文中针对激光粉末床熔融(laser powder bed fusion,L-PBF)制造的GH3536样品,采用了不同的后处理工艺,并对其微观组织、力学性能和残余应力进行了分析.结合激光冲击强化技术,开展了构件表面残余应力调控,探究了热处理与激光冲击强化工艺...文中针对激光粉末床熔融(laser powder bed fusion,L-PBF)制造的GH3536样品,采用了不同的后处理工艺,并对其微观组织、力学性能和残余应力进行了分析.结合激光冲击强化技术,开展了构件表面残余应力调控,探究了热处理与激光冲击强化工艺顺序对残余应力的影响.结果表明,热处理中巨大的冷却应力撕裂了部分孔隙,同时,热处理不能完全消除构件表面约为+90 MPa的残余拉应力.随着冲击次数增加,残余应力的改善效果更显著,冲击两次后构件近表面呈现残余压应力状态,约为−350 MPa.相比在热处理前进行激光冲击强化,在热处理后进行强化更有利于残余拉应力的调控,从而实现性能的综合提升.文中研究结果为GH3536构件的增材制造及后处理工艺提供了新的思路,同时为其在航空航天领域的工程应用奠定基础.展开更多
准确估计蓄电池荷电状态(state of charge,SOC)对于蓄电池的健康管理具有重要意义。现有SOC估算方法普遍存在复杂性高、自适应较弱的问题,更偏重于理论分析,难以满足实际在线监测的应用场景。为提高SOC估算过程的自适应性以及降低算法...准确估计蓄电池荷电状态(state of charge,SOC)对于蓄电池的健康管理具有重要意义。现有SOC估算方法普遍存在复杂性高、自适应较弱的问题,更偏重于理论分析,难以满足实际在线监测的应用场景。为提高SOC估算过程的自适应性以及降低算法应用的复杂性,提出了一种适用于在线监测应用场景的基于蜣螂优化算法和自适应无迹卡尔曼滤波的SOC估计算法。将二阶Thevenin等效电路作为蓄电池的模型,利用蜣螂优化算法对该模型的关键参数进行自适应辨识,根据所辨识的参数,利用自适应无迹卡尔曼滤波算法对SOC进行估算。为了验证该算法的有效性,利用锂离子电池不同动态工况的实验数据进行了测试。实验结果表明,在初始参数设置模糊或不准确的情况下,该算法依然能够自适应地获取精度更高的SOC估计结果,具有更好的鲁棒性。展开更多
文摘准确估计蓄电池荷电状态(state of charge,SOC)对于蓄电池的健康管理具有重要意义。现有SOC估算方法普遍存在复杂性高、自适应较弱的问题,更偏重于理论分析,难以满足实际在线监测的应用场景。为提高SOC估算过程的自适应性以及降低算法应用的复杂性,提出了一种适用于在线监测应用场景的基于蜣螂优化算法和自适应无迹卡尔曼滤波的SOC估计算法。将二阶Thevenin等效电路作为蓄电池的模型,利用蜣螂优化算法对该模型的关键参数进行自适应辨识,根据所辨识的参数,利用自适应无迹卡尔曼滤波算法对SOC进行估算。为了验证该算法的有效性,利用锂离子电池不同动态工况的实验数据进行了测试。实验结果表明,在初始参数设置模糊或不准确的情况下,该算法依然能够自适应地获取精度更高的SOC估计结果,具有更好的鲁棒性。
