GCr15热变形行为与流变应力模型的研究

在热力模拟实验机Gleeble-3800上,对GCr15钢进行了单道次压缩实验,研究了其热变形行为.变形温度从950℃到1150℃范围变化,应变率从1s-1到10s-1范围变化.采用双曲正弦方程描述了GCr15钢的峰值流变应力与Zener-Hollomon参数的关系,方程中变形激活能的大小和其他常数采用回归分析得到.同时还得到了峰值应变方程以及流变应力模型,流变应力模型模拟结果与实验结果吻合较好.     

7050铝合金热压缩变形的流变应力本构方程

对7050铝合金在应变速率为0.01～10s-1、变形温度为250～450℃条件下的流变应力行为进行了实验研究.结果表明:7050铝合金热压缩变形中发生了明显的动态回复与动态再结晶,流变应力随应变速率的增加而增加,随温度的增加而降低;通过线性回归分析计算出7050材料的应变硬化指数n以及变形激活能Q,获得了7050铝合金高温条件下的流变应力本构方程.     

加工方式对AZ31变形镁合金热拉伸流变应力的影响

针对不同方法制备的AZ31镁合金薄板,利用热拉伸试验机和金相显微镜对其在不同温度和变形速率下的流变应力进行了实验研究.结果表明:挤压、交叉、热轧和冷轧等方法制备的AZ31镁合金薄板的应力-应变曲线基本特征是相同的.峰值流变应力随变形温度的升高和应变速率的降低而降低,在低温时具有明显的厚度效应;当温度大于350℃时峰值流变应力几乎不随板材厚度变化而变化;应变速率小于1.0×10-2s-1,变形温度大于150℃下所有AZ31薄板的延伸率均δ≥45%;单向轧制薄板的各向异性随温度提高减小.     

含钪Al-Zn-Mg合金的热变形行为和显微组织EI北大核心CSCD

采用Gleeble-1500热模拟试验机对含钪Al-Zn-Mg合金进行热压缩实验,研究了合金在不同热压缩条件下的热变形行为和显微组织。结果表明:合金的流变应力随应变速率的增大而增大,随变形温度的升高而减小。该合金热压缩变形的流变应力行为可用Zener-Hollomon参数来描述,其热变形激活能为150.25kJ/mol。在变形温度为380℃,应变速率为1s-1条件下,合金组织中存在大量的位错墙,表明发生了动态回复现象。随着变形温度的升高,当温度为500℃时,合金中出现了再结晶晶粒,说明主要软化机制逐步由动态回复转变为动态再结晶。     

新型Al-Zn-Mg-Sc-Er-Zr合金的热变形行为EI北大核心CSCD

采用Gleeble-3800热模拟机研究Al-8.9Zn-1.3Mg-0.1Sc-0.1Er-0.1Zr铝合金的热变形行为,构建温度380~440℃、应变速率0.01~10 s^(-1)区间内合金的热加工图,使用X射线衍射(XRD)、选区电子衍射(SAED)与能谱(EDS)对合金中存在的物相进行分析,并使用金相显微镜(OM)和透射电子显微镜(TEM)观察合金热变形后的微观组织。结果表明:合金的最佳热加工工艺参数区间为:400℃相似文献   

7075Al/SiCp复合材料的热压缩变形流变应力和组织行为

采用圆柱试样在Gleeble-1500热模拟机上对喷射沉积7075Al/SiCp复合材料进行高温压缩变形实验,实验条件为:变形温度300～450℃,应变速率0.001～1s-1.结果表明:7075Al/SiCp复合材料的流变应力大小受到变形温度和应变速率的强烈影响,流变应力随应变的增加而逐渐增加,出现一峰值后逐渐下降;流变应力随变形温度的升高、应变速率的降低而降低.可用Zener-Hollomon参数的双曲正弦形式来描述7075Al/SiCp复合材料高温压缩变形流变应力.随着变形温度的升高和应变速率的降低,7075Al/SiCp复合材料热变形过程中SiCp的分布逐渐均匀化,有利其热加工性能的改善.     

7085铝合金热压缩变形的流变应力本构方程

采用Gleebe-1500热模拟机对7085铝合金进行热压缩,研究了该合金在应变速率为1～38s-1、变形温度为260～440℃条件下的流变应力行为.结果表明,7085铝合金流变应力在变形初期随着应变的增加而增大,出现峰值后逐渐趋于平稳;峰值应力随应变速率的增加而增加,随温度的升高而降低;通过线性回归分析计算出7085材料的应变硬化指数n以及变形激活能Q,获得了7085铝合金高温条件下的流变应力本构方程.     

基于BP神经网络的黑体炉温度时序预测模型的建立

黑体炉作为标准黑体辐射热源,特别适合供多种非接触式测温仪表如光电高温计、光学高温计、辐射高温计等的分度和校验之用.但黑体炉在运行时无法预知温度的具体数值,这为实验和标定带来了诸多不便.文章在神经网络的基础上,建立了黑体炉温度时序预测模型.结果表明:神经网络不但能对黑体炉温度进行预测,而且比实际的测温仪表的精确度高出很多.     

基于BP神经网络的压电陶瓷蠕变预测

压电陶瓷驱动器的蠕变误差随时间呈现非线性变化,难以实时修正。提出基于BP神经网络的压电陶瓷蠕变预测方法,使用压电陶瓷驱动系统采集数据,对数据进行归一化处理,通过实验设计BP神经网络的隐含层数、隐含层节点数、节点转移函数和训练函数,构建BP神经网络预测模型,建立压电陶瓷蠕变与时间的关系。用BP神经网络模型对压电陶瓷蠕变进行了预测仿真,并将结果与实测数据进行了对比。结果表明,蠕变预测结果与实验数据的最大绝对误差均小于0.1 μm,最大蠕变误差均不超过0.6%,最大均方误差仅为0.0021,可见,BP预测模型具有较高的预测精度,可作为预测压电陶瓷蠕变误差的一种有效手段。     

基于神经网络的微合金钢热轧奥氏体晶粒尺寸及流变应力模型的研究

基于神经网络原理,对微合金钢热轧控制的选取进行了研究,首先,制定了一套获取样本数据的实验方案,该方案利用Ｇleeble-1500热力模拟机提取了轧制温度、应变量、应变速率和相应的应力变曲线,并通过显微观察获取了实验了实验后样品断面的奥氏体晶粒尺寸,通过归一化把实验所得数据进行必要的处理,采用ＢＰ算法训练网络,对热轧控制（轧制温度、应变量、应变速率）和描述微合金钢组织性能的参数（奥氏体晶粒尺寸及流变应力）之间的映射关进行了函数逼近,建立了奥氏体晶粒尺寸及流变应力神经网络模型,实践证明,将该神经网络模型运用于热轧控制预报,提高了预算精度并取的较好的效果。     

基于BP神经网络的导线脱冰跳跃高度预测模型

冰区导线脱冰振动会引起绝缘间隙减小,严重时甚至导致闪络和跳闸等电气事故.首先利用数值方法模拟得到各种参数条件下导线的脱冰动力响应,获得导线的最大脱冰跳跃高度.进而基于数值模拟结果和BP神经网络构建导线脱冰跳跃高度预测模型,将线路的导线分裂数、导线型号、档距、高差等结构参数以及初始应力、覆冰厚度和脱冰率等载荷参数作为输入...     

基于BP神经网络模型的Ni-SiC纳米镀层耐磨性能预测研究

采用神经网络技术,构建结构为3×8×1型的BP神经网络模型,并利用该模型对超声电沉积Ni-SiC纳米镀层的耐磨性能进行预测。通过磨损试验测试并研究Ni-SiC纳米镀层的耐磨性能,利用扫描电镜(SEM)、原子力显微镜(AFM)和X射线衍射(XRD)观察不同参数下Ni-SiC纳米镀层的组织结构及成分。结果表明,在BP神经网络模型的隐含层数和神经元数分别为1和8时,该BP神经网络模型的均方根误差最小,其最小值为1.24%。该BP神经网络模型的预测值与实验值相差不大,其最大误差为1.51%。当采用SiC粒子浓度8 g/L、电流密度2 A/dm^2、温度40℃时,SiC粒子均匀分布于Ni-SiC纳米镀层中,且镀层镍晶粒显著细化,其镍晶粒的衍射峰变宽、变矮。     

基于遗传BP神经网络反演楔体参数的研究

为了获得未知楔体的参数,建立了遗传算法和反向传播(Back Propagation,BP)神经网络结合的反演模型。仿真得到不同角度、密度、杨氏模量下楔体导波的频散曲线。采用反对称第一阶模态相速度数据作为遗传BP神经网络反演模型的输入变量;利用遗传算法改进BP神经网络获得优化的初始权值和阈值,并对BP神经网络进行训练;最后将实测的楔体一阶模态相速度代入训练好的网络进行参数反演。结果表明,通过该反演模型可同时反演出楔体的角度、密度、杨氏模量,并且较单一BP神经网络具有收敛速度快、精度高的优点。     

基于BP网络和遗传算法的枪架结构优化

为提高机枪的射击精度,需要对机枪枪架的结构参数进行优化设计。基于CAE软件的结构优化有其自身的局限性,所以提出了一种新的优化方法,即联合应用BP网络和遗传算法。本文以此为基础,根据机枪有限元模型,对枪架结构参数进行了优化设计,结果表明：BP网络和遗传算法相结合的方式可适用于多设计变量的枪架参数优化设计,为其它复杂结构的参数优化提供了新的思路。     

车内噪声声品质的神经网络预测

鉴于车内噪声声品质评价的复杂性和非线性的特征,分析了BP神经网络方法在车内噪声声品质预测中的应用,阐述了其基本原理和模型并结合实例提出了完整的实施流程。该预测方法具有很强的学习能力,各连接权重由网络通过学习自主生成,因此预测结果更具客观性和准确性。同时将用此种方法与现有的预测方法得出的结果进行比较,得出结论：神经网络用于车内噪声主客观评价数据处理可以得到更好的预测效果,从而在很大程度上提高评价者的决策水平,对现代汽车噪声的评价、分析与控制都具有重要意义。     

基于BPNN的多相复合陶瓷材料断裂韧性预测

为有效缩短陶瓷材料设计中繁琐的试验过程,利用误差反向传播神经网络(BPNN)能够正确逼近非线性映射关系的优点,将其运用到多相复合结构陶瓷材料断裂韧性预测中,克服了陶瓷材料研究中单因素实验法不能正确反映断裂韧性与添加组分多因素之间复杂的非线性映射关系的弱点.对Al2O3/SiC/(W,Ti)C复合陶瓷材料断裂韧性的预测和试验验证表明,该方法可行有效,为快捷、经济地开发研制陶瓷材料提供了新的思路和有效手段.     

BP神经网络的火焰图像温度检测方法

基于炉膛火焰温度不同，与之相对应通过CCD摄取的炉膛火焰图像颜色也不同，提出了一种检测炉膛火焰温度的方法。将获取的炉膛火焰图像RGB模型转换为HSI颜色值，用H、S值作为BP神经网络输入，通过样本图像训练后，拟合H、S与温度T的非线性关系，计算得到炉膛火焰温度值。实验表明，计算温度与实际温度良好相符，温度测量方法切实可行。     

基于遗传神经网络的焊缝缺陷等级磁记忆定量化研究

针对金属磁记忆技术的焊缝缺陷等级定量化评定这一难题,通过对预制不同缺陷的Q345焊接试件进行疲劳试验,获得焊缝损伤演化临界状态的磁记忆信号特征规律.首次对照X射线定量检测标准和磁记忆检测结果,将焊缝损伤演化状态分为4个等级,即正常状态、应力集中、隐性损伤和宏观损伤.首次引入遗传算法优化的BP神经网络模型对焊缝等级进行磁记忆定量化评价.研究表明,遗传优化的BP网络模型与未优化的BP网络相比,预测结果更加稳定、误差更小,为工程实际中焊缝缺陷等级评定提供新的方法和依据.     

基于BP神经网络的吸运风机故障诊断

吸运风机是农业现代化生产机械联合收割机的重要组成设备.针对目前吸运风机经常出现的故障,收集了吸运风机故障征兆和其对应的故障类型.将故障样本数据和模糊神经网络相结合,并根据BP神经网络确定网络的输入和输出向量,对风机进行故障诊断,诊断结果与实际情况比较吻合.运用MATLAB实现神经网络故障诊断仿真,仿真结果表明诊断误差较小,输出向量与实际故障矩阵结果接近.