铸造热物性参数数据库系统的开发与研究

以层次数据模型为基础,采用树形数据结构和面向对象（ＯＯＰ）技术研究开发了铸造热物性参数数据系统ＴｈｅｒＤｂａｓｅｆｏｒＷｉｎｄｏｗｓ。另外,本文还介绍了有关数据库系统实现的主要原理及算法。     

基于神经网络和粒子群算法的切削参数现场实时优化

为了使金属切削加工中，能实现切削参数的实时优化，保证产品质量和设备效率，提出了一种新的切削参数最优化方法，引入加工时间、加工精度、加工成本三个目标控制量，建立了多目标非线性规划模型。并用惩罚函数法将多目标非线性约束规划问题转换成无约束非线性单目标规划问题。通过对神经网络和粒子群算法的有机结合，并充分利用了粒子群算法和BP网络各自具有的优点，对模型进行了求解。数值试验表明该方法能较好地解决切削参数的优化问题。     

基于粒子群算法的加热炉空气系数寻优

加热炉中燃料在燃烧的过程中选择合适的空气系数α是节约能源的关键。只有将α控制在一个合理的范围之内,才能最大程度的降低热损失。由烟气热损失率以及不完全燃烧热损失率与α的函数关系得到寻优函数,使用MATLAB仿真粒子群算法对寻优函数的寻优过程,在燃料热值突变和工况变化时快速找到新的合适的α,达到燃料充分燃烧,提高热效率的目的。仿真结果充分验证算法的可行性和优越性,理论上实现了用相对较少的燃料得到较高的热效率。     

铸造CAE热物性参数库的设计与开发

本文介绍了有关数据库设计及访问的原理和方法,以关系数据库模型为基础,采用OOP技术设计开发了铸造CAE热物性参数库CastDBase,并分析了热物性参数与温度密切相关的特性.     

铸造用型砂热物性参数研究及校正

型砂的热物性参数对铸造凝固过程数值模拟结果有很大影响,得到准确的型砂热物性参数对提升铸造数值模拟的准确性意义重大.本文通过现场试验测得了实际铸造型砂的降温曲线,在仿真模拟软件中对型砂热物性参数进行反算优化,并与现场实测的降温曲线匹配拟合,最终确定出与现场匹配的型砂热物性参数用于今后的数值模拟计算中,提升数值模拟准确性,...     

基于粒子群算法的齿环精锻成形工艺参数优化

为提高同步器齿环热精锻成形的材料利用率,以初始温度、压制速度、摩擦系数、坯料内径和坯料高度作为设计变量,以充填性、成形缺陷和材料利用率3个指标的综合加权评分值作为优化目标,建立工艺参数与综合加权评分值的Kriging模型。应用Kriging模型结合粒子群算法,在可行变量空间内寻优,得到最优工艺参数组合为:T=697.5℃,v=190 mm·s-1,m=0.43,d=62.75 mm,h=12.5 mm。采用最优工艺参数组合进行工艺实验,锻件充填饱满,未见折叠缺陷,材料利用率提高至60.52%,为同类型的薄壁环型类锻件工艺参数设计及优化提供了定量的确定方法和依据。     

炉前热分析冷却曲线的数字滤波

提出了一种新的数字滤波方法,与平均值滤波和惯性滤波相比,能更加有效地滤除高频干扰,并使低频信号保真度也明显改善,尤其适合于炉前热分析实测冷却曲线的光滑处理.     

基于二阶振荡粒子群算法的铝合金Y-U硬化模型参数反演

针对铝合金的Y-U硬化模型在标定过程中参数的迭代求解特点,采用二阶振荡粒子群算法(PSO)对参数进行了反演分析求解.首先,建立参数反演的数学模型与残差目标函数;然后,基于图解法的参数近似解确定部分参数取值,对选定的5个待反演参数进行求解域标定;最后,采用具有跳出局部最优解特性的二阶振荡粒子群算法进行目标函数的优化求解....     

基于粒子群算法的冒口优化设计

为有效节约金属材料,提高经济效益,降低生产成本,根据补缩原理和生产实际,以冒口的体积最小为目标函数,运用粒子群算法和Matlab语言,对冒口直径、冒口高度、冒口颈直径等冒口尺寸进行了优化设计,优化仿真结果表明,在保证铸件质量的前提下,冒口的体积比常规的模数法设计结果减少了11.77%,优化效果十分显著,表明了粒子群算法应用于铸造行业的优化设计可行.     

凝固模拟所用砂型热物性参数的测定和研究

采用反算法对砂型的热物性参数进行实验研究，并用自制的实验测温装置对工厂实际生产的硅砂的热物性参数进行测量，测量值得到模拟结果的验证；为本厂生产汽车后制动鼓铸件进行数值模拟，提供了实用和可靠的热物性参数。     

基于模拟退火耦合粒子群算法优化BP神经网络的机床主轴热误差补偿研究

为了降低机床主轴运行产生的热误差,建立混合算法优化BP神经网络预测模型,通过实验验证预测精度。分析模拟退火算法和粒子群算法的不足,采用模拟退火算法耦合粒子群算法,给出混合算法寻优步骤。引用BP神经网络结构,构造机床主轴热误差预测模型,采用混合算法优化BP神经网络预测模型。采用实验验证主轴热误差预测精度,并与优化前进行比较和分析。结果显示:采用混合算法优化后的BP神经网络预测模型,其Y轴方向产生的最大误差值从7.3μm降低到2.3μm;而Z轴方向产生的最大误差值从7.5μm降低到2.6μm。同时,机床主轴整体误差波动幅度较小。采用混合算法优化BP神经网络预测模型,用于机床主轴热误差在线补偿,提高了加工精度。     

大块非晶合金的热物性及冷却过程的数值模拟

对大块非晶合金Zr4 1Ti14 Ni10 Cu12 .5Be2 2 .5(摩尔分数 )的比热容和导热系数进行了测量 ,发现在 15～ 35 0℃范围内 ,其比热容和导热系数随温度的增高而增大 ,二者的变化范围分别为 0 .386～ 0 .485kJ/ (kg·℃ )和 4.80～ 7.74W/ (m·℃ )。在深过冷区域的比热容和导热系数分别是 0 .5 9kJ/ (kg·℃ )和 9.5 5W / (m·℃ )。在对此合金的比热容和导热的系数测量和分析的基础上 ,利用这些参数对其冷却过程进行了数值模拟 ,并用楔形试样进行了验证。利用数值模拟可以预测Zr4 1Ti14 Ni10 Cu12 .5Be2 2 .5合金在水冷铜模铸造过程中的冷却速度 ,并依此判定是否能够获得非晶态铸件。     

连续热冲压中热物性参数的研究

以U形件热冲压为例,通过数值模拟、正交试验和函数拟合研究了连续热冲压中模具温度的变化规律以及模具导热率、工件与模具间接触换热系数和冷却水对流换热系数对模具温度的影响。结果表明:连续热冲压U形件时,模具温度在波动中上升,达到热平衡时,波动幅度不再变化。模具温度越低,对工件淬火越有利。增大模具导热率与冷却水的对流换热系数可以降低模具温度;增大工件与模具间接触换热系数,模具温度上升,U形件冷速呈抛物线变化,通过计算可以确定接触换热系数的合理取值范围。     

基于动态惯性权重粒子群算法的磨削低能耗加工方法

利用三层误差反向传播(back propagation, BP)神经网络建立磨削能耗预测模型,以砂轮线速度、进给速度和磨削深度为影响因素设计125组全因子试验,并取其中的75组试验数据作为该预测模型的训练样本与测试样本。采用动态惯性权重改进粒子群算法(adaption particle swarm optimization, APSO),以BP神经网络的预测作为适应度函数,以最小能耗为目标进行迭代寻优获取最优工艺参数。结果表明:模型预测结果较为准确,采用优化后的工艺参数能够有效降低磨削能耗。      

热物性参数反求技术在消失模铸造球铁件中的应用

通过对消失模铸造阶梯件凝固过程的实时测温,获得铸件的凝固曲线。利用反求原理,基于华铸CAE,对球铁合金铸件进行正交模拟试验,得到铸件模拟降温曲线。选取铸件模拟温度曲线和实际测得的铸件测温曲线的相似度最高的模拟曲线,确定该合金的热物性参数。结果显示,在温度范围为800~1 300℃之间,反求之后的铸件温度曲线与实际温度曲线的相似度较高,误差小于5%。分别利用反求前、后的热物性参数去模拟铸件缺陷并且进行对比分析,反求之后的模拟结果更加符合实际情况,并且通过铸件切片试验得以验证。     

基于混沌粒子群算法的钛合金薄壁筋铣削变形优化

针对薄壁筋受铣削力影响易变形的问题,提出一种基于薄壳划分和周期性施加铣削负载的变形仿真方法,通过仿真和试验两方面对比研究,分析了薄壁筋的变形过程并得出其变形规律。为了解决标准粒子群算法在优化铣削参数时容易陷入局部最优解的问题,提出一种基于变异算子与自适应动态惯性权重的改进混沌粒子群算法,并以变形量为约束,铣削力最小为目标优化了铣削参数。结果表明:改进后的混沌粒子算法在全局搜索能力和计算速度方面相比粒子群算法显著提高,试验证明采用优化后的铣削参数组合可有效减小薄壁筋的变形。     

基于粒子群算法的U型装配线平衡问题研究

针对给定节拍最小化工作站数的第一类U型装配线平衡问题,提出了一种改进的粒子群算法.由于粒子群算法不能直接用于求解离散空间的组合优化问题,故文章采用基于优先权的粒子群算法来求解,通过对任务赋以的权重的大小来选择任务,并具体说明了粒子速度和位置的更新.最后,对大量测试问题集进行了验证,说明了算法的有效性.     

基于粒子群算法的气动人工肌肉建模与优化

对气动人工肌肉的数学模型进行研究.给出基本数学模型,在此基础上提出一种简化模型,利用粒子群算法对简化模型的相关参数进行优化,将利用简化后的数学模型得到的计算数据和实验数据进行对比.结果表明优化后的数学模型切实可行,有利于控制策略的实现,简化了算法程序设计.     

基于小波神经网络和粒子群算法的铝合金板冲压回弹工艺参数优化

针对铝合金复杂件冲压后出现的较大回弹缺陷,同时为减少冲压成形工艺参数的优化时间,使用有限元仿真软件DYNAFORM对冲压成形及回弹过程进行数值模拟,在确保数值模拟与试验结果基本一致的基础上,利用代理模型对回弹进行了优化研究。以NUMISHEET'96 S梁为研究对象,凸模圆角半径、凹模圆角半径、压边力、板料厚度作为影响因素,成形后最大回弹值作为成形目标,运用拉丁超立方抽样,通过数值仿真获得样本数据,建立影响因素与成形目标之间的小波神经网络代理模型,利用粒子群算法对该模型迭代寻优获得最优工艺参数。结果表明:小波神经网络能较好地描述板料工艺参数与回弹之间的映射关系,优化后成形件的回弹量大大减小。     

基于混合粒子群算法的液压弯辊控制

在带钢轧制过程中,由于液压弯辊伺服控制系统是非线性时变系统,并受多种因素的影响,很难建立精确的数学模型,弯辊也需要对轧制力的变化做出快速的反应,因此控制器的性能是关键因素,本文将粒子群算法和遗传算法相结合,组成新的混合算法并将其应用到某液压弯辊伺服系统的自适应PID控制中,并对此进行仿真研究,取得了较好的控制效果.