国产日韩欧美一区二区三区三州_亚洲少妇熟女av_久久久久亚洲av国产精品_波多野结衣网站一区二区_亚洲欧美色片在线91_国产亚洲精品精品国产优播av_日本一区二区三区波多野结衣 _久久国产av不卡

?

心懷科研赤誠 筑夢中國制造

2020-11-09 03:46:39倪海波
科學中國人·下旬刊 2020年7期
關鍵詞:建國納米質量

倪海波

村上春樹在《當我談跑步時,我談些什么》中曾寫下這樣的句子:現(xiàn)在是堅忍地累積奔跑距離的時期,所以眼下還不必介意成績如何,只消默默地花上時間累積距離。歐內斯特·海明威也曾說過:“持之以恒、不亂節(jié)奏,對于長期作業(yè)實在至為重要。而對于科學研究而言,這種毅力以及堅持不懈的精神更是不可或缺的。”

跑步時,吳建國喜歡思考科研問題。在鍛煉的同時,一些科研想法可能會“靈光乍現(xiàn)”。如今,在科研之余,他仍保持著這一習慣。十多年的科研之路,從國外、到國內,如今作為北京大學工學院工業(yè)工程與管理系研究員的他,內心一直心系著祖國的制造事業(yè)。憑借著扎實的科研基礎以及訓練,他在機理-數(shù)據(jù)聯(lián)合驅動的先進制造與復雜系統(tǒng)監(jiān)測、診斷、質量控制以及可靠性預測等研究領域,特別是在超強金屬基納米復合材料鑄造、碳鋼與特種鋼制造、3D打印等應用中取得了一系列創(chuàng)新性成果,為其工業(yè)化生產(chǎn)與優(yōu)化奠定了研究基礎。在夢想的驅使之下,他一直在用一位青年科研人的無限熱忱為“中國制造2025”的發(fā)展添磚加瓦。

清華筑夢 海外歷練

理想如晨星,我們永不能觸到,但我們可像航海者一樣,借星光的位置而航行。在2004年吳建國順利考入清華大學機械工程專業(yè)之前,他與大多數(shù)的青年學子一樣,對于自己未來的專業(yè)學習抱有極大的憧憬。因為高中的學長曾在清華大學機械與工程專業(yè)就讀,吳建國通過他,對這個專業(yè)有了初步的認知。通過招生老師的介紹,他進一步了解到:學生通過對機械工程專業(yè)的學習,可以獲取大到飛機、坦克、機器人,小到各種產(chǎn)品的制作知識與技能,而從小吳建國就對這些東西充滿了濃厚的興趣。通過大學四年的學習與積淀,他在機械工程專業(yè)中打下了堅實的基礎。

為了能在這一專業(yè)領域尋求更大的突破,本科畢業(yè)后吳建國選擇走出去看看——去國外深造、學習更多的機械工程領域前沿知識。在順利拿到美國普渡大學的全額獎學金之后,2009年8月,吳建國前往該校攻讀機械工程專業(yè)碩士學位。因為研究生階段主要從事的是微觀摩擦學的模擬仿真研究,而這一研究方向更偏向于前沿理論基礎。吳建國直言:相較于這一方向研究,他更偏向于與生活緊密相關的應用研究。因為其高中時期就對數(shù)學、統(tǒng)計、建模等有濃厚的興趣,結合自己的興趣以及機械制造領域的研究背景,吳建國在碩士畢業(yè)之后,選擇前往美國威斯康星大學麥迪遜分校繼續(xù)攻讀統(tǒng)計專業(yè)的碩士學位以及工業(yè)與系統(tǒng)工程專業(yè)的博士學位,并將主要研究方向放在先進制造領域的質量控制以及復雜系統(tǒng)可靠性預測上,為此展開了一系列探索。在扎實的科研基礎以及不懈的科研攻關下,吳建國在超強輕質鎂鋁合金基納米復合材料鑄造過程中納米顆粒分散情況實時監(jiān)控系統(tǒng)研究中,取得了一系列科研突破。

納米顆粒的分散問題是納米復合材料制造領域面臨的一個最大的難題。在超強輕質復合材料制造過程中,納米顆粒由于高表面積與體積比、潤濕性差等原因,在液態(tài)金屬中容易聚集成團,嚴重影響其作為納米顆粒增強劑的效果。超聲空化有助于實現(xiàn)納米顆粒在金屬基材中的均勻分散。然而實際生產(chǎn)難以根據(jù)高溫液態(tài)金屬狀態(tài)實時調整生產(chǎn)工藝參數(shù),嚴重制約了超聲空化分散納米顆粒的效果。針對高溫液態(tài)金屬狀態(tài)實時監(jiān)控的難題,吳建國創(chuàng)新性地設計了一套基于超聲波噪聲信號的實時監(jiān)控系統(tǒng)。在該系統(tǒng)中,聲發(fā)射信號通過伸入液態(tài)金屬的鈦棒、傳感器以及數(shù)據(jù)采集系統(tǒng)進入信號處理系統(tǒng)。研究了納米顆粒分散情況與超聲波信號特征的關系,建立了能對實時超聲信號進行分析的統(tǒng)計模型,在國際上首次實現(xiàn)了實時監(jiān)控高溫液態(tài)金屬納米顆粒分散情況,解決了生產(chǎn)工藝參數(shù)實時精確調整的難題。該研究成果獲得了美國鋁鑄造著名企業(yè)Eck Industries Inc.、美國軍用特種卡車制造企業(yè)Oshkosh Corp(世界500強)等科研合作企業(yè)的高度贊揚。因為此項目的研究成果,吳建國還獲得了美國制造工程師學會(SME)著名E. Wayne Key研究生獎學金。

2015年博士畢業(yè)后,吳建國加入了美國得克薩斯大學艾爾帕索分校,成為了工業(yè)、制造以及系統(tǒng)工程系的一名助理教授,繼續(xù)留在美國從事科學研究。多年在美國的學習、研究,讓吳建國在接受西方教育以及科研氛圍、思想熏陶的同時,也在接受著一系列科研項目的歷練。特別是在攻讀博士學位及任助理教授期間,吳建國曾作為核心科研成員參與以及主持多個美國科技公關課題,項目總金額超過1100萬美元,工作涉及超強輕質納米復合材料的顛覆性鑄造工藝技術的質量監(jiān)控與過程優(yōu)化、金屬3D打印缺陷的實時監(jiān)控與無損檢測等領域。在美國多年的研究經(jīng)歷,也成為了他科研經(jīng)歷的積累與沉淀,為他今后科研道路的開辟奠定了堅實的基礎。

創(chuàng)新不懈 科研報國

科學無國界,但是科學家是有祖國的?!暗阶鎳钚枰牡胤饺ァ薄盀樽鎳】倒ぷ?0年”一直都是吳建國在清華大學就讀時就耳熟能詳?shù)目谔?。而這些都在潛移默化地影響著他,并逐漸加深著他身為一名科研人的社會責任感。即使時光流逝,到海外學習、深造多年,吳建國也始終未曾忘記自己肩上的使命,祖國的日益強盛、國內科研條件的日益完善和對祖國的歸屬感,促使他在學成之后便踏上了歸國之路。

2017年12月,吳建國以特聘研究員的身份來到了北京大學工學院工業(yè)工程與管理系從事科研工作,開始了科研之路新的旅程。因為自己的科研方向與“中國制造2025”是緊密相關的,國家也給予了這個方向大力支持,所以吳建國表現(xiàn)出了極大的科研自信,也為他科研工作的開展打下了堅實的基礎。

制造業(yè)是保持國家競爭力和經(jīng)濟健康發(fā)展的基礎,直接體現(xiàn)了一個國家的生產(chǎn)力水平,是區(qū)別發(fā)展中國家和發(fā)達國家的重要因素,在國民經(jīng)濟中占有重要份額。隨著以物聯(lián)網(wǎng)和大數(shù)據(jù)信息為特征的新的一輪工業(yè)革命的到來,世界各國政府相繼推出將智能制造作為本國構建制造業(yè)競爭優(yōu)勢的關鍵舉措。例如,美國的《美國先進制造業(yè)伙伴計劃》、德國的“工業(yè)4.0”,中國也在2015年5月印發(fā)了中國實施制造強國戰(zhàn)略第一個十年的行動綱領《中國制造2025》,而吳建國目前的研究方向就是與中國智能制造息息相關的。

“我們知道,在制造業(yè)里面有4個核心要素即生產(chǎn)力、生產(chǎn)效率、生產(chǎn)質量以及生產(chǎn)成本。其與20世紀五六十年代周恩來總理所提出的‘多快好省本質是相同的,即數(shù)量多、速度快、質量好、成本省”。而吳建國的主要研究內容就與先進制造過程的質量控制與改善有著密切的聯(lián)系。“產(chǎn)品質量關系到人民群眾的切身利益、關系到企業(yè)的生存發(fā)展以及國家的形象,生產(chǎn)質量問題會嚴重制約先進制造技術的大規(guī)模工業(yè)化應用,也會影響生產(chǎn)效率和成本?!彼f。多年來,在相關項目的支撐下,吳建國就在這一領域展開了一系列科研攻關。

增材制造具有制造周期短、材料利用率高以及易于生產(chǎn)出傳統(tǒng)工藝難以甚至無法加工的復雜結構等巨大優(yōu)勢,已經(jīng)對航空航天、國防等領域產(chǎn)生了巨大影響。然而,由于過程工藝復雜以及缺乏有效的在線過程監(jiān)控方法,目前增材制造仍然存在諸多質量問題,嚴重制約其大規(guī)模工業(yè)化生產(chǎn)與應用。

2018年,吳建國成功申請了國家自然科學基金面上項目“基于多源異構傳感的增材制造過程監(jiān)測與質量控制研究”,在這一項目的支撐下,他們以沉積熔融和選擇性激光熔融成型為研究對象,針對成型過程多物理現(xiàn)象以及當前在線監(jiān)控基于單一功能傳感的局限性,提出基于多源異構傳感的在線過程監(jiān)測與質量控制;研究在線監(jiān)測信號特征與常見過程故障與質量缺陷之間的關聯(lián)、在線信號動態(tài)演化建模與預測,以及數(shù)據(jù)融合技術實現(xiàn)成型過程在線監(jiān)測與故障診斷;通過新型統(tǒng)計模型建立質量與工藝參數(shù),以及校正措施與質量改進的關系,實現(xiàn)生產(chǎn)工藝參數(shù)及反饋控制措施的優(yōu)化。通過這一項目,他們將建立一套有效的基于多源異構傳感的智能在線監(jiān)測系統(tǒng),為增材制造智能在線監(jiān)測與質量控制提供理論依據(jù)與關鍵技術,具有重要的理論價值和實踐意義。

除此之外,吳建國還在金屬3D打印中基于二維顯微圖像的孔隙缺陷檢測技術研究中取得了一系列科研成果??紫度毕菔墙饘?D打印中最為普遍的質量問題,嚴重制約金屬3D打印在結構和承重等領域的應用。傳統(tǒng)的超聲波檢測方法、阿基米德方法、X射線CT掃描等方法要么存在精度與分辨率不高的問題,要么無法檢測三維孔隙的形狀、大小與分布。在這一背景下,吳建國利用統(tǒng)計建模與推斷方法創(chuàng)新性地建立了一套質量檢測方法,將二維顯微圖像的氣孔缺陷與三維氣孔缺陷聯(lián)系起來,通過二維顯微圖推估產(chǎn)品三維空間的孔隙率、孔隙缺陷的大小尺寸及分布。該方法不僅能準確預測孔隙率,而且能預測空隙大小、密度等,其低成本、高精度的特點使其具有極高的工業(yè)應用價值。該成果發(fā)表在工業(yè)與系統(tǒng)工程專業(yè)旗艦期刊IISE Transactions,并被工業(yè)與系統(tǒng)工程師雜志ISE Magazine選為Featured Article進行報道。

在復雜系統(tǒng)可靠性研究方面,吳建國也進行了一系列創(chuàng)新性科研探索。在他的介紹下,記者了解到:隨著傳感與信息技術的飛速發(fā)展技術,利用多通道傳感信號對復雜系統(tǒng)(如航空發(fā)動機)進行健康狀態(tài)監(jiān)測與剩余使用壽命(RUL)預測越來越普遍。然而,傳統(tǒng)的數(shù)據(jù)融合和RUL預測方法要么不足以描述健康狀態(tài)與多傳感信號之間的高度非線性關系,要么或未充分利用歷史數(shù)據(jù)和已收集的觀測數(shù)據(jù)預測系統(tǒng)退化的軌跡。為解決傳統(tǒng)方法所面臨的問題,吳建國還提出了一種聯(lián)合預測模型(JPM),針對多傳感器數(shù)據(jù)開發(fā)了貝葉斯線性模型,然后利用人工神經(jīng)網(wǎng)絡建立RUL與各個傳感信號退化曲線參數(shù)的關系,以此對系統(tǒng)健康狀態(tài)進行監(jiān)測與剩余壽命預測。在美國NASA航空發(fā)動機數(shù)據(jù)上的實例分析表明,該方法在預測精度上相比于其他已有方法具有極大提升。

育人不倦 砥礪前行

不管是在求學中砥礪前行,還是在科研中深耕勞作,每當遇到困難有所動搖時,吳建國便會靜靜地坐下來,回想初心。在他看來,科學研究需要人們發(fā)自心底的熱愛與激情。一直以來,這份信念始終在鼓勵、督促著他,更加努力、專注地從事相關研究工作。

“我覺得一個團隊,最關鍵的還是導師。首先,導師必須要幫助學生確立自己的研究方向,其次還能及時地給予他指導與反饋,這樣整個團隊的工作效率才會提高?!眳墙▏f。一直以來,他都在以積極樂觀的心態(tài)、專業(yè)嚴謹?shù)墓ぷ鲬B(tài)度面對自己所從事的科學研究工作,他希望自己的這份心態(tài)與責任感,也能對身邊的學生有更加正向的引導,提升他們對于科研更為全面的認知。

孜孜不倦育桃李。在海外從事科研工作時,吳建國就講授過“工業(yè)大數(shù)據(jù)分析”“計算機輔助制造”“機器人與柔性制造”等相關的課程,回國之后,他仍在繼續(xù)指導著美國的學生,如今,他在美國指導的第一位學生也即將畢業(yè),并已順利申請了查普曼大學的教職工作。目前,他還在承擔著北京大學工學院本科生以及研究生相關課程的教學。

在與學生的相處過程中,吳建國低調謙和、兢兢業(yè)業(yè),在教學過程中,對學生的指導一絲不茍。在多年的教學生涯中,他始終將為祖國培養(yǎng)出更多具有獨立科研能力的研究人員作為己任,不斷為祖國播種著科研的種子。

靜水深流、不懈求索。對于吳建國來說,科研如修行,如果想要將科研做好,不僅要耐得住寂寞,還要淡泊名利、經(jīng)得起外界的誘惑,而走向成功的途徑唯有興趣與堅持。在科學的征途上沒有平坦大道可走,只有不畏勞苦沿著崎嶇山路攀登的人才有希望達到光輝的頂點。在“新一代智能制造”的時代洪流中,吳建國仍會堅守著自己的那份科學信念篤行不輟。

猜你喜歡
建國納米質量
納米潛艇
“質量”知識鞏固
Flow separation control over an airfoil using continuous alternating current plasma actuator
質量守恒定律考什么
你是我最牽掛的人
藝術評鑒(2020年2期)2020-03-23 13:34:24
做夢導致睡眠質量差嗎
質量投訴超六成
汽車觀察(2016年3期)2016-02-28 13:16:26
納米SiO2的制備與表征
黃建國小小說欣賞
小說月刊(2015年6期)2015-04-23 08:49:00
Yarn Quality Prediction and Diagnosis Based on Rough Set and Knowledge-Based Artificial Neural Network
石渠县| 琼中| 信宜市| 镇远县| 赣州市| 贵溪市| 隆尧县| 美姑县| 南平市| 江孜县| 安义县| 彭山县| 石柱| 阿城市| 安远县| 天等县| 安岳县| 昭苏县| 太原市| 涡阳县| 舞钢市| 桐城市| 二手房| 华池县| 城步| 红河县| 乳山市| 永吉县| 阿图什市| 石棉县| 阿拉善右旗| 辽源市| 道孚县| 康平县| 华容县| 额尔古纳市| 商洛市| 石楼县| 兴城市| 佛教| 深水埗区|