电火花加工过程的温度场仿真与研究

研究电火花单脉冲放电加工过程中的电蚀坑的温度场建模,主流的高斯热流密度分布模型只适用于较小电流参数范围内的温度场仿真,对于在大电流参数条件下,它无法准确预测电蚀坑的形貌、直径和深度。并且模型大多是采用传统的球缺计算公式去计算电蚀坑的材料去除量,与实际电火花加工过程中的材料去除情况不相符。为解决上述问题,建立了基于均匀热流分布模型的有限元模型,并运用ANSYS软件仿真电火花加工过程的温度场分布,并对传统的球缺计算公式进行了修正。同时,进行了电火花单脉冲实验,并对比分析了仿真结果与实验结果。结果表明,所建立的模型能准确地预测电蚀坑的形貌、直径和深度,采用修正后的球缺计算公式计算电蚀坑的材料去除量与实验值是吻合的,为研究电火花加工过程中电蚀坑的扩展规律提供了可靠的理论依据。     

化学微蚀刻法和微细电镀法制备微流控芯片金属模具工艺对比研究

针对化学微蚀刻法和微细电镀法制备微流控芯片金属模具进行了工艺对比研究。采用激光共聚焦显微镜分别检测表征由这两种加工工艺制备所得的模具微结构特征,对其侧壁陡度、尺寸均匀性、粗糙度进行对比分析。结果表明,化学微蚀刻法制备的模具微结构的侧壁呈不规则弧形、尺寸均匀性差,表面粗糙度较大 (R_a=3.58 μm)。而微细电镀法制备的模具微结构的侧壁则呈规则的梯形、尺寸均匀性好,表面粗糙度较小(R_a=0.65 μm)。微细电镀法制备的微流控芯片金属模具综合效果比化学微蚀刻好。     

生物芯片微流道的微细加工工艺

在生物芯片发展初期,其基底材料主要是玻璃,这是由于其加工方法是从半导体工业转移而来和玻璃材料的表面特性决定的。随着大批量、低成本的需求,基底材料转向聚合物材料,其加工方法也相应地发生转变。通过对比,介绍了生物芯片微流道微细加工的几种不同方法的原理及特点。     

阴极轨迹式平动型电铸机床PLC控制系统设计与实验

对阴极轨迹式平动型电铸机床的PLC控制系统进行了设计。机床采用基于PLC与触摸屏相结合的控制系统,实现阴极的轨迹式平动、温度的PID控制及液位的稳定控制。应用该机床进行精密模具的电铸成形实验,结果表明:采用轨迹式平动的阴极进行电铸比采用静止不动的阴极电铸得到的模具成形精度更高、质量更好。     

基于TOPSIS决策的高炉喷煤配煤优化

在TOPSIS法的理论基础上,建立了基于TOPSIS法进行配煤的综合决策数学模型。通过该模型对九江高炉喷吹煤进行综合分析,得到天冠烟煤与恒星无烟煤配比为2∶1时综合指标最好。     

基于模糊粗糙集与改进聚类的神经网络风速预测

提高风电功率预测精度是保障风电场和电力系统安全稳定运行的有效手段。神经网络方法已在风电功率预测中得到了广泛应用,并取得了不错的效果,而网络的输入变量与训练样本对其预测性能有着重要影响。基于此,提出一种基于模糊粗糙集与改进聚类的神经网络风速预测方法。采用模糊粗糙集对影响风电场风速的多种因素进行了属性约简,得到优化了的模型输入及各属性对风速的重要性;采用基于属性重要性的加权欧氏距离对传统聚类进行改进,建立了各聚类预测模型,并提取相似性较高的数据作为训练样本训练各类预测模型,对训练样本实现了优选;根据当前属性值选择匹配的模型对风速进行预测。以华北地区某风电场实际数据为例进行了实验,结果表明该方法能在较少的模型输入下有效地提高预测精度。     

基于STCP-BP的风速实时预测方法研究

为提高实时预测精度,提出一种新的基于时空相关性和BP神经网络的风速实时预测方法。该方法首先基于风速演变的物理特性,依据目标预测点若干个邻域点的风速及风向信息,建立时空相关性预测(spatio-temporalcorrelation predictor,STCP)模型并得到不等时间间隔的预测风速;然后依据目标预测点的风速序列建立BP神经网络预测模型进行风速的实时预测;最后将STCP结果以一定的滑动时间窗与BP预测模型得到的实时预测风速进行适当加权组合得到最终的预测风速。以某区域多个风电场实测数据为例进行仿真测试,结果表明,与BP预测模型相比,该文提出的STCP-BP组合预测方法可有效提高风速的实时预测精度。