针对2024铝合金自冲铆接头底部易出现裂纹的问题,通过铆接实验来分析裂纹形成机理,并结合2024铝合金板材先退火再铆接的工艺开展裂纹抑制研究;同时,对比了接头剖面的显微组织和力学性能,并采用扫描电镜(scanning electron microscope, S...针对2024铝合金自冲铆接头底部易出现裂纹的问题,通过铆接实验来分析裂纹形成机理,并结合2024铝合金板材先退火再铆接的工艺开展裂纹抑制研究;同时,对比了接头剖面的显微组织和力学性能,并采用扫描电镜(scanning electron microscope, SEM)对接头断口特征进行分析,以探究其失效机理,进而分析热处理工艺对接头力学性能和失效形式的影响。结果表明,2024铝合金板材经360℃退火处理后,其塑性和延伸率显著提高,硬度下降了23.6%。当2024铝合金板材未经退火处理直接进行铆接时,裂纹萌生点位于铆钉管腿尖区域,接头底部出现沿径向分布的宏观裂纹;退火处理后接头底部无明显裂纹,连接点的密封性、抗腐蚀性能显著增强。未退火处理组接头剖面的晶粒结构粗大、不规则,且铆钉管腿尖区域的变形较大,而退火处理组接头剖面的晶粒结构细化且更匀称。退火处理组接头的静强度下降了12.93%,但失效位移和能量吸收值分别提高了27.3%和19.31%,其失效形式由上板完全断裂转变为下板撕裂,且连接点底部被铆扣拉穿,断口由脆性断裂转变为韧性断裂。研究结果可为自冲铆接工艺在汽车、航空航天等领域的应用提供重要参考。展开更多
针对基于云边协同的云制造环境下制造资源实时感知数据难以及时处理的问题,考虑边缘端有限的计算资源、动态变化的网络状态以及任务负载等不确定性因素,给出一种基于混合深度强化学习(mixedbased deep reinforcement learning,M-DRL)的...针对基于云边协同的云制造环境下制造资源实时感知数据难以及时处理的问题,考虑边缘端有限的计算资源、动态变化的网络状态以及任务负载等不确定性因素,给出一种基于混合深度强化学习(mixedbased deep reinforcement learning,M-DRL)的云边协同联合卸载策略。首先,融合云端的离散模型卸载与边缘端的连续任务卸载建立联合卸载模型;其次,将一段连续时隙内综合时延与能耗总成本为目标的卸载优化问题形式化地定义为马尔可夫决策过程(MDP);最后,使用DDPG与DQN的集成探索策略、在网络架构中引入长短期记忆网络(LSTM)的M-DRL算法求解该优化问题。仿真结果表明,M-DRL与已有一些卸载算法相比具有良好的收敛性和稳定性,并显著降低了系统总成本,为制造资源感知数据及时处理提供了一种有效的解决方案。展开更多
文摘针对2024铝合金自冲铆接头底部易出现裂纹的问题,通过铆接实验来分析裂纹形成机理,并结合2024铝合金板材先退火再铆接的工艺开展裂纹抑制研究;同时,对比了接头剖面的显微组织和力学性能,并采用扫描电镜(scanning electron microscope, SEM)对接头断口特征进行分析,以探究其失效机理,进而分析热处理工艺对接头力学性能和失效形式的影响。结果表明,2024铝合金板材经360℃退火处理后,其塑性和延伸率显著提高,硬度下降了23.6%。当2024铝合金板材未经退火处理直接进行铆接时,裂纹萌生点位于铆钉管腿尖区域,接头底部出现沿径向分布的宏观裂纹;退火处理后接头底部无明显裂纹,连接点的密封性、抗腐蚀性能显著增强。未退火处理组接头剖面的晶粒结构粗大、不规则,且铆钉管腿尖区域的变形较大,而退火处理组接头剖面的晶粒结构细化且更匀称。退火处理组接头的静强度下降了12.93%,但失效位移和能量吸收值分别提高了27.3%和19.31%,其失效形式由上板完全断裂转变为下板撕裂,且连接点底部被铆扣拉穿,断口由脆性断裂转变为韧性断裂。研究结果可为自冲铆接工艺在汽车、航空航天等领域的应用提供重要参考。
文摘针对基于云边协同的云制造环境下制造资源实时感知数据难以及时处理的问题,考虑边缘端有限的计算资源、动态变化的网络状态以及任务负载等不确定性因素,给出一种基于混合深度强化学习(mixedbased deep reinforcement learning,M-DRL)的云边协同联合卸载策略。首先,融合云端的离散模型卸载与边缘端的连续任务卸载建立联合卸载模型;其次,将一段连续时隙内综合时延与能耗总成本为目标的卸载优化问题形式化地定义为马尔可夫决策过程(MDP);最后,使用DDPG与DQN的集成探索策略、在网络架构中引入长短期记忆网络(LSTM)的M-DRL算法求解该优化问题。仿真结果表明,M-DRL与已有一些卸载算法相比具有良好的收敛性和稳定性,并显著降低了系统总成本,为制造资源感知数据及时处理提供了一种有效的解决方案。
