激光弱化加工是目前的新兴技术, 弱化后残余厚度的大小是其关键问题。将残余厚度与各项激光加工工艺参数结合起来, 建立相应的预测模型。首先对汽车仪表板常用材料PC(聚碳酸酯)硬塑进行弱化加工, 沿弱化孔中心线将试件剖开并通过影像测量系统测得残余厚度值。建立激光脉冲宽度、离焦量和加工速率这三个工艺参数与残余厚度之间的BP(反向传播)神经网络预测模型, 使用大量试验数据训练网络, 并使用试验样本中的部分数据检验所建网络。最终得到了最大误差率不超过3%, 收敛速率及预测准确性高的预测模型。使用该模型, 可以精确地预测残余厚度的大小, 缩短了激光弱化加工作业的准备时间。

对304不锈钢试样进行了激光打孔试验, 使用形貌仪测得了孔截面粗糙度参数, 并通过反向传播神经网络, 建立了基于激光功率、脉冲频率和离焦量三个工艺参数与孔表面粗糙度之间关系的神经网络预测模型。利用大量试验数据对样本进行网络训练, 证实了该人工神经网络模型预测精度高, 预测误差控制在6%左右, 最大误差不超过8.08%。该模型可以准确地预测激光打孔表面的粗糙度和有效地缩短激光打孔作业的准备周期。

机载系统技术状态管理必须贯穿于型号研制的全寿命周期, 通过机载系统技术状态管理目的研究, 结合目前型号研制中技术状态管理的现状及问题, 建立实用有效的机载系统全寿命周期技术状态四维管理模型, 利用信息化平台实现综合管理系统, 实现了机载系统全寿命周期内技术状态的规范化、体系化、信息化管理。

采用高能短脉宽激光冲击加载技术(LSP),利用扫描电子显微镜(SEM),X射线衍射(XRD)和透射电子显微镜(TEM)等手段,研究了在激光诱导的超高应变率和高于材料动态屈服强度冲击加载条件下,2Cr17Mn15Ni2N奥氏体不锈钢表面亚结构的转变特征和机制。结果表明,冲击区表面结晶度降低,形成大小为0.1～0.5 μm的等轴亚晶区以及规则排列的龟裂区;表面硬度显著增加,形变层深0.25 mm;此外,在冲击区表层观察到形变滞后退火孪晶、显微带、位错胞、条形亚晶、滑移型层错等亚结构,未发现形变孪晶和ε(α)马氏体相。分析认为,激光诱导的超高应变率是产生奥氏体不锈钢表面特殊亚结构的主要原因。