由碳纤维增强树脂基复合材料(CFRP)制成的圆管在钻削加工时,圆管表面与刀具相交形成相贯线形式孔边缘轮廓,随着刀具切削刃旋转至轮廓较低点过程中被切削材料的减少,切削刃外缘处从材料中切出,纤维在切削速度方向上为无未切削材料支撑的弱约束状态;随着切削刃旋转至较高点过程中被切削材料的增多,切削刃外缘处又切入材料,切削厚度的增加将带来更大的切削力,纤维与树脂基体之间更易开裂。文中对CFRP圆管钻削过程中切削刃切入、切出过程进行分析,得到其对入口、出口损伤的影响规律,通过实验分析了钻削具有不同表层铺层方向的CFRP圆管中切入、切出过程对入口、出口损伤的影响程度。结果表明,在钻削入口处曲面特征下切削刃切入、切出不同纤维铺向条件下的纤维时,产生损伤的角度范围与损伤面积均会增加,与切出过程相比,切入过程会造成...

静力学特性是超磁致伸缩薄膜（giant magnetostrictive thin film,GMF）的重要特性,对其进行准确的分析是应用GMF的基础.结合材料力学的相关理论,求解了不同尺寸、不同基底材料GMF双层悬臂梁的中性轴和等效惯性矩;将双层GMF悬臂梁的磁致伸缩作用等效为分布弯矩作用,建立了静态磁致伸缩过程中薄膜悬臂梁的挠曲线方程.采用悬臂梁式GMF进行变形特性的实验研究,证实了挠曲线方程的正确性,同时表明磁致伸缩过程中薄膜的磁学量与力学量呈一定的线性关系,为动态磁致伸缩效应的进一步分析研究奠定了理论基础.

从结构和性能上阐述了超磁致伸缩微型马达的原理及其在微机电系统中的应用状况.通过对国内外几种典型超磁致伸缩马达的原理性剖析,分析探讨了超磁致伸缩马达微型化、集成化以及高频振动等问题的解决途径与方法,为超磁致伸缩微型马达的进一步发展提供了的理论基础和研究方向.

为了研究所设计的坡莫合金压磁式测力传感器的线性度和灵敏度特性,在不同预载荷、不同测力范围,不同励磁频率条件下对传感器进行了线性度和灵敏度实验分析与研究。传感器的线性度用工作曲线与实际工作曲线之间的最大偏差与满量程输出之比来表示。通过对升回程各节点输出值分别取均值对线性度进行标定。实验发现：传感器的线性度和灵敏度随预载的增加而提高,随最大载荷的增大而降低;励磁频率的降低使传感器的灵敏度得到提高;在相同的最大载荷作用下,励磁频率的降低可明显改善传感器的线性度。为了研究所设计的坡莫合金压磁式测力传感器的线性度和灵敏度特性,在不同预载荷、不同测力范围、不同励磁频率条件下对传感器进行了线性度和灵敏度实验分析与研究。传感器的线性度用工作曲线与实际工作曲线之间的最大偏差与满量程输...

基于线性压磁方程、机电换能方程和阻抗分析理论，建立了超磁致伸缩执行器的矢量阻抗分析模型。模型中将执行器系统的矢量阻抗分为机械导纳和电气阻抗两部分讨论，在机械导纳中引入负载影响，将压磁系数定义为复常数，模拟磁滞效应；在电气阻抗中，通过在求解的超磁致伸缩材料内部磁场引入涡流影响项来模拟系统的非线性特性；两部分之和得出超磁致伸缩微位移执行器系统的矢量阻抗。实验结果显示，模型计算的系统矢量阻抗值与测量值间幅值误差约7％，相位误差约7．7％，表明所建立的模型能够近似描述系统在精密加工场合时的阻抗特性，可为超磁致伸缩微位移执行器的设计、控制和性能优化提供指导。

液压阀件系统是一个具有多几何要素影响——多系统特性的复杂系统,建立液压阀件系统特性预测模型,实现系统特性预测,将对降低液压阀件产品返修率、废品率具有重要意义。提出利用灰色系统理论的灰关联分析方法及径向基函数(RBF)神经网络实现液压阀件系统特性预测,通过SQLServer 2000、Visual C++6.0与Matlab 7.0三者之间的无缝联接,开发液压阀件系统特性预测软件。在实际生产中,利用该软件实现在装配前预测液压阀件产品装配后特性,避免因液压阀件产品装配后不合格返修带来的反复装拆工作。试验结果表明,所开发的液压阀件系统特性预测软件能够很好地满足工程实践中液压阀件系统特性预测要求。

液压阀件系统是一个具有多几何要素影响的多系统特性复杂系统,建立液压阀件特性预测模型,以系统多几何要素作为输入,实现系统特性的预测,将对实际生产具有重要的意义。在深入分析反向传播(Back propagation,BP)神经网络与径向基函数(Radial basis function,RBF)神经网络的基础上,结合两类神经网络的特点,提出基于BP神经网络与RBF神经网络的混合神经网络预测模型。利用生产实际中实测的某具体液压阀件特性值及影响该特性的各几何要素值作为预测模型的数据来源,对所提出的混合神经网络进行训练,并进行仿真。实例计算表明混合神经网络预测模型可提高单项神经网络预测模型的预测精度,预测平均相对误差为0.0461。可见,所提出的混合神经网络预测模型能够很好地满足工程实践中液压阀件特性预测要求。

液压阀件系统是一个具有多几何要素影响——多系统特性的复杂系统,建立液压阀件系统特性预测模型,实现系统特性预测,将对降低液压阀件产品返修率、废品率具有重要意义。提出利用灰色系统理论的灰关联分析方法及径向基函数（RBF）神经网络实现液压阀件系统特性预测,通过SQLServer 2000、Visual C＋＋6.0与Matlab 7.0三者之间的无缝联接,开发液压阀件系统特性预测软件。在实际生产中,利用该软件实现在装配前预测液压阀件产品装配后特性,避免因液压阀件产品装配后不合格返修带来的反复装拆工作。试验结果表明,所开发的液压阀件系统特性预测软件能够很好地满足工程实践中液压阀件系统特性预测要求。

液压阀件系统是一个具有多几何要素影响的多系统特性复杂系统,建立液压阀件特性预测模型,以系统多几何要素作为输入,实现系统特性的预测,将对实际生产具有重要的意义。在深入分析反向传播（Back propagation,BP）神经网络与径向基函数（Radial basis function,RBF）神经网络的基础上,结合两类神经网络的特点,提出基于BP神经网络与RBF神经网络的混合神经网络预测模型。利用生产实际中实测的某具体液压阀件特性值及影响该特性的各几何要素值作为预测模型的数据来源,对所提出的混合神经网络进行训练,并进行仿真。实例计算表明混合神经网络预测模型可提高单项神经网络预测模型的预测精度,预测平均相对误差为0.0461。可见,所提出的混合神经网络预测模型能够很好地满足工程实践中液压阀件特性预测要求。

针对液压阀件特性影响因素多的特点,提出利用主成分分析方法对多影响因素进行相关分析,根据各主成分的贡献率对液压阀件特性多影响因素进行重构,实现液压阀件多影响因素特征提取,从而用较少的主成分代替多影响因素。研究结果可以有效的降低液压阀件特性与多影响因素耦合规律的分析难度,同时提高液压阀件特性建模的鲁棒性,解决由于输入变量过多所造成的建模效率下降的难题。