大径厚比非对称5083铝合金弯管充液弯曲成形

针对大尺寸大径厚比非对称铝合金薄壁弯管弯曲成形过程中的起皱难题,提出了两端仅压板约束、两端固定约束、两端采用封头3种充液弯曲成形方案,通过有限元数值模拟分析了管件的起皱缺陷、壁厚分布以及应力状态,并进行了实验验证。研究表明:采用两端仅压板约束时,压板与管材之间的摩擦力提供的管材轴向拉应力较小,只有当充液内压大于3.6 MPa时,才能消除起皱缺陷;采用两端固定约束和两端封头时,可在较低充液内压下成形出合格的大径厚比非对称的铝合金弯管件,其原因为:轴向约束与封头均会使管坯内产生轴向拉应力,其平衡了弯曲过程中产生的内侧轴向压应力,从而避免了起皱缺陷的产生。     

轻合金挤压成形/成性一体化的研究进展

为了充分发挥挤压工艺在高性能轻合金制备和成形两个层面上的技术特点与集成优势,轻合金挤压成形/成性一体化应运而生并逐渐成为本领域的研究热点问题之一。该类方法的技术特点在于通过对挤压模的优化设计、加载形式及坯料结构等的改变,将以往独立的细晶制备工序巧妙融入到挤压过程中,在单道次内即达到了对挤出制品"形/性"双控的实效。从研究概况的"缩影"可以看出,与常规挤压相比,在降低成形载荷、改善挤出流动均匀性、提高制品组织性能等诸多方面都体现出了其综合优势。随着相关基础科学问题的解决,藉此为高性能轻合金短流程控形及控性一体化技术的研究和应用提供科学指导。     

挤压豌豆纤维粉制备的不可溶膳食纤维油脂吸附能力研究

对不同挤压条件下不可溶膳食纤维对植物油和动物油吸附能力进行研究。以豌豆纤维粉为原料,通过改变挤压条件,改善豌豆纤维粉的物性,利用酶水解去除物料中的淀粉、蛋白质,得到不可溶膳食纤维。豌豆纤维粉挤出物和不可溶膳食纤维,随着物料水分、机筒温度、螺杆转速的升高,对于植物油和动物油的吸油量皆为先升高再降低,整体的吸油量后者高于前者。豌豆纤维粉挤出物去除淀粉和蛋白质前后吸附植物油能力由0.50 g/g提高到1.27 g/g;吸附动物油能力由0.56 g/g提高到1.75 g/g。结果表明经挤压技术改性的不可溶膳食纤维粉对油脂的吸附能力有所提高。     

基于差示扫描量热法测定硬聚氯乙烯管材微晶熔融焓的研究

利用差示扫描量热法(DSC)研究硬聚氯乙烯(PVC-U)管材的微晶熔融焓。将PVC-U管材的熔融过程在DSC仪器软件上再现,次级微晶和初级微晶的熔融吸收峰分别为A峰和B峰,在A峰起始点和B峰起始点之间划一直线,直线下方的阴影面积即为微晶熔融焓;由于PVC-U管材中添加剂的存在而导致假峰时,需要拟合假峰面积,将其扣除; PVC-U管材试样与样品盘的接触充分,有利于得到规则且平滑的DSC结果曲线;在实际测试中,宜从管壁芯层取样,综合考虑0°、90°、180°和270°4个方位的结果值。     

[成形过程的数据挖掘与深度学习方法]基于机器学习的管材弯曲回弹有效预测与补偿

采用基于优化的误差反向传播(BP)神经网络的机器学习算法建模，提出了考虑材料参数、几何参数等多因素的弯管回弹精确预测和高效控制方法。该方法通过引入非线性惯性权重及遗传算法的杂交算子，改进了粒子群优化(PSO)算法，进而通过改进的PSO算法对BP神经网络进行优化，构建了基于改进的PSO-BP神经网络机器学习回弹预测和补偿模型。以多种规格的铝合金数控弯管构件为对象，将实际生产中不同规格、批次、成形参数下回弹数据作为训练样本，实现了所建机器学习预测模型的应用验证。所建模型获得的预测结果平均相对误差为6.3%，与未优化的BP神经网络等传统模型相比，预测精度最大提高了18.5%，计算时间可从1.5 h缩短至300 s，同时实现了回弹预测与补偿精度以及计算效率的显著提高。     

基于双向流固耦合弹性环式挤压油膜阻尼器建模及动力学特性研究

利用数值方法建立了弹性环式挤压油膜阻尼器(ERSFD)的流固耦合模型,分别利用有限元方法以及有限体积法建立了弹性环和内外油膜的CFD数值模型,并进一步利用分时迭代的弱耦合方法实现了油膜以及弹性环控制方程的耦合求解,获得了内油膜的压力分布特性及弹性环的变形,并进一步识别了油膜和弹性环的动力学特性系数;研究了涡动频率、凸台数目、凸台高度、凸台宽度以及弹性环厚度对阻尼器动力学特性系数的影响。结果表明,弹性环的凸台高度对ERSFD油膜动力学特性系数的影响最为明显,ERSFD油膜阻尼与涡动频率无关。     

恒定内压下热老化对PE管材性能的影响检测

PE材料是当前管道行业中运用最多的管道材质,因其优异的力学性能、易加工性质获得市场的广泛好评。加上PE材料化学稳定性能好,能够降低管道对运输物质,例如自来水的影响,同时PE材料相比其它管道材料,耐低温性更强,应用范围更加广泛。本文主要介绍恒定内压下热老化对PE管材性能的影响检测。