为了简化布里渊散射提取温度的步骤并提高提取精度,提出利用径向基函数神经网络直接通过布里渊散射谱获取温度特征的一种新方案;将各温度布里渊散射谱作为训练集计算出温度模型,将待测布里渊散射谱直接输入至模型即可获取温度;对比平滑拟合、反向传播神经网络、径向基函数神经网络3种方案对温度测量的效果,分别选取扫频频率间隔为0.175,1,5,10,20 MHz时的77组数据,并对不同线宽进行扩展。结果表明:基于径向基函数神经网络方法的均方根误差较小,且随步进频率增加而增长缓慢;步进频率为20 MHz时,单线宽误差达到0.8002 ℃,多线宽误差为1.0814 ℃,分别是平滑拟合测量温度方法误差的33.04%和42.88%,是反向传播神经网络均方根误差的40.25%和55.89%;基于径向基函数神经网络的方法在一定程度上减少了计算步骤,提高了收敛性。

针对同步送粉式单层单道激光熔覆过程, 利用已验证的有限元模型和ANSYS软件分析了其温度场特征。依据加热区-脉冲区的分界点和任意时刻基板上表面温度曲线的峰值点, 以两几何平面截取单道熔覆模型, 获得用于翘曲变形分析的截面体。通过分析熔覆层上表面以及基板上、下表面在整个熔覆过程中的应力/应变状态, 发现该截面体模型会依次出现反向、正向弯曲, 熔覆零件在宏观上则表现为朝向激光束的翘曲变形。最后对单道熔覆过程基板翘变的原因进行了归纳总结。

为了提高激光陀螺精度,在大量高低温环境实验的基础上,对温度特征点的选择进行了对比研究,选择其最佳组合建立了一种实用的温度补偿模型,并用该模型对环境温度固定和环境温度变化时的实测数据进行了实时补偿.补偿结果表明,零偏可减小1～2个数量级,均值小于0.01°/h,基本消除了零偏随温度变化的趋势.