论文部分内容阅读
燃气轮机制造集新技术、新材料、新工艺于一身,是典型的高精尖产品.简述了燃气轮机结构,分析了燃气轮机制造技术国内外现状,归纳了燃气轮机缸体部件精加工工艺,详细讲述了燃气轮机零部件叶根槽加工工艺,为燃气轮机零部件精加工国产化制造提供借鉴.
燃气轮机缸体精加工工艺研究
【摘 要】
：
燃气轮机制造集新技术、新材料、新工艺于一身,是典型的高精尖产品.简述了燃气轮机结构,分析了燃气轮机制造技术国内外现状,归纳了燃气轮机缸体部件精加工工艺,详细讲述了燃气轮机零部件叶根槽加工工艺,为燃气轮机零部件精加工国产化制造提供借鉴.
【机 构】
：
共享智能装备有限公司,宁夏 银川 750000
【出 处】
：
机械工程与自动化
【发表日期】
：
2021年6期
其他文献
介绍了一种水松纸激光异形打孔降焦技术.综合利用激光高功率密度特性、振镜的扫描功能、水松纸恒线速度运动机构以及控制算法集成了设备的构架,可根据用户需求实现水松纸微孔的曲线排列或者水松纸任意图形打孔工作,不仅能实现水松纸大透气度打孔降焦,同时也可以满足个性化需求,对烟草行业新产品的开发有着非常现实的意义.
针对谐波齿轮减速器中活齿体零件两侧圆弧槽批量加工设计了特殊的夹具,实现数控铣削快速对多个规格专门工件的装夹加工.通过实践证明,该夹具结构简单,容易制作,且可以一次装夹加工多种规格的零件,安装维护简便,大大减少了装夹工件的繁琐操作,提高了加工效率和铣削加工质量.
基于结构化SVM的目标跟踪由于其优异的性能而受到了广泛关注,但是现有方法存在正样本和负样本不平衡问题。针对此问题,该文首先提出一种用于目标跟踪的代价敏感结构化SVM模型,其次基于对偶坐标下降原理设计了该模型的求解算法,最后利用提出的代价敏感结构化SVM实现了一种多尺度目标跟踪方法。在OTB100数据集和VOT2019数据集上进行了实验验证,实验结果表明:该文方法相比相关滤波目标跟踪方法,跟踪精度较
为满足基于旋翼无人机(UAV)载具的室外目标检测所需的低资源开销混合噪声抑制,该文提出一种基于图像局部曲面可展化的混合噪声抑制算法(DLS),该算法实现了局部曲面可展化算法和分层降噪算法优势互补,达到了两算法各自无法企及的降噪效果。首先,对图像进行局部可展化处理,抑制图像的椒盐噪声和低密度高斯噪声,得到初步降噪图像;接着,在空间域和傅里叶域分层降噪,在去除高斯噪声残余的同时,最大限度地保留图像边缘
采用飞秒激光螺旋制孔方式加工AlN陶瓷跑道孔,分析了进给量对跑道孔加工形貌、尺寸及效率的影响.在确保加工质量的前提下,以提高制孔效率为目标优化工艺参数,制孔时间可缩短约80％,跑道孔锥度仅增大约2°;对跑道孔壁进行了元素含量测试,结果表明A lN陶瓷在加工区域发生了氧化反应.
利用光学字符识别方法对印章文字进行检测与识别,能够加快各类合同的分类处理速度与鉴别效率。该文针对圆形印章文字呈环形排列的特点,利用极坐标展开对印章文字进行预处理,克服了印章文字方向不统一的问题。对于展开后上下起伏的文本区域,利用带角度信息的联结文本提议网(CTPN)对印章文字区域进行检测,并使用贝塞尔拟合文本区域,实现了对印章区域的准确检测。最后利用注意力转移机制和该文匹配算法对检测的文字区域进行
胶囊网络是一类有别于卷积神经网络的新型网络模型。该文尝试提高其泛化性和精准性:首先,利用变分路由来缓解经典路由对先验信息依赖性强、易导致模型过拟合的问题。通过使用高斯混合模型(GMM)来拟合低级矩阵胶囊,并利用变分法求取近似分布,避免了参数最大似然点估计的误差,用置信度评估来获得泛化性能的提高;其次,考虑到实际数据大多无标签或者标注困难,构建互信息评价标准的胶囊自编码器,实现特征参数的有效筛选。即
典型相关分析(CCA)作为一种传统特征提取算法已经成功应用于模式识别领域,其旨在找到使两组模态数据间相关性最大的投影方向,但其本身为一种无监督的线性方法,无法利用数据内在的几何结构和监督信息,难以处理高维非线性数据。为此该文提出一种新的非线性特征提取算法,即图强化典型相关分析(GECCA)。该算法利用数据中的不同成分构建多个成分图,有效保留了数据间的复杂流形结构,采用概率评估的方法使用类标签信息,
对高速EA4T车轴钢的低温性能进行了研究.在成分方面,通过加入一定量的Nb和0.04％ 的V,严格控制对低温冲击影响较大的元素(Ti)含量,提升EA4T钢的低温冲击性能;在冶炼方面,经电渣重熔使得非金属夹杂物球化和细小化,降低非金属夹杂物对低温性能的影响;在车轴热处理工艺方面,通过选择合理的热处理工艺参数以获得稳定的低温冲击性能.
采用深度学习对钢铁材料显微组织图像分类,需要大量带标注信息的训练集。针对训练集人工标注效率低下问题,该文提出一种新的融合自组织增量神经网络和图卷积神经网络的半监督学习方法。首先,采用迁移学习获取图像数据样本的特征向量集合;其次,通过引入连接权重策略的自组织增量神经网络(WSOINN)对特征数据进行学习,获得其拓扑图结构,并引入胜利次数进行少量人工节点标注;然后,搭建图卷积网络(GCN)挖掘图中节点