XiaoMi-AI文件搜索系统
World File Search System焊件
同轴线激光增材制造工艺参数和头部方向对焊珠几何形状的影响
摘要。在金属材料的定向能量沉积 (DED) 工艺中，线激光增材制造 (WLAM) 的特点是使用激光束熔化金属线并产生焊珠。重叠焊珠的连续沉积产生体积以获得零件。因此，控制焊珠的几何形状对于增材制造工艺至关重要。一些研究工作已经研究了这些几何形状以及主要制造参数对其尺寸的影响，但很少有研究进料方向或线角度的影响。此外，所有关于线角度的研究都是在横向进料和恒定激光方向下进行的。本文重点研究了同轴线进料的沉积头方向对焊珠几何形状的影响，其中有 3 束激光。以相对于水平基板的不同方向进行实验，并使用光学仪器测量外部轮廓，以提取平均轮廓和特征尺寸。结果表明，头部绕其轴线旋转和横向倾斜会影响焊珠的高度、宽度和不对称性。
通过熔池监测进行焊珠几何形状预测的数据驱动方法
在增材制造领域，选择工艺参数以避免过度和不足沉积需要耗费时间和资源的反复试验。鉴于每个部件几何形状的独特特征，迫切需要推进实时过程监控和控制，以确保一致和可靠的部件尺寸精度。这项研究表明，支持向量回归 (SVR) 和卷积神经网络 (CNN) 模型为实时过程控制提供了一种有前途的解决方案，因为这些模型能够高精度地识别复杂的非线性模式。我们设计了一个新颖的实验来比较 SVR 和 CNN 模型的性能，以从单层单珠构造的熔池同轴图像间接检测珠高。研究表明，使用从同轴光学摄像机收集的熔池数据训练的 SVR 和 CNN 模型都可以准确预测珠高，平均绝对百分比误差分别为 3.67% 和 3.68%。 [DOI: 10.1115/1.4062800]
不锈钢与低碳钢板的钨极气体保护焊综述
由于焊接电流会影响电极烧尽速度、熔合深度和焊件几何形状，因此它是电弧焊工艺中最重要的变量。焊道形状、焊接速度和焊接效率都受电流影响。由于直流电极负极 (DCEN)（正极性）产生更好的效果，因此电极正极 (DCEP) 上的焊接穿透深度和行进速度更大，并且它用于大多数 GTAW 焊接（反极性）。反极性允许电极尖端快速升温并在气体钨中降解。因为阳极比阴极升温更快。气体钨电弧焊中的较高电流会导致飞溅和工件损坏。同样，在气体钨电弧焊中，较低的电流设置会导致填充焊丝粘住。为了沉积等量的填充物，必须长时间施加高温。因此，对于较低的焊接电流，通常会看到更大的热影响区域。在固定电流模式下调整电压以保持电弧电流稳定 [3,4]。与其他焊接工艺相比，我们通常通过钨极惰性气体焊接实现无缺陷接头。让您更好地控制焊接，从而实现更快、更高质量的焊接。另一方面，GTAW 比大多数其他焊接方法复杂得多，难以跟踪，而且速度要慢得多。填充金属通常被使用，但是一些焊接（称为自熔焊或组合焊）不需要它。这种方法提供了竞争方法，例如焊接技术包括屏蔽金属电弧焊和气体金属电弧焊。
激光-电弧复合焊接在低温钢中的应用
* 通讯作者：ivan.bunaziv@ntnu.no 摘要 近年来，激光电弧混合焊接 (LAHW) 在造船和石油天然气工业中的应用越来越广泛。与传统的电弧焊接工艺相比，它具有许多优势，因此广受欢迎。激光束源可用于实现更高的穿透深度。通过电弧源将填充焊丝添加到工艺区域，可以提高机械性能，例如在低温下具有更高的韧性。因此，LAHW 是一种有前途的低温服务工艺。由于深而窄的接头中整个焊缝金属中填充焊丝分布不均匀，导致工艺稳定性和机械性能下降，因此 LAHW 的适用性受到关注。这会导致焊缝根部的机械性能下降以及凝固裂纹问题。根部的快速冷却速度会产生硬而脆的微观成分，从而降低低温韧性。数值模拟和实验观察表明，增加激光束的热输入是降低冷却速度的有效方法，例如也可以通过预热来实现。关键词：激光束；复合焊接；微观组织；韧性；数值模拟 1. 引言
SSC-199 - 船舶结构委员会
船舶建造中最近的一项发明是使用屈服强度为 100,000 psi 的高强度低合金钢作为船体结构元件，从而实现独特的设计概念。这一应用是重要的一步，但材料的行为需要进一步定义。为了船东、设计师和制造商的利益，船舶结构委员会发起了一个项目，以确定应使用哪些机械性能作为判断性能的标准，评估大型焊件以确定标准是否合适，并选择与大型试验相关的小型实验室试验。对造船厂和船舶修理厂的调查显示，这些新材料仅用于船体的关键强度元件。焊接程序通过爆炸膨胀试验进行鉴定，以确定安全操作温度极限。对这些材料及其焊接件的性能的调查表明，热影响区可能比未受影响的基板更容易出现裂纹并发展，但结论是需要更多的数据来建立适用性标准。建议进行实验室调查，以确定环境和循环应力对缓慢裂纹发展的影响，并确定焊接件的断裂韧性，包括残余应力和冶金和几何不连续性的影响。
镍和镍基合金的焊接和钎焊...
在焊接操作过程中用于保护焊缝和焊接电弧免受大气污染。氧气、氮气、水蒸气以及空气和车间气氛中的其他成分都可能对焊件有害。在连接过程中，有几种气体用于保护镍和镍基合金。最常见的是氩气、氦气、氩气-氦混合气和氢气。氩气和 1% 氧气混合气也用于焊接有限数量的合金（参考文献 1）。当使用气体进行连接时，建议使用特殊的高纯度等级；这些高纯度等级可在市场上买到。最近一份关于 Inconel 600 气体钨电弧焊件的报告强调了这一点（参考文献 2）。结论是，氩气保护气中相对少量的杂质元素（特别是氧气）对电弧的熔化效率有很大影响。总杂质含量从 690 ppm 增加到仅 2440 ppm 导致焊接渗透率下降约 50%。虽然这些杂质水平远高于
单元化程序瓦片，m3，每件 3 件用于装甲......
H. 使用任何捆扎带时，必须进行 [ARE] 操作以确保捆扎带接头下侧的末端至少超出密封件 6 英寸，捆扎带需要额外的最小长度，以便随后收紧松动的捆扎带。通过使用送料轮张紧工具（手动或气动）并应用一个额外的密封件，无需更换捆扎带或拼接捆扎带即可完成重新张紧。
飞机装配中部件数字孪生的位移场感知方法
摘要：核心部件全场位移感知与数字孪生在航空制造等精密制造行业中发挥着至关重要的作用。本文提出一种在线多点位移监测与矩阵补全理论相结合的实时全场位移感知方法。首先，建立基于多点观测信息的全场位移感知概念模型。为获得核心部件的全场位移，将部件划分为丰富的离散点，包括观测点与未观测点，并在此基础上建立观测点与全场位移之间的对应关系。然后，提出全场位移感知模型的求解方法。基于矩阵补全原理和仿真大数据，采用最优化问题建立模型，并给出伪代码。最后，进行全场位移感知实验。重复实验表明，采用该方法计算的位移最大误差小于0.094 mm，中值误差小于0.054 mm，平均时间小于0.48 s，有利于满足大型飞机装配对精度和效率的高精度要求。
电信的大型生成AI模型：下一件大事？
摘要 - 生成人工智能（Genai）的演变构成了在不同方面重塑技术未来的转折点。无线网络特别是随着自我发展网络的开花，代表了一个丰富的领域，用于利用Genai并获得几种好处，这些收益从根本上可以改变当今无线网络的设计和操作方式。是特定的，大型的Genai模型被设想开放一个自主无线网络的新时代，在该时代中，可以微调进行多种电信数据训练的多模式Genai模型，以执行几个下游任务，消除了为每个特定任务的构建和培训型号的构建和培训的培训的需求，并为每个人提供了人工通用的通用型号（启用人工通用的工程）（启用人工通用的工程）（启用人工通用的工程）（启用人工通用）（agi og ogig of Miatsem Inter-egi）。在本文中，我们旨在展现可以从将大型Genai模型集成到电信域中获得的机会。尤其是我们首先强调了大型Genai模型在未来的无线网络中的应用，从而定义了潜在用例并揭示了对相关的理论和实际挑战的见解。此外，我们推出了6G如何通过连接多个设备大型Genai模型来打开新的机会，因此，为集体智能范式铺平了道路。最后，我们对Genai模型将成为实现自我发展网络的关键提出了前瞻性的愿景。
湿件中的神经形态工程：最新进展及其前景
联合国大会（2015 年）制定了一项议程，其中包含 17 个目标，需要在全球范围内到 2030 年实现，以促进可持续的未来。实现这些目标需要设计和实施更有效的战略来管理复杂系统，包括人类及其社会、世界经济、城市地区、自然生态系统和气候（Gentili，2021a）。一项有前途的战略，即正在蓬勃发展的战略，依赖于人工智能 (AI) 和机器人技术的发展。人工智能帮助人类收集、存储和处理监测复杂系统不断演变所需的大数据（Corea，2019 年）。人工智能还帮助我们下定决心控制复杂系统的行为。硬机器人和软机器人让人类能够进入原本无法进入的环境。例如，它们帮助我们（1）研究其他行星的地球化学特征、考察海洋深渊以发现新的贵重材料和能源矿藏；（2）进入人体内部器官进行侵入性较小的手术；（3）在肮脏或危险的地方工作。开发人工智能的主要传统方法有两种（Lehman 等人，2014 年；Mitchell，2019 年）。第一种方法是编写在基于冯·诺依曼架构的电子计算机上运行的“智能”软件，该架构的主要缺点是处理单元和存储单元在物理上是分开的。一些软件模仿严谨的逻辑思维，而另一些软件模仿神经网络的结构和功能特征来学习如何从数据中执行任务。开发人工智能的第二种方法是在神经假体的硬件中实现人工神经网络，或设计类似大脑的计算机，将处理器和内存限制在同一空间中（所谓的内存计算；Sebastian 等人，2020 年）。如果人工神经网络由硅基电路或无机忆阻器制成，则它们是刚性的；如果基于有机半导体薄膜，则它们是柔性的（Christensen 等人，2022 年；Lee and Lee，2019 年；Wang 等人，2020 年；Zhu 等人，2020 年）。它们可以采用三种不同的架构进行设计：（A1）前馈（具有可训练的单向连接）、（A2）循环（具有可训练的反馈动作）或（A3）储层（由未训练的非线性动态系统与可训练的输入和输出层耦合而成）网络（Nakajima，2020 年；Tanaka 等人，2019 年；Cucchi 等人，2022 年；见图 1A）。在过去十年左右的时间里，一种开发人工智能的新颖而有前途的策略被提出：它包括通过湿件（即液体）中的分子、超分子和系统化学来模仿人类智能和所有其他生物所表现出的智能形式