基于正交锁定差分放大器的巨磁阻抗（GMI）磁传感器

基于非晶丝的巨磁阻抗(GMI)效应,利用CoFeBSi非晶丝作为敏感材料,采用正交锁定放大电路和仪用放大器作为信号调理电路,设计了一种差分式高灵敏度GMI磁传感器。介绍了巨磁阻抗效应的基本概念和双非晶丝差分结构的磁敏探头,分析了基于正交锁定差分放大技术的信号调理电路的工作原理,并结合非晶丝两端输出信号的幅度和相位特性,提出了正交锁定放大器输出包络的近似计算方法。实验结果表明:在-2.0 Oe~+2.0 Oe的量程内,该GMI磁传感器灵敏度可达748mV/Oe,线性误差为0.98%FS,且噪声平均功率谱密度约为0.8nT/Hz1/2。     

磁致伸缩扭转导波小管径弯管检测

针对扭转导波对小管径弯管的检测问题,分别采用数值模拟和实验方法进行研究。使用ANSYS软件模拟扭转导波在弯管中的传播;设计一种针对小管径管道的磁致伸缩扭转导波检测传感器,并对弯管进行检测,建立该传感器的导波激发和接收模型,利用理论模型对实验信号进行解读。研究结果表明:T(0,1)模态导波在小管径管道弯头处发生模态转换,部分T(0,1)模态转换成F(1,1)模态,F(1,1)模态具有方向性,垂直于弯头拱背-拱腹方向;模态转换会造成检测信号的双端面反射现象,第二个端面回波与第一个端面回波幅值比随频率的增大呈减小趋势;传感器激发出的纵向磁致伸缩力会导致实验信号中出现少量纵向模态导波。研究结论为磁致伸缩扭转导波对小管径弯管的检测提供理论指导。     

巨磁阻传感器在齿轮精细检测中的应用

提出一种利用巨磁阻传感器进行齿轮精细检测的方法,介绍该方法的检测原理和系统组成,从可分辨最小磁场、时间响应和温度特性3个方面分析应用巨磁阻传感器的可行性和有效性,并通过实例测量实现对齿轮的磨损、点蚀等故障的有效检测与诊断.     

超磁致伸缩材料特性及其工程应用综述

超磁致伸缩材料是实现电磁能-机械能二者能量和信息高效转换的功能材料。介绍超磁致伸缩材料的特性及器件优异的性能,较全面综述超磁致伸缩材料在各个领域的应用与开发情况,分析开发超磁致伸缩器件需要解决的若干关键技术问题,展望超磁致伸缩材料广阔的应用和发展前景。     

舰船装备远程维修支援体系研究

借用20世纪90年代初期中国学者提出的开放的复杂巨系统理论,以及处理开放的复杂巨系统的方法论——从定性到定量的综合集成法,揭示了舰船装备远程维修支援体系的本质是一个人机共栖的开放的复杂巨系统;给出了描述系统的基于Agent的一般框架和在巨系统理论指导下研究远程故障诊断问题的思路;最后提出了需要进一步研究的几个问题。     

管道超声导波无损检测技术应用研究

利用研制的磁致伸缩超声导波无损检测装置对长直无缝钢管、舰用锅炉U型管和弯管进行了大量试验研究.研究发现,通过对该装置中磁致伸缩传感器的放置位置及方向进行适当调整,此装置即可在管道中激发纵向导波;该技术对管道壁厚减薄、磨损或腐蚀、裂纹、焊缝等缺陷同样具有检测能力;选择低频(20~40 kHz)激励脉冲信号有利于减少波的发散特性和提高缺陷的检测能力;导波在管道中传播衰减缓慢,适用于长距离、大范围、快速、非接触管道检测.     

磁致伸缩作动器的设计与性能分析

在分析超磁致伸缩材料特性的基础上设计了一种微位移作动器.通过有限元分析,对作动器的结构进行优化,得到均匀的偏置磁场和激励磁场;设计了预压力加载结构和强制冷却结构.对该作动器的动、静态性能进行了测试,结果表明:作动器基本上工作在线性区域内,其位移伸缩量大,低频动态性能较好,高频谐波分量影响较小,相位延迟较小,同时也证明了对作动器的磁场分析和结构优化是正确的.     

多弯头管道磁致伸缩导波无损检测技术

为了研究超声导波在弯管中的传播特性及检测可行性,使用磁致伸缩导波仪器及传感器对多弯头管道进行了检测实验,并对弯管中导波的传播速度、模态转换、能量衰减等现象进行了探讨。结果表明:当弯管弯曲程度较小时,弯管中导波传播速度与直管中近似;弯管中导波存在明显的模态转换现象;弯管中导波能量随着时间近似呈指数形式衰减,且衰减规律与激励频率存在密切联系。该研究结果可以为复杂结构弯曲管道的导波检测提供参考。     

开放复杂巨系统视角下的军民融合协同创新体系

基于钱学森开放复杂巨系统的视角,对军民融合协同创新体系进行了研究。由于军民融合协同创新涉及多领域、多层次、多区域、多行业、多部门之间高密度的交互和关联,其复杂性和开放性也决定着其发展过程中必定会遇到一些问题。本文用系统科学的理论阐释军民融合协同创新体系,指出其在发展中出现的问题,提出军民融合协同创新发展过程中应遵循的开放的复杂巨系统理论原则。     

基于杂草算法的超磁致伸缩作动器耦合模型识别

考虑磁滞损耗、动态应力等因素的超磁致伸缩作动器磁滞模型可有效揭示电-磁-机-热多场耦合效应,但准确识别其非线性模型往往存在较大困难。智能杂草算法具有激烈的竞争机制和较强的搜索能力,可用于解决作动器多目标物理参数辨识问题。传统算法的种子数量以线性方式产生且分布方差与适应度缺乏联系,极大地影响了算法收敛速度和模型识别精度。为此,提出一种非线性繁殖和分布的混合改进杂草算法,并将其应用于超磁致伸缩作动器模型识别。实验表明:改进算法具有较强的噪声抑制能力,能精确辨识含有噪声扰动的作动器磁滞非线性模型物理参数;模型预测值和实验数据误差较小,所识别参数可使磁滞非线性模型较为全面地描述作动器多场耦合机理和动态特性。