跨越三省四市的招生、考察学习之旅-黄逸愚
发布时间：2023-07-07
点击次数：
6月底，一年一度的高考结束已半月有余，到了考生填报志愿的时间，汪老师被指派前往山东省泰安市和济宁市进行招生宣传，随后前往江苏省扬州市和安徽省芜湖市的企业和学校进行学习交流。此趟行程总共9天，跨越三省四市，与各具特色的单位交流，开拓了视野，收获颇丰。
6月26-28日，随老师在泰安体体育场、泰安一中和济宁一中等地进行招生宣传，我们悬挂横幅，发中南大学的宣传单，为前来的考生讲解学校的基本情况和招生政策。期间发现，附近的专科类院校宣传摊位前往往门庭若市，而我们的宣传摊位却不及，只是有时凑上来一些学生及家长。毕竟，能到中南大学学习的学生都是各省各市佼佼者。也有一些高考分数稍低难以选择心仪专业，但想来中南大学的考生询问转专业的政策，或是遇到非常关心保送研究生政策的学生，汪老师不仅耐心解答疑问，还教导这些学生进入大学也不应当放松学业，只有保持优秀的学习习惯，在成绩上名列前茅，才能获取转专业或保送研究生的资格。
图1 汪老师为考生和家长讲解学校政策
6月28日晚到达扬州，与计算机学院的王老师会合。29日前往中铁宝桥（扬州）交流，该公司专业生产钢桥梁、钢结构等，参与了港珠澳大桥等工程的建设。首先汪老师介绍了课题组相关工作，王老师也介绍基于计算机视觉的智能系统，包括了工业安全系统等。之后前往扬州宇安电子科技有限公司参观交流，这家一家专注于电子战装备、电磁试验训练装备研制生产，交流过程中对增材制造相关工作进行了重点介绍，并于企业讨论了他们遇到的材料问题。参观过程中，公司员工介绍了该公司历代产品，从第一代笨重的箱体逐渐向着小型、轻型的方向发展。并且展示了公司申请到的三十余项专利的证书。宇安电子科技是一家较新成立的公司，其领导和员工都很年轻，对使用新技术进行产品迭代有着强烈的向往。中铁宝桥则已经拥有成熟的产品线，则更加重视控制成本和提供稳定产品。希望用智能化的方式提升效率，也希望引进成熟的技术，提升产品质量和使用年限，在竞争中获得优势。
图2在中铁宝桥（扬州）与企业交流
6月30日还参观了胡笔江纪念馆和沙头镇智慧农业产业园。通过对胡笔江纪念馆的参观。了解了胡笔江先生在艰难的抗战年代坚守着对国家的忠诚和信仰。他将爱国精神放在首位，不计个人得失，毫不动摇地支持抗战事业。沙头镇智慧农业产业园中我首次见识到了农业与智能化技术的结合。在参观产业园时，了解到通过传感器设备对大棚内的温度、湿度、光照和二氧化碳浓度等进行实时监控，并自动调控灌溉、通风、温控等农业生产过程，从而实现精确的管理和节约资源。
图3参观胡笔江纪念馆
7月1日离开扬州，前往芜湖。与安徽工程大学的朱老师和陈老师一同前往泓鹄新材料技术有限公司参观交流。这家公司主要通过铸造的方式生产汽车用模具，已经拥有了稳定的产品线，然而他们居安思危，意识到现有技术并未具有足够高的技术壁垒，从而希望开辟新的高端产品，为公司谋求更加长远的发展。7月2日，与朱老师、陈老师以及研究生在安徽工程大学的增材制造研究院进行学术交流，并参观了多种增材制造设备。与朱老师探讨了增材制造大型构件的可能方式，并得出送粉的方式相比铺粉的方式更具优势。
图4增材制造研究院前合影
7月3日上午，前往安徽鑫科铜业有限公司进行参观交流，该公司生产铜及铜合金的板带材、粉末等产品。交流过程中来自中南大学粉末冶金学院的曹老师介绍了有关铜合金的研究。参观了铜粉及铜板带材的生产车间。
在此次参观交流的行程中，了解到增材制造技术在不同领域中的可能应用。例如，宇安电子科技公司追求电子产品器件的小型化则可以使用增材制造的手段制作外壳，既能保证内部器件的适配，还能设计复杂结构提供所需的散热能力。在泓鹄新材料技术有限公司参观交流则了解到增材制还可用于制作结构复杂的汽车或航空用模具，尤其是航空领域需要使用的冲压模具，需要保证精确和强度，增材制造方式生产的模具则能满足这两点要求。在鑫科铜业有限公司则了解气雾化方式制备金属粉末的过程，知道了用于增材制造的金属粉末是如何生产出来的，还了解到了几种用于筛分不同粒径粉末的技术。在铜板带材的生产车间的参观则快速回顾了生产实习时所见的内容，包括热轧、冷轧、精轧和气垫炉退火。临回长沙前与芜湖钻石飞机制造公司的技术人员交流时得知，在飞行器制造领域，对增材制造大型构件也有需求，例如一些中型无人机可以通过增材制造的方式一体成型基体，可以最大程度减小装配的接缝和误差，实现最佳的飞行性能。
此次与企业交流的行程中认识到材料研究的目的应该是为了满足应用方对材料性能的需求，提升材料的性能进而实现应用。对于我个人而言，我将来要进行的研究，也需要多与应用方交流，更加深入了解材料的服役环境，才能将可科研更紧密的与实际结合，得出真正可用的材料。另外，我将来的研究也应当与智能化、数字化结合，例如通过计算机模拟优化材料成分。利用高通量技术通过少量的实验得到大量的材料数据，利用机器学习和数据分析技术，对大量的生产数据进行处理和分析，提取有价值的信息并对材料的性能和行为做出预测。