球压痕试验法评价金属材料的强度

通过单次压痕试验与有限元模拟相结合的方法,结合反向分析方法与模拟退火粒子群算法,从获得的载荷-深度曲线加载部分提取材料的塑性参数,基于Ludwig硬化模型预测了不同金属材料的强度,并与单轴拉伸试验结果进行对比。结果表明:模拟得到的载荷-深度曲线与试验得到的几乎重合,二者的相对误差小于0.5%,说明模拟退火粒子群算法可有效地从压痕载荷-深度曲线中提取出金属材料的塑性参数;基于Ludwig硬化模型,利用反向分析方法从压痕载荷-深度曲线中提取的真应力-真塑性应变曲线不是唯一的,但从真应力-真塑性应变曲线计算得到的强度具有明显的收敛趋势;采用压痕试验得到不同金属材料的强度均接近于由拉伸试验得到的,屈服强度与抗拉强度的最大相对误差分别为5.9%,4.3%,说明采用压痕试验法可以准确地评价金属材料的强度。     

微型管拉伸过程的晶体塑性有限元模拟及材料参数拟合

采用晶体塑性有限元模拟微型管件的拉伸试验,通过匹配模拟得到的拉伸曲线和实验得到的拉伸曲线来确定微型管件材料的晶体本构方程的各项参数,为后续的微形管件液压成型工艺的数值模拟提供材料参数,具有重要的工程意义。     

基于粒子群算法的汽车ABS控制器参数的优化设计

提出了基于粒子群算法的汽车ABS控制器参数的优化设计方法。该方法将ABS控制器的参数编码为粒子群中粒子的向量,通过粒子群在参数空间的寻优得到优化的控制参数。然后分别以未优化的参数和优化的参数作为控制参数进行了仿真试验,仿真结果证实了该算法的有效性。最后以优化的参数作为控制参数进行路试,取得了比较满意的制动效果。     

基于纳米压痕的激光修复层晶体材料常数反演方法

为了研究裂纹激光修复层的细观力学行为,利用纳米压痕试验确定激光修复层晶体塑性材料常数.首先,运用纳米压痕仪获得添加304不锈钢粉末及其质量分数为5％的纳米WC的激光修复层的载荷-位移曲线.然后,运用纳米压痕的常规有限元模型对修复层材料的宏观弹塑性参数进行求解,通过堆积/沉陷参数对试验载荷-位移曲线进行修正.最后运用拉伸试件的晶体塑性有限元模型对修复层材料的晶体塑性常数进行反演.结果表明,通过堆积/沉陷参数对试验载荷-位移曲线进行修正,能够有效地减小计算误差;同时该方法能够以较小计算量和较高计算精度确定晶体塑性常数,为通过纳米压痕试验获得晶体塑性材料常数提供了一种新的方法,也为从细观尺度研究材料的力学行为提供了方便.     

连续球压痕法评价钢的塑性

对B16、Q345R、A106和2.25Cr1Mo四种钢进行了连续球压痕试验,并按照所提出的方法对试验获得的载荷-位移曲线进行处理,通过引入损伤积累理论获得连续球压痕试验的压痕塑性表征参数;同时对四种钢进行了传统单轴拉伸试验以获得它们的断面收缩率,将连续球压痕试验得到的压痕塑性表征参数与断面收缩率进行比较。结果表明:对于断面收缩率大的钢,其压痕塑性表征参数也较大;在因试验条件限制而无法进行单轴拉伸试验时,压痕塑性表征参数可以作为材料塑性评定的补充参数。     

各向同性热解石墨的纳米压痕试验与有限元仿真研究

通过对各向同性热解石墨进行了纳米压痕试验,得到了其材料的载荷-位移曲线.并根据Olive和Pharr理论算出了其硬度与弹性模量值,得到了主要的材料性能.在纳米压痕试验的基础上,通过有限元单元法建立了纳米压痕试验的数值模型,通过比较有限元所拟合的载荷一位移曲线和实际纳米压痕试验所得到的曲线,进行相应的修正,最后得到了该材料的塑性性能,也证明了有限元仿真的可行性.     

基于人工蜂群算法的复合材料层间内聚力模型参数反演

内聚力模型在复合材料结构分层损伤评估中已得到广泛应用,准确获得内聚力模型的参数对评估结果有重要影响.对内聚力模型的参数反演进行了研究,通过复合材料双悬臂梁试验获取加载点载荷-位移数据信息,结合对应的有限元正演模型输出构建目标函数,采用人工蜂群算法优化识别出层间内聚力模型参数.数值仿真和试验结果表明,人工蜂群算法较遗传算法和粒子群算法具有良好的收敛性和寻优能力,并且有一定的抗噪能力,能够在不同测量噪声影响下优化反演出内聚力模型参数值,运用反演参数模拟得到的加载点载荷-位移数据与实际试验结果一致.     

基于micro GA和有限元的薄板塑性材料参数识别

结合有限元方法和遗传算法进行材料塑性参数识别。材料在给定条件下的响应由有限元方法计算得出,用遗传算法优化材料参数使计算得出的响应与实测值在最小二乘意义上最小。算例表明,用此方法通过简单的拉伸试验和计算就能较精确地得到材料的塑性性能参数。     

仪器化压入硬度与维氏硬度的关系研究

对理想Berkovich压头和维氏压头几何形状的分析表明,名义硬度Hn与维氏硬度Hv间存在如下近似函数关系：Hv=Hn/1.08。以37种碳钢材料的单轴拉伸实验数据为例,利用非线性有限元分析软件ABAQUS,模拟分析了这组碳钢材料的仪器化压入响应,将得出的名义硬度除以1.08,并与这些碳钢材料维氏硬度的实验数据相比较,两者吻合较好,以上关系的正确性得到了验证。这一关系使仪器化压入硬度与传统硬度间的直接比较成为可能。同时,为薄膜材料、纳米材料等小尺度材料传统硬度的预测提供了可行性方法。     

热／力模拟试验技术与试验机的发展

本文阐述了热／力模拟试验技术与试验机的发展对材料与结构试验，包括拉伸试验（高低温位伸、辐照材料拉伸、短时快速拉伸试验及高速拉伸试验）、硬度试验（高低温硬度、小负荷维氏和显微硬度试验）、蠕变试验（高温蠕变、松驰、放射性介质中蠕变、低温压缩松驰、高低温拉扭蠕变试验）、疲劳试验（程序／随机控制试验、高温蠕变疲劳、高／低周疲劳试验）、实物和大型结构试验的影响，以及开发相应试验机的难点和特点．     

激光淬火U71Mn钢轨面淬硬层的材料参数反演分析

对激光淬火U71Mn钢轨淬硬层和母材进行纳米压痕试验,由载荷-压深曲线计算得到弹性模量和纳米硬度;建立淬硬层纳米压痕的轴对称有限元模型,基于幂强化模型并结合迭代法对载荷-压深曲线进行反演分析,确定幂强化模型的材料参数,并对反演分析的有效性进行验证。结果表明:淬硬层的平均弹性模量和纳米硬度分别为220.3,11.8GPa,与母材相比分别提高了4.9%和187.8%,且二者在淬硬层中分布较为均匀,仅在边界处发生突变;反演分析得到淬硬层的特征应力为3 146.0MPa,特征应变为0.038,应变硬化指数为0.64,名义屈服强度为498.3MPa;由反演分析得到的应力-应变曲线与给定参数确定的应力-应变曲线的吻合程度较高,说明此反演分析方法有效。     

基于改进PSO算法的数控机床主轴优化设计

通过分析主轴结构和加工过程中受载变形情况, 建立了主轴优化设计的数学模型。根据邓克莱法计算得到的一阶固有频率近似值,引入动态约束条件 。针对传统优化设计方法在解决主轴优化设计中出现的问题,引入粒子群优化 (PSO) 算法,并提出了一种惯性权重值适应性递减的粒子群（ADW）算法。将ADW算法用于数控机床主轴优化实例中,得到主轴结构参数优化组合。研究结果表明,运用所建立的主轴优化设计数学模型及改进粒子群算法可以得到主轴结构参数优化组合,充分显示了该研究方法的有效性。     

基于改进粒子群算法的高强钢Y-U本构模型参数反演

建立Y-U本构模型参数反演的数学优化模型,针对本构模型迭代求解等特点,对传统粒子群算法的参数设置、初始群体生成等方面进行改进,并融合遗传算法中的变异思想,用于此优化问题的求解。根据高强钢材料WELDOX1100的拉压循环试验数据对模型中的7个参数进行反演。最后进行折弯回弹有限元计算和试验,验证了反演结果的准确性。结果表明,该反演算法收敛性好、精度高,反演结果对提高高强钢成形的数值模拟精度具有重要意义。     

基于粒子群算法的极限学习机短期电力负荷预测

为了优化极限学习机的参数,提高短期负荷预测的准确率,提出一种改进粒子群算法的极限学习机(CSPSO-ELM)预测模型。该模型利用粒子群算法(particleswarmoptimization,PSO)寻找极限学习机(ELM)网络中最优的输入权值和隐层偏差值,得到输出权值矩阵,以达到减少随机参数误差的目的。同时引入混沌自适应策略,增强粒子群算法的多样性,防止粒子群陷入局部收敛。在充分考虑天气、湿度、假日因素和当地工业产值对预测结果的影响下,提出一种基于该方法的极限学习机预测模型。最后,针对扬州市高新区用电总量预测问题,通过与其它模型的对比实验,证明了改进的粒子群算法优化了极限学习机的参数结构,提高了电力负荷预测的精准度。     

基于粒子群算法的并联机构结构参数优化设计

介绍了粒子群优化算法的原理和实现方法，分析了该算法的主要参数对搜索性能的影响，井把粒子群算法用于六自由度的并联机构的参数优化设计中，取得了较好的效果，试验证明，粒子群算法是一种有效的优化方法，适用于大型复杂结构的优化设计。     

改进的PSO算法对PID控制器的参数优化

针对工业控制领域中,PID参数整定难的问题,提出基于均值的新型高效自适应惯性系数的粒子群算法,將测定控制系统整体性能的适应度值和决定粒子搜索能力的惯性系数结合,根据不同适应度值选用不同的惯性系数。在Simulink中,将改进的PSO算法运用到PID算法模型优化中,不断测试,得到PID参数性能,直至得到最优参数。将优化的参数与标准粒子群算法作仿真对比,验证该方法对PID控制器参数优化的有效性。     

基于粒子群优化的支持向量机的软测量应用

提出了一种基于粒子群优化算法的支持向量机参数选择方法。针对RBF-SVM,利用PSO算法中粒子速度及其位置与RBF-SVM模型中参数对C和g相对应,找到最优参数,代入支持向量机SVM预测模型中,得到基于粒子群优化算法的支持向量机(PSO-SVM)模型,利用此模型对电厂的一次风量软测量进行预测研究。实验结果表明,经过粒子群优化算法的支持向量机回归模型具有较高的预测精度,粒子群优化算法是选取支持向量机参数的有效方法。     

焊缝结构微区材料力学性能研究

介绍三种对微区材料力学性能进行测试的方法,微拉伸试验、微剪切试验和维氏硬度试验,并分析其各自的优缺点。采用这三种方法对0Cr18Ni10Ti焊接接头不同区域材料进行力学性能测试,并对试验结果进行比较分析。研究指出,采用微小拉伸试样的微拉伸试验方法测定微区材料的力学性能更为准确可靠。     

超声表面滚压加工纯钛梯度材料的力学性能反演与有限元分析

对TA2纯钛进行超声表面滚压加工,研究了其截面显微组织和残余应力分布;采用纳米压痕试验测定距表面不同距离处的载荷-压入深度曲线并反演得到应力-应变曲线,将该应力-应变关系作为材料属性,采用有限元方法模拟得到载荷-压入深度曲线,通过与试验曲线进行对比对反演方法进行验证,并且研究了初始屈服应力和应变硬化指数对载荷-压入深度曲线的影响.结果表明:试样表层形成晶粒尺寸逐渐增大的梯度结构,残余压应力随着距表面距离的增加先增大后减小;载荷-压入深度模拟曲线与试验曲线基本一致,最大压入深度的相对误差在8％以内,说明反演方法可靠;随着初始屈服应力和应变硬化指数增大,载荷-压入深度曲线加载段曲率增大,塑性功与总功之比减小,初始刚度变化不明显.     

铜铝复合材料微观力学性能测试

划痕测试方法是一种高分辨率的测试手段及检测方法,能够在微观尺度下观察材料表面结构形态.测试结果可获取材料的摩擦系数、硬度、表面粗糙度等重要表面信息及力学参数,并结合沟槽形貌、试件表面残余形貌来评价试件表面的抗摩擦磨损性能及薄膜的结合能力,从而揭示材料深层结构与其表面性质的内在联系.本文通过两种加载方式,针对铜铝复合材料进行划痕试验和硬度测量,结合划痕形貌和测得硬度值,研究了在不同载荷及接触深度条件下,薄膜复合材料的微观形貌及材料特性,可以看出铝基底层中靠近压头尖端的划痕区,微观形态相对光滑平坦.此外,在压痕试验中,在较小的压痕深度下,维氏硬度急剧下降,随着压痕深度的增加,维氏硬度更接近于基片层的硬度,但仍然大于基底材料硬度,揭示了镀膜层和交界面的粘着抑制了基底层的塑性流动和堆积行为.