研究了激光填丝焊接工艺参数对哈氏合金薄板纵向挠曲变形的影响,结合样件弯曲刚度和等效载荷分析了焊接工艺参数对纵向挠曲变形的影响。结果表明:激光填丝焊接过程的线能量和相对送丝量通过影响弯曲刚度和等效载荷,进而影响纵向挠曲变形;随着线能量的逐渐增大,等效载荷也逐渐增大,样件的弯曲刚度呈减小—增大—减小的变化趋势。在一定范围内增大线能量会使等效载荷和弯曲刚度同时增大,从而导致挠曲变形的变化幅度相对较小。相对送丝量增大使弯曲刚度在等效载荷不变的情况下明显增大,从而导致焊接变形减小。在合理的参数范围内尽量选择小线能量和大相对送丝量有利于抑制变形。

采用高光谱成像技术（420～1 000 nm）对山楂的缺陷（表面的损伤以及虫害区域）进行识别研究。 共采摘了134个样品, 包含损伤果46个、 虫害果30个、 损伤及虫害果10个和完好果48个。 考虑到山楂的花萼、 果梗与损伤、 虫害的RGB图像有相似的外观特征, 容易造成误判, 利用高光谱成像系统采集了损伤、 虫害、 完好、 花萼和果梗五个区域一共230个山楂样本的高光谱图像, 并提取相应的感兴趣区域（region of interest, ROI）, 得到了样本的光谱数据。 使用标准归一化（standard normalized variate, SNV）, 卷积平滑（savitzky golay, SG）, 中值滤波（median filter, MF）, 多元散射校正（multiplicative scatter correction, MSC）方法进行光谱预处理, 建立偏最小二乘（partial least squares method, PLS）判别分析模型, 结果表明经过SNV预处理后的预测结果较好。 最后选取SNV作为预处理方法。 应用回归系数法（regression coefficients, RCs）从全波段中提取10条特征波段（483, 563, 645, 671, 686, 722, 777, 819, 837和942 nm）, 利用Kennard-Stone算法将各类样本按照3:1的比例随机分成训练集（173个）和测试集（57个）, 并对其建立最小二乘支持向量机（least squares-support vector machine, LS-SVM）判别模型, 山楂缺陷的正确识别率为91.23%。 然后, 运用主成分分析（principal componentanalysis, PCA）进行10条敏感波段下单波段图像的数据压缩, 分别采用“sobel”算子和区域生长算法“Regiongrow”识别出86个缺陷山楂样本的边缘与缺陷特征区域, 得出单损伤、 单虫害和损伤及虫害样本的识别率分别为95.65%, 86.67%和100%。 研究结果表明: 采用高光谱成像技术可以对山楂的损伤、 虫害、 花萼和果梗进行定性分析和特征识别, 该研究为山楂的缺陷无损检测提供了理论参考。