本章研究的主要内容及目的： ➢ 了解连杆机构的应用及特点 ➢ 掌握平面四杆机构的基本形式及其演化 ➢ 掌握平面四杆机构中曲柄存在的条件 ➢ 能够求出四杆机构的压力角，对机构传动性能进行分析 ➢ 会设计四杆机构 本章重点难点 平面四杆机构的命名，整转副存在的条件， 压力角计算，图解法设计四杆机构 重点： 难点： 四杆机构的设计

§2—1 铰链四杆机构的基本形式和特性 §2—2 铰链四杆机构有整转副的条件 §2—3 铰链四杆机构的演化 本章要点： 1、铰链四杆机构的基本形式及铰链四杆机构曲柄运动特性。 2、平面连杆机构、平面四杆机构概念 3、整转副存在的条件。 4、铰链四杆机构的演化

2.1 概述 2.2 铰链四杆机构的基本类型和特性 2.3 铰链四杆机构曲柄存在条件 2.4 铰链四杆机构的演化 2.5 平面四杆机构的设计 2.6 平面多杆机构简介

为研究压下对连铸坯内部裂纹产生的影响，利用ABAQUS有限元软件建立了230 mm×280 mm断面大方坯压下数学模型。通过压下模型对重轨钢连铸坯压下过程进行热力耦合模拟计算，对压下过程中产生的内部裂纹进行了预测。首先，对连铸坯不同中心固相率为0.3～0.7的温度场进行计算；然后，利用压下模型计算了连铸坯中心固相率0.3～0.7时凝固前沿的等效塑性应变。研究结果表明，在连铸坯中心固相率为0.3～0.7的位置处分别施加7 mm压下量进行压下，连铸坯凝固前沿等效塑性应变未超过临界等效塑性应变（0.4%），连铸坯未出现内裂纹；同时，对连铸坯在中心固相率为0.6位置处进行了不同压下量的研究，研究结果表明，当连铸坯压下量超过7 mm时，凝固前沿的等效塑性应变超过临界塑性应变（0.4%），连铸坯出现内裂纹，并且压下量越大，连铸坯内裂纹越严重。同时，工业试验结果与模型计算结果基本吻合，验证了模型计算的准确性

采用热等静压(HIP)工艺连接Al12A12和Ti6Al4V两种不同的航空航天用材料.利用扫描电镜、能谱仪和X射线衍射仪观察连接过渡区的微观组织和组成的演化,并测试其主要的力学性能.结果表明:采用热等静压制备这两种材料的界面连接好;Ti/Al反应层界面处形成了不同的金属间化合物,例如,Al3 Ti、TiAl2和TiAl;连接接头处硬度为163 HV,界面连接处剪切强度达到了23 MPa,比只添加镀层而无中间层的连接强度提高了约17.9%,但低于带有中间层的连接强度.由于过烧和孔隙的形成使得断裂方式是脆性断裂.由此可知,在热等静压成形过程中异种材料的元素发生了相互扩散,在扩散连接处形成了不同的金属间化合物,这些金属间化合物影响连接处的力学性能

细胞之间的连接结构 封闭连接紧密连接 粘合带 连接肌动蛋白丝 点接触 细胞连接 锚定连接 隔状连接 桥粒（粘合斑） 连接中间丝 半桥粒 间（缝）隙连接 通讯连接 化学突触 胞间连丝（植物细胞）

分析了304不锈钢电炉冶炼流程的传搁时间和传搁过程温降情况,建立各个工序冶炼温度制度与连浇炉数的关系,得知已有温度制度下的连浇炉数仅为2炉,并以6炉连浇为例给出不同连浇炉数情况下温度制度.通过计算流程中传搁能耗,讨论了连浇炉数与浇次总传搁能耗和平均传搁能耗的关系.提出了一种考虑传搁能耗确定最优连浇炉数的方法.对比发现,当增加连浇炉数的传搁能耗小于开浇一次耗材消耗的能耗时,最大连浇炉数为最为合理的连浇炉数

胀断连杆是汽车精密传动用高端产品，需具高强高韧和裂解加工脆性解理断裂特性。连铸化生产高碳易切削胀断连杆用微合金非调质钢是当前的发展方向。基于大方坯连铸生产典型工艺及其铸态组织、成分均匀性分析，研究了胀断连杆加工过程常见断口形貌不合的钢坯遗传性因素。以常用德系C70S6钢为例，采用250 mm×280 mm断面弧形连铸机，解析其在一定结晶器电磁搅拌条件下所浇铸大方坯的铸态低倍结构和枝晶形貌，并分析其不同晶区的成分分布特点。结果表明，当前连铸条件下大方坯中心缩孔和后续热轧棒材探伤合格率可控，但铸坯初凝坯壳凝固前沿发生明显的C、S负偏析白亮带区及其柱状晶偏转现象。金相试样图像分析和相场法凝固模拟表明，铸坯中柱状晶具有逆流生长特征，其偏转角是一次枝晶尖端向旋流方向逆向生长的结果。自铸坯角部至宽、窄面中心，实测柱状晶区的一次枝晶偏转角约在?7°到27°之间。利用X射线能谱分析（EDS）进一步检测了钢中主要合金元素Si、Mn、Mo在铸坯不同晶区的分布，揭示了其铸态偏析特征与差异性。据此，探讨了这种铸态组织和成分偏析对后续热轧棒材和连杆成品组织的遗传性，以及对其胀断加工断口不合的影响，可为源头铸态质量的控制提供依据

§5-1 螺纹 §5-2 螺纹连接的类型与标准连接件 §5-3 螺纹连接的预紧 §5-4 螺纹连接的防松 §5-6 螺纹连接组的设计 §5-5 螺纹连接的强度计算 §5-8 提高螺纹连接强度的措施 §5-7 螺纹连接件的材料与许用应力 §5-9 螺旋传动

针对传统基于BP神经网络建立的连铸坯质量预测模型训练速度慢、适应能力弱、预测精度低等问题,本文提出一种基于极限学习机的连铸坯质量预测方法,对方大特钢60Si2Mn连铸坯中心疏松和中心偏析缺陷进行预测,并与BP和遗传算法优化BP神经网络预测模型的预测结果进行分析对比.结果表明:BP及GA-BP神经网络预测模型对连铸坯中心疏松和中心偏析缺陷的预测准确率分别为50%、57.5%、70%和72.5%;而基于极限学习机的连铸坯预测模型预测准确率更高,对连铸坯中心疏松和中心偏析缺陷的预测准确率分别为85%和82.5%,且该模型具有极快的运算时间,仅需0.1 s.该模型可对连铸坯质量进行迅速准确地分析,为连铸坯质量预测的在线应用提供了一种新的方法