蓝宝石单晶具有优良的力学性能和光学性能, 是目前透明装甲的优选材料。导模法能够制备出形状和尺寸都接近目标要求的晶体, 可以大幅度降低晶体的生产成本。我们通过自主设计的晶体生长设备, 优化晶体生长工艺和热场, 成功制备了尺寸为480 mm×1 200 mm×12 mm的蓝宝石单晶板材, 晶坯形状规则, 加工去掉表面气泡层后在20 mW He-Ne激光照射下检测, 整体无散射。

为了提高石墨固废利用率, 本文以石墨开采废石为细骨料, 添加球形石墨尾料以及不同质量分数的废石石粉进行电热板材配方试验, 探究了石墨开采废石取代量、石粉掺量对电热板材性能的影响。结果表明: 在100%(质量分数)使用石墨开采废石作为细骨料时, 养护28 d的水泥板材抗折强度及抗压强度分别达到11.09 MPa和50.90 MPa, 虽然略低于使用标准砂的水泥板材的强度指标, 但是仍可满足相关要求, 说明石墨开采废石可以作为细骨料使用; 在废石石粉掺量为7%(质量分数)时, 电热板材的抗折强度和抗压强度最高分别达到6.21 MPa和33.00 MPa, 虽然强度有所降低, 但是仍可满足低强度板材的要求; 在球形石墨尾料掺量为9%(质量分数)时, 电热板材体积电阻率为1.94 Ω·m, 发热温度为71 ℃, 具有良好的电热效果。

采用建筑陶瓷板的制备工艺，将亚微米氧化铝粉体加入到陶瓷板材坯料中，研究了其对陶瓷板材外观、烧结性能和力学性能的影响。结果表明：在常规的生产条件下，亚微米氧化铝粉体主要以α-Al2O3颗粒的形式均匀分布在坯体中，具有较强的增白效果。当氧化铝粉体加入量在15%(质量分数)以内时，陶瓷板材样品的吸水率低于0.1%，烧结致密化程度较高，抗弯强度随加入量增加而提高。当加入量继续增加，吸水率增大，抗弯强度下降。氧化铝粉体加入量为15%（质量分数）时，样品的抗弯强度达到最高值96 MPa，比未外加氧化铝的样品提高了30%。在白度较低的低品质原料中，通过加入亚微米氧化铝粉体可大幅度提高产品的白度和强度，既可减少优质资源的消耗，又能较好地满足陶瓷板材对装饰效果和力学性能的要求。

采用自主设计制造的导模炉, 通过热场模拟辅助设计出理想的模具表面温度分布, 采用两段加热的方式控制晶体的应力和气泡缺陷, 选择合适的提拉速 率控制气泡层的分布, 成功生长了高质量超大尺寸蓝宝石单晶板材, 蓝宝石板材可利用尺寸690 mm×300 mm×12 mm。摇摆曲线半高宽为0.016 3°, 说明晶体 具有良好的结晶质量。5 mm厚度样品的透过光谱测试表明, 透过率与用其它晶体生长方法的晶体相同。

激光热成形作为船体外板曲面成形的新工艺, 具有良好的加工柔性, 且能够实现对加工参数的精确控制, 是实现曲面成形工艺的最佳选择。传统的热弹塑性有限元方法对大尺度板材计算需要大量的时间, 本文通过热弹塑性有限元法, 获取加工塑性应变分布, 确定固有应变等效方法, 提出小尺度-大尺度板固有应变映射法。基于激光加工实验平台, 进行激光热成形实验, 结合变形测量, 该方法与实验结果间的平均相对误差为5.27%, 验证了该方法的有效性; 相比热弹塑性有限元仿真, 该方法节约了147倍的计算时间。

节子影响着实木板材力学性能, 如何准确刻画出节子在实木板材内部的形态, 进而计算出实木板材力学性能是一个具有应用价值的科学问题。 目前, 基于机器视觉的缺陷检测方法实现了实木板材表面缺陷检测与识别, 超声波检测方法可以判断出实木板材中缺陷的存在, X-ray虽然可以全面的掌握实木信息, 但其检测成本较高。 近红外光谱分析具有结构丰富, 测试方便、 无损快速的特点, 但是, 光谱中存在的冗余与非线性信息影响建模精准度, 提出一种基于Isomap和小波神经网络融合的节子倾角辨识方法, 利用Isomap完成光谱信息非线性降维, 运用小波神经网络建立节子边缘的物质成分与倾角间的非线性关联, 通过边缘多点倾角反演出节子在实木板材内部的形态。 首先, 采用Pablo提出的节子斜圆锥模型, 并结合图像处理提取实木板材表面的节子缺陷区域, 计算出相应中心位置; 提取节子边缘的多点位置, 采集光谱信息并完成基线漂移和去噪处理; 然后, 利用K-S划分校正样本集, 运用主成分与马氏距离结合剔除异常光谱; 接着, 运用Isomap方法设定降维数和邻近数, 通过PLS完成不同光谱维度的快速建模, 进而迭代出理想光谱特征; 最后, 应用具有局部信息优化能力的小波神经网络建立节子边缘光谱与该点倾角间的非线性关系, 构建出1个12输入、 1输出的网络模型, 并运用梯度修正网络参数; 将节子倾角预测结果输入Solidworks软件完成节子椎体形态的三维呈现。 实验采用落叶松实木板材作为对象, 选取并采集了40个节子的160组光谱数据, 通过测量上、 下表面节子的相对空间位置, 计算出边缘点倾斜角数值并进行建模分析, 实验结果表明: 采用S-G平滑与一阶导数进行光谱预处理, 得到的光谱轮廓更清晰、 吸收峰更明显; 采用Isomap特征降维方法, 选取非线性降维数d=12、 近邻数k=19时, SECV最小, 可以消除光谱信息的冗余数据; 采用小波神经网络建立的节子倾角非线性模型, 其预测相关系数为0.88, 预测标准差为7.65, 相对分析误差为2.14; 可以实现节子在实木板材内部的形态反演, 可以为力学性能预测提供定量化分析手段。

针对实木板材表面存在的活节、 死节、 裂纹与虫眼4类缺陷, 提出了基于近红外光谱分析的定性识别模型。 随机选取50个样本组成训练集, 30个样本组成测试集, 在室内温度20 ℃、 相对平均湿度50%环境下, 采用900~1 700 nm的近红外光谱仪采集样本表面光谱, 并利用SNV方法进行光谱数据预处理, 以消除固体颗粒大小、 表面散射及光程变化对漫反射光谱的影响； 然后, 采用偏二叉树双支持向量机(PBT-SVM)构建缺陷分类模型, 运用模拟退火算法(SA)对4类核函数、 参数及波长特征进行全局寻优； 寻优过程以97个波长吸收度为输入特征, 运用顺序前向法依次加入新特征, 当分类器准确率达到90%时, 得到核参数及波长特征； 最后, 通过确定的核函数、 参数与波长构建了缺陷分类模型, 并对测试样本集进行了分类验证。 实验结果表明, SNV预处理方法使相同缺陷的近红外光谱具有较好的一致性, 其中, 活节与死节光谱差异显著, 但死节、 裂纹与虫眼的光谱趋势相近； 当PBT-SVM分类器采用多项式核函数、 参数在γ=28.63, coef=18.69, d=1, C=12.03时, 缺陷识别效果最好, 裂纹和活节的识别率达到了100%, 虫眼为93.33%, 死节为93.33%, 平均准确率达到了96.65%, 平均识别时间仅为0.002 s。 利用近红外光谱分析的方法能够快速、 有效地完成4类实木板材缺陷的识别。

从激光切割机的切割原理出发,分析激光切割的特点。根据其特点,尽可能全面地实验研究市面上主流板材使用激光切割的可行性,重点关注无法使用激光加工的板材,将无法加工或加工质量低下的板材进行归纳总结,对其原因进行深入分析,并提出相应的改进方案。

以20 mm厚度钢板为研究对象, 系统对中厚板激光切割的不同工艺参数对切缝质量的影响规律进行了研究。结果表明, 切割速度为0.5 m/min, 喷嘴工作距离为1.5 mm, 激光功率为5 500 W时, 效果较理想, 大部分切缝背面无粘渣, 当切割时将氧气压力值调至0.15 Mpa时, 切割的效果较好, 并且大部分的激光离焦量与其可以进行匹配, 切割后的切缝无粘渣效果优良。在喷嘴工作距离为20 mm, 切割后能够产生无粘渣效果的工艺区间不是很宽。切割时的切割氧气压力在0.10 MPa～0.15 Mpa, 激光离焦量在5 mm～20 mm的附近区域时才会有无粘渣效果。在钢板背面有涂层时, 切缝背面基本无粘渣, 即使有少部分渣残留, 清除也比较容易。