局部热处理工艺在大型主轴中的应用

在机械制造过程中，对大型工件进行退火处理都有一定难度，而对结构紧凑、不同组件又有不同的性能要求的大件进行退火处理更加困难，如何克服对主件处理时不影响其它组件的性能呢?本文采用陶瓷电加热器进行局部热处理的方法，较好地解决这一难题，具有普遍的借鉴意义。     

Ti-50．9at％Ni薄膜组织和相转变的研究

采用磁控溅射方法在Si片沉积了Ti-50．9at％Ni形状记忆合金薄膜,并将薄膜分别在不同温度下进行退火．利用示差扫描量热方法（DSC）、X射线衍射仪（XRD）、透射电镜（TEM）研究了薄膜退火前后形貌、相变特征及应力随退火温度的变化．实验结果表明：溅射态薄膜为非晶态,其晶化温度范围为430℃-535℃,晶化同时伴随着Ti3Ni4相的析出;退火后的薄膜随着退火温度的升高,Rs、Af、Ms均呈上升趋势．薄膜的残余应力随着退火温度的增加而逐渐减少．     

丹纳美学理论新释

对丹纳“种族、时代、环境”三因素的理解不能过于简单狭隘,要作为整体性的话语单位来阐释。形而上学的思想本质折射出黑格尔式的艺术观念,科学实证与形而上学的矛盾结合根源于种种冲突特性,艺术决定论的思想既是时代精神的作用,又巧妙浓缩了个人的生存心得。     

TSP问题的智能优化算法研究

智能优化算法比较常见的有模拟退火算法、遗传算法、人工鱼群算法、神经网络算法等。本文主要对前三种算法优化性能进行研究。首先介绍了三种算法的基本原理,然后总结了各自的优缺点并从原理和参数两个方面对三种算法进行了对比分析,以经典NP难题——TSP为例进行了仿真研究给出了未来针对TSP问题的研究重点。     

西非—中国航线原油远洋运输方案优化

为满足西非—中国航线的原油远洋运输方案的时效性要求,以油船运费、滞期费和靠港费之和最低为目标函数,以供需平衡、港口水深和装卸时间为约束条件,求解一个包含船型组合、装/卸港航线组合、油种替换、批次拆分等多决策变量的大规模NP(Non-deterministic Polynomial)难问题.采用差分进化算法进行求解.为提高求解速度,采用双染色体编码、基因组压缩编码、船型与拼装变量隐式联锁、配送油种比对解码等方法,进行供需平衡约束,降低问题规模,并缩减问题的"劣质解空间",提高差分进化算法的搜索时效.利用提出的算法对中国石化某月度西非—中国航线实际原油远洋运输方案进行优化,得到优化方案平均用时约5 min,可节约运费50余万美元.     

HfOxNy薄膜的制备及其性能研究

本文采用磁控溅射法制备了HfOxNy高介电薄膜，结合XRD、XPS等手段研究了退火温度对薄膜的结构和化学键态的影响，发现N的掺入使Hf4f峰位向低能方向移动．而随着退火温度的升高，Hf4f的双峰峰位向着高结合能的方向移动，这表明N的含量随着退火温度的升高而降低．XRD结果显示N的掺人能提高薄膜的晶化温度．     

0.9Pb(Sc_(0.5)Ta_(0.5))O_3-0.1PbTiO_3/PbTiO_3多层薄膜制备及铁电性研究

以LaNiO3做缓冲层,用射频磁控溅射法在SiO2/Si(100)衬底上制备出0.9Pb(Sc0.5Ta0.5)O3-0.1PbTiO3/PbTiO3铁电多层薄膜.采用两步法在峰值温度750℃对薄膜进行退火.通过电滞回线和漏电流曲线对薄膜的铁电性能进行了测量.研究发现,原位生长的薄膜已经具备了较好的铁电性,这为(1-x)Pb(Sc0.5Ta0.5)O3-x0.1PbTiO3薄膜的低温制备提供了可能性.经过退火后,薄膜的铁电性略有下降,高温下铅的损失可以很好的解释这一现象.     

求解TSP问题的几种算法比较

旅行售货商问题(简称TSP)是离散优化的一个经典的重要问题,对求解算法的研究非常重要。在介绍求解TSP问题的贪婪算法、禁忌搜索算法、模拟退火算法、遗传算法的基本思想之后,提出了相应的算法。针对测试库的四个典型算例,用程序实现这些算法,对这些算法的运行时间和结果进行比较研究。结果表明贪婪算法短时间就可以得出解,禁忌搜索算法与遗传算法的效果相当,模拟退火算法比遗传算法的结果好。     

大地电磁模拟退火反演研究

主要介绍模拟退火算法的基本原理和实现步骤。将模拟退火算法引入MT资料反演,针对MT正演多参数和非线性的特点,采用合适的降温方式和选择机制,以提高运算速度和运算精度。结合具体的反演算法原理和实现方法,使用不同的MT正演理论模型进行验证,获得良好的的结果。     

Handling multi-lean measures with simulation and simulated annealing

This paper describes a simulation-based approach for developing a lean production system of multi-lean measures. Three lean measures are defined to characterize the leanness of the underlying production system: productivity, cycle time, and work-in-process inventory. An optimized setting to certain operational parameters is determined so that a best tradeoff of the three lean measures is reached. The problem formulation results in a multi-objective optimization problem with no closed-form definition of problem objective functions and constraints. The solution approach utilizes Discrete Event Simulation (DES) to deploy lean techniques and model lean measures under process variability and plant constraints and dynamics. A direct search method (i.e., Simulated Annealing (SA)) is used to search of problem domain. A model-based Value Mapping (VM) is used for combining the conflicting multi-lean measures and guiding the SA search for optima. The DES model is also used to develop a future state dynamic Value Stream Map (VSM) of the optimized production process. The approach is applied to an example production system where the capacity of material handling conveyors and the size of maintenance crew are optimized to develop a lean system in terms of three lean measures. Little’s formula is used to verify the simulation assessment of lean measures. Optimization results are also used to demonstrate the conflict among lean measures, the impact of process variability on lean measures, and the role of VM in reaching an efficient tradeoff of multi-lean measures.