外架小横杆外露长度规范要求_电缆制作通用工艺规范

本文详细阐述了电缆制作的工艺流程,包括导线端头处理、屏蔽层处理、电缆制作、导线焊接和压接等步骤,强调了环境要求、工作台配置和操作人员资质。此外,还提出了电缆使用、搬运和检查的注意事项,以确保电缆组件的质量和安全。
摘要由CSDN通过智能技术生成

9ce83e84b5756e5faaa00c0153f76d9a.gif

06ec81391427b0490430e7d624dbb4bb.png

1、范围

本标准规定了电缆制作中的工艺要求。

本规范适用于XXX公司航插电缆。

651e7f5b5144118f3771b0c744f17e29.png

2、规范性引用文件

下列文件对于本文件的应用是必不可少的。凡是注日期的引用文件,仅注日期的版本适用于本文件。凡是不注日期的引用文件,其最新版本(包括所有的修改单)适用于本文件。

HB 7262.1-95 航空产品电装工艺 电子元器件的安装

HB 7262.2-95 航空产品电装工艺 电子元器件的焊接

QJ 146Z-1985 导线端头处理工艺细则

QJ 603A-2006 电缆组装件制作通用技术要求

QJ 1722-1989 线扎制作工艺细则

SJ 20385A-2008 军用电子设备电气装配技术要求

3、环境要求和一般要求

3.1 工作场地应通风、照明良好,并保持温度为15℃~35℃,湿度为30%~75%。

3.2 工作场地应无灰尘,及时清除杂物(如污垢、油脂、导线头、绝缘体碎屑等)。工作区不得洒水,不允许吸烟和饮食。

3.3 工作台上应有防静电台垫等防静电措施,防静电台垫要可靠接地。工作台应整洁、干净、无杂物。工作台上应有触电断路保护装置。

3.4 技术文件、工具、元器件等应放在规定的地方。

3.5 操作人员必须是经过培训、考核合格后持证上岗人员,并定期对操作人员进行培训。

4、导线端头处理

4.1 下料

用钢直尺/卷尺按照技术文件上长度留有1~2次焊接余量(8~20mm)量取导线,用剪刀/剥线钳裁剪导线。量取导线长度时,导线应呈自然的平直状态,不应扭曲,也不应拉得过紧。

4.2 剥除绝缘层

导线绝缘层按照技术文件上要求或焊杯深度加1~2mm余量剥除,一般在5mm~15mm范围内。用剥线钳剥除导线上绝缘层,剥线钳上钳口必须按照导线规格选用,保证剥除绝缘层后线芯无损伤,切口整齐平整。

4.3 捻头

用镊子等工具将剥除绝缘层的多股绞合芯线按照原绞合方向绞合。绞合应松紧适宜,均匀顺直,绞合后不能损伤线芯。

4.4 搪锡

用电烙铁给线芯搪锡,线芯上搪锡层要均匀、无焊瘤。线芯上搪锡段与绝缘层之间留有0.5~1mm不搪锡段。

4.5 屏蔽层处理

4.5.1 不接地屏蔽层处理

用剥线钳剥除导线外绝缘层,剥除外绝缘层后保证屏蔽层无损伤。将屏蔽层修剪至距外绝缘层1~2mm(见图1),将8~10mm热缩管套装在屏蔽层上,保证屏蔽层无外露,然后用热风枪吹紧热缩管。

b5a17a6caeb1182c0395557e7a9b0a3f.png

图1  不接地屏蔽层处理

4.5.2 接地屏蔽层处理

4.5.2.1 剥除导线外绝缘层后,用镊子等工具将屏蔽层拆散,将松散的屏蔽层拧紧成束(见图2)。屏蔽层拆散时要一缕缕拆散,过程中不能损伤芯线绝缘层。根据屏蔽层接地点位置裁剪屏蔽层,将热缩管套装在成束屏蔽层上直至根部,用热风枪吹紧。将热缩管套装在未拆散屏蔽层上保证屏蔽层无外露,用热风枪吹紧(见图3)。

39d5d6d98f7c3337fc8e65fb56971bf2.png

图2  屏蔽线接地1

8be68711d9fa7545dd1a0eee7f7de734.png

图3  屏蔽线接地2

4.5.2.2 屏蔽层接地处较远,屏蔽层长度不够时可焊接接地导线。剥除外绝缘层后将屏蔽层裁剪至6~8mm长,然后将屏蔽层反向包裹在外绝缘层上。用单根铜线TR0.3~0.8将导线缠绕在屏蔽层上(见图4),搪锡固定(导线绝缘层为含氟可直接搪锡,不含氟时应在屏蔽层与绝缘层之间加套含氟薄膜/热缩管),将热缩管套装在屏蔽层上,保证屏蔽层无裸露,用热风枪吹紧(见图5)。

00f5c8c8b1540b7f81807b06c63c1a5f.png

图4  屏蔽层焊接导线1

26cf5be1df1fef355a0f9bd243f25014.png

图5  屏蔽层焊接导线2

5、电缆制作

5.1 整理导线

将导线整理成束,导线要捋顺平直,无特殊要求除双绞线外其余导线不能绞合,将电缆束的端部裁剪整齐。有绑扎要求时,用棉麻绳/尼龙绳将导线绑扎成束。电缆绑扎间距一般为200~300mm,绑扎方法应符合QJ1722的规定,电缆直径与线箍宽度的关系见表1。

表1  电缆直径与线箍对应关系

电缆绑扎间距

电缆束直径

线箍宽度

200~300mm

<10

3~5

10~20

5~10

>20

10~15

5.2 电缆外套

电缆外套规格应和线束直径相匹配,将电缆外套套装在电缆束上,电缆外套端头用棉麻绳/尼龙绳绑扎固定,电缆外套线箍宽度根据使用情况和电缆束直径确定,电缆外套线箍宽度一般为8~20mm(见图6)。将绑扎线两端拉紧,用剪刀剪去多余线头,在绑扎处套装热缩管,保证绑扎线无外露,用热风枪吹紧固定。需套装防波套的电缆束根据电缆束直径选择防波套,防波套长度应按电缆自由长度增加10%~30%的余量,防波套应紧贴电缆束,无要求时防波套应套装在电缆外套内,防止防波套损伤。防波套要求接地时,可按照4.5.2 接地屏蔽层处理中要求处理,屏蔽处理点在处理好绝缘的前提下离航插壳体应尽量近,无特殊要求时,一般应控制在距航插壳体70mm以内。

231562914d4c77c48f4dc5d00fc3f523.png

图6  电缆端头绑扎

5.3 导线焊接

5.3.1 双绞线与航插连接时,拆散绞线的长度不应超出航插的尾夹。航插上焊杯用电烙铁搪锡,搪锡时要求焊杯应呈水平状态或略向下倾斜,焊锡应润湿焊杯的整个内侧,至少填满焊杯的75%空间,不允许焊锡溢出焊杯,搪锡时间不超过3秒,焊杯搪锡次数最多不得超过三次。

5.3.2 导线焊接前套装标识套管、热缩管。用电烙铁将芯线焊接在焊杯中,芯线要紧贴焊杯内壁插入并直插到底,焊接时间不超过3秒,绝缘层至焊杯距离为1~2mm。焊点要自然冷却,严禁用嘴吹或其他强制冷却方法。

5.3.3 导线焊接过程,导线与焊杯之间不应出现相对移动,单根和多根导线与焊杯焊接时,与焊杯连接部位的导线截面积不应超过焊杯的截面积,每个焊杯上一般不超过三根导线。焊杯焊接处套装热缩管,保证焊接处无外露,用热风枪吹紧固定。标识套管制作、安装位置按照《电气控制柜通用工艺规范》中规定制作。

5.3.4 导线焊接完成后,清除多余物,将电缆外套绑扎固定,在绑扎处套装热缩管。组装航插尾夹,航插尾夹应夹紧电缆,电缆直径过小尾夹无法固定时,在电缆上加装橡胶垫(可用胶皮电缆上剥离的外皮)并露出尾夹3~10mm。

5.4 导线压接

5.4.1 导线芯线应全数、平直伸入压接端子尾管,伸入长度应和端子压接区尾管齐平,导线绝缘层和压接端子压接区的间隙为0.5~1mm。

5.4.2 压接完成后压印应处于压接区中心位置,且清晰可见,压印边缘距压接端子尾管两端不小于0.5mm,端子应无裂纹、无压穿,芯线应无压断、无脱出。

5.5 电缆使用中注意事项

5.5.1 电缆组件在不使用时,航插的对接面应盖上保护盖,电缆应整体盘好放置不允许出现直角折弯,电缆弯曲半径应大于电缆直径10倍。

5.5.2 电缆的搬运中不允许拖地拉拽,搬运中禁止拖拽航插,防止绝缘层破损和电缆根部松动。对护套为尼龙编织层的电缆,应尽量避免磨损和刮破尼龙编织层。

5.5.3 航插使用前,对接前应检查插针无歪斜和断针,插孔中无多余物。对接时应对准航插上定位槽后再轻轻推上插头对接。

5.5.4 对可旋转式航插,插接时只可拧插头的前半可旋转部位,禁止拧航插尾夹部位,防止尾夹松动。

87ebfe23abaa1c42f78d652c923b98b0.png

4e2b5cb3ff0f81f18cb92149a8b2b8cf.png

深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值