阀片表面喷丸强化工艺

为解决厚度不足1mm的薄型压缩机阀片，在通常的喷丸工艺下很容易产生过大的变形和粗糙度过大而报废的问题，进行了玻璃弹丸的喷丸工艺方法提高阀片疲劳性能的实验研究，并测试分析了阀片变形、表面粗糙度、残余应力以及表面硬度等主要影响阀片疲劳寿命的因素，研究表明，玻璃弹丸的喷丸处理，可保证较小的阀片变形、使表面粗糙度降低、并在表层产生压应力，可有效提高压缩机阀片的疲劳寿命     

基于改进型D3QN深度强化学习的铁路智能选线方法

传统的人工选线方法劳动强度大,设计效率低,随着我国铁路建设重心向西部复杂艰险山区转移,人工选线面临的困难日趋凸显。为缩减铁路选线的人力物力成本,提高设计效率,亟需发展结合了人工智能和信息技术的现代选线技术。为此,提出一种基于深度强化学习理论的铁路智能选线方法。以带有空间属性信息的数字高程模型为选线环境,以相邻空间点间的建造费用为即时奖励,以工程建造费用最小为优化目标,设置离散化的备选动作,考虑多种约束条件,构建面向铁路选线的深度强化学习模型。结合深度学习的感知能力和强化学习的决策能力,利用双竞争深度Q学习网络(DuelingDouble-Deep Q Network,D3QN)对模型进行训练,既克服强化学习问题对复杂状态和动作空间难以收敛的缺点,同时解决了传统DQN算法易于出现过估计、训练不稳定的问题,实现自动对选线环境进行感知、搜索、判断、决策,最终寻得目标函数最优的线路方案。以某山区铁路对本方法进行验证,实验结果表明：该方法能搜索到多样化的线路备选方案,可以为设计人员提供新的设计思路;有效降低了铁路建设的经济费用,较人工选线方案节约最多达17.5%。智能选线方法可以帮助节省选线工作...     

铁路关键信息基础设施安全保障体系研究

铁路作为我国重要基础设施,在国民经济及综合交通运输中占有极其重要的地位。文章对铁路关键信息基础设施防护需求进行分析,提出铁路关键信息基础设施的基础保护、强化保护、协同保护3层安全保障体系框架,通过实施工程项目和系统实验室建设,完善了该保障体系建设,进一步提升了铁路关键信息基础设施整体安全保护能力。     

MoCu球铁曲轴轴颈激光淬火试验

对东风４型内燃机车柴油机曲轴颈的表面进行了激光淬火试验，获得较好的表面硬度、深度和微小的变形量，对曲轴激光淬火后残余应力的大小、分布、成因等作了探讨；介绍了激光和滚压复合强化处理的曲轴装车运行的情况。     

济南军区司训大队围绕主题主线 深化野外驻训思想政治工作

济南军区司训大队针对野外驻训特点,从站在建设"打仗型"后勤的高度,紧跟主题主线深化野外思想政治工作。通过顺应环境求发展、聚焦任务抓质量、创新手段求突破和强化素质求实效,进一步提高了骨干做思想政治工作系统思维统筹能力,为野外驻训提供了强有力的人才支撑。进行选装,其基本武器系统为KMW公司生产的单人武器站,装备一挺7.62毫米或12.7毫米机枪,或者HK公司生产的40毫     

汽车离合器膜片簧喷丸强化效果研究

膜片弹簧是汽车离合器中的关键零件之一，其制造过程中普通采用喷丸强化工艺。本通过残余应力测试、疲劳试验，弹力衰减试验和断口微观分析，观察了喷丸强化对膜片弹簧疲劳性能和弹力衰减性能的影响，得出如下结论：从理论膜片弹簧的使用性能和简化工艺上考虑，应以膜片弹簧凹面单面喷丸工艺取代现行的双面喷丸工艺。     

金属磨损自修复材料

为预防机械装备和机械零件表面的磨损及修复长期运转中已磨损的机件摩擦表面,开发出了一种新型金属磨损自修复材料。试验、检测的结果表明,这种金属磨损自修复材料可以原位强化和修复铁基摩擦副的工程表面。     

用深滚压技术提高曲轴疲劳强度的应用研究

发动机曲轴圆角采用深滚压工艺可大幅提高曲轴疲劳强度。通过对370Q型汽油机、376Q型汽油机和376Q型柴油机进行的曲轴负荷分析、强度估算及弯曲疲劳强度试验表明,与未滚压曲轴相比,经圆角滚压的曲轴疲劳强度增加92．3％,安全系数由1．18增加到2．28。     

基于模态及传递路径分析的整车轰鸣问题改善

模态及传递路径分析是车辆NVH特性研究的重要方法,振动噪声传递过程中的薄弱部位需结合传递路径及模态分析确定,薄弱部位零部件的振动噪声传递特性可通过模态分析得到。基于上述分析采取加强薄弱部位支撑等强化手段,改善薄弱部位的固有属性,避免共振,即可达到减小振动、降低噪声,提高整车乘坐舒适性的目的。整车轰鸣问题改善就是此类研究范畴,本文以改善某4缸乘用车整车轰鸣问题为目标阐述试验分析及解决过程。     

仿驾驶员DDPG汽车纵向自动驾驶决策方法

汽车纵向自动驾驶的决策层根据车辆当前运动状态与环境信息,决策出理想的动作指令.目前如何在自动驾驶决策策略中考虑人类驾驶员的行为成为研究热点.在纵向自动驾驶决策策略中传统的基于规则的决策策略难以运用到复杂的场景中,而当前使用强化学习和深度强化学习的决策方法大多通过设计安全性、舒适性、经济性相关公式构建奖励函数,得到的决策...