简介：转向节是汽车转向桥上的主要零件之一,能够使汽车稳定行驶并灵敏传递行驶方向。汽车行驶1万多km后转向节发生断裂。通过宏微观观察、金相组织检查、硬度测试、化学成分分析及H含量测定,对转向节的断裂性质和原因进行分析。结果表明:转向节断裂性质为氢致脆性断裂;转向节断裂主要与淬火层硬度偏高和深度偏大有关,淬火层硬度约HRC57.0,且整个截面都已淬透,硬度和深度均明显超出技术要求(HRC45~52,2~3mm),淬火层硬度偏高和深度偏大,致使氢脆敏感性增加,最终导致转向节发生氢致脆性断裂。调整淬火工艺,控制淬火层硬度和深度,可以防止此类故障的发生。

简介：为了实现倒装和弯钩次品针头的自动检测，提出了一种基于BP神经网络的注射器针头合格性检测方法。该方法首先对针头图像进行去噪、目标分割和针头轮廓提取等预处理，其次采用边界区域不变矩法和针头边缘曲率法提取针头特征，然后用合格针头、弯钩针头和倒装针头样本的特征对设计好的BP神经网络进行训练，最后利用训练好的BP神经网络实现注射器针头的合格性检测。通过大量真实针头的合格性检测实验，验证了本研究所提出方法的有效性，可用于实际生产中。

简介：采用BP神经网络对聚酯玻璃钢氙弧灯加速老化的弯曲寿命进行了预测。通过对聚酯及其玻璃钢的人工氙弧灯加速老化,测试其不同老化时间的弯曲强度,对弯曲强度与老化时间进行BP神经网络的建模分析,借助MATLAB软件对聚酯玻璃钢的使用寿命分别进行分析与预测,并采用最小二乘法对所预测的结果进行了对比。结果表明：在以弯曲强度达到初始强度值的一半作为失效条件下,聚酯的氙灯老化寿命为813d,含填料玻璃钢老化寿命为1031d,无填料玻璃钢老化寿命为1065d,说明BP神经网络可以预测玻璃钢的老化寿命,预测结果与最小二乘法预测结果误差不大于8%,而且预测结果与该材料性能的实际情况相符。