对蒙皮系统对多功能芯片的组网要求,先简单介绍了自组网和分布式计算的概念和特点;然后从概念、协议、特点、性能等方面对当前主流的无线组网方式ZigBee、蓝牙、802.11ac、802.11ad(WiGig)、802.11ax和有线组网方式10G以太网、F
推荐系统可以有效地缓解信息过载,帮助用户从海量数据中筛选其偏好的内容。目前应用最普遍的推荐算法,如协同过滤,普遍存在着数据稀疏、冷启动、特征提取不充分等问题。把电影推荐作为研究对象,提出了融合深度学习和矩阵分解的LM-SVD推荐算法。以多层感知机MLP和长短期记忆网络LSTM的组合模型学习用户、电影属性数据及文本数据,获取用户和电影的深层特征表示。接着以BiasSVD矩阵分解模型学习用户电影评分数据,获取用户和电影的潜在隐特征向量,并与深度学习阶段获得的深层特征向量相融合。改进矩阵分解的预测评分和损失函数