基于机理法的考虑动态再结晶的黏塑性本构模型参数取值范围的确定

宏微观耦合本构模型的参数识别往往通过反分析方法进行,为了使参数识别结果具有高的置信度,需要确定合适的参数取值范围。基于考虑动态再结晶的黏塑性本构模型的物理机理,提出该模型参数取值范围确定方法。为了提高模型参数识别结果的鲁棒性,对考虑动态再结晶的黏塑性模型进行修改,使模型中的稳态流动应力由Tanaka模型描述。根据模型构造机理,提出通过6步确定该模型参数取值范围的方法;对300M低合金钢进行不同温度、应变速率下的热变形试验,测试其流动应力-应变曲线、再结晶体积分数、再结晶晶粒尺寸、未再结晶晶粒尺寸、最大晶粒尺寸差,基于流动应力-应变曲线,提取再结晶区稳态流动应力和未再结晶区稳态流动应力。通过提出的方法并应用相应的算法,根据提取试验数据,确定模型的参数取值范围,为参数识别提供基础。     

先进高强钢DP780板料温成形本构参数识别

先进高强双相钢板料温成形的本构模型参数识别,是提高塑性变形行为仿真准确度的关键.通过建立基于拉丁超立方抽样法和Spearman秩相关性分析法的本构模型参数敏感度分析方法,进而实现了参数敏感度的整体性分析.然后结合敏感度分析结果、DP780钢单向拉伸试验以及拉伸过程有限元模拟,构建了不同温度下的距离函数和材料本构参数之间的响应面模型.将本构参数识别问题归结为求解最小距离函数问题,利用遗传算法进行优化计算,最终获得了不同温度下的DP780钢井上胜郎本构模型参数.结果表明,建立的本构参数识别方法较好地满足本构模型精度要求.     

基于虚场法的铝合金各向异性屈服及硬化属性参数同步表征

变形铝合金板材因轻质、高比强和比模量等优点广泛应用于航空航天工业中,其轧制生产过程引起的塑性各向异性可显著影响板材的变形行为,加大零部件成形精度控制和服役行为数值模拟预测的难度。针对目前常规测试方法表征材料各向异性屈服及各向异性塑性硬化属性所需试验数量多、种类复杂、限制条件多的现状,结合全场变形测量和虚场法,通过一种桥型试件的循环拉伸-压缩试验,首次实现2024铝合金板材各向异性屈服与塑性硬化本构参数的同步表征,大幅减少试验数量,简化试验过程。研究表明,采用当前的加载构型,在参数优化目标函数中结合材料0°和90°两个拉伸加载方向的试验数据,并配合多虚场约束,可以在不同参数表征初始猜测值下产生稳定的Hill1948各向异性屈服参数表征结果,保证解的准确性;对于非线性运动硬化模型,采用单材料方向加载和单虚场的目标函数即可获得对应材料方向稳定可靠的非线性运动硬化参数表征结果。研究成果可为铝合金板材成形工艺分析提供理论依据、数据参考和便捷的测试技术支持。     

机织复合材料各向异性超弹性本构模型

基于纤维增强连续介质力学理论,提出一种超弹性本构模型来描述机织复合材料织物在成形过程中由于大变形所引起的非线性各向异性力学行为。在这一模型中,应变能函数被分解成两部分:一部分代表由于经纱和纬纱各自拉伸所产生的拉伸应变能;另一部分代表由于经纱和纬纱之间角度变化而产生的剪切应变能。本构模型中所需的材料参数通过对机织复合材料织物的单向拉伸以及偏拉试验数据的分析与拟合来求得。利用对一平纹机织复合材料的单曲率半球形冲压成形试验进行有限元模拟来验证模型。模拟结果与试验结果对比表明所提出的超弹性本构模型能够很好地表征机织复合材料在大变形下的非线性各向异性力学行为。这一本构模型具有简单实用、材料参数容易确定的优点。该模型对于机织复合材料成形的数值模拟与成形工艺优化设计有着重要的意义。     

遗传算法在橡胶超弹性材料参数反求中的应用

将优化算法与有限元仿真分析相结合可以对橡胶的材料参数进行反求,该方法基于一款叠层橡胶弹簧的试验数据,并选用Mooney-Rivlin超弹性本构模型。在参数反求的过程中,为解决传统遗传算法出现的早熟、稳定性差以及收敛速度慢的问题,将编码方式改为实数编码,并在算法中引入精英保留策略和自适应的交叉与变异概率。将根据改进遗传算法反求得到的刚度特性曲线与试验结果进行对比,发现二者具有很好的一致性,表明通过反求得到的材料参数能准确地对橡胶材料的力学性能进行描述。     

电子封装SnPb钎料和底充胶的材料模型及其应用

采用统一型粘塑性Anand模型描述SnPb钎料的非弹性力学行为,基于试验数据和弹塑性蠕变本构模型,确定了92.5Pb5Sn2.5Ag和60Sn40Pb两种钎料Anand模型的材料参数。采用线性粘弹性Maxwell模型,描述了一种倒装焊底充胶U8347-3材料的模量松弛和体积松弛,得到了相应的松弛参数,研究对所给出的材料模型和参数进行了验证。另外,利用有限元法模拟了倒装焊在热循环条件下的应力应变行为,分析了SnPb焊点的塑性应变和热循环寿命。结果表明,采用上述材料模型和参数,可以合理描述SnPb钎料和底充胶的力学本构,并可应用于电子封装的可靠性模拟和分析。     

基于循环拉-压试验的混合硬化模型参数确定及模型应用

材料弹塑性本构模型是影响有限元模拟精度的最重要因素,混合硬化本构模型能较准确表现材料塑性变形过程真实硬化特征,而本构模型中材料特性相关参数是否准确直接影响到有限元模拟的精度。基于Hill48各向异性屈服准则,结合Voce各向同性硬化模型和Armstrong-Frederic非线性随动硬化模型,建立一个考虑材料各向异性和Bauschinger效应的混合硬化弹塑性本构模型。通过循环拉伸-压缩试验,获得DC54D+ZF镀锌板的循环变形应力-应变曲线,并利用通用全局优化算法,根据单向应力状态混合硬化本构方程,准确地确定了混合硬化模型中的材料特性参数。最后,使用ABAQUS有限元软件对板材循环拉伸-压缩问题和板材过拉深筋问题进行该本构模型的适用性分析,验证了所建立的各向异性混合硬化材料本构模型的可靠性和精确性。循环拉伸-压缩试验是直接准确地获得本构模型材料参数的有效方法。     

正交各向异性有限变形下材料的粘塑性力学行为的研究

给出正交各向异性有限变形下的统一粘塑性理论中的 Walker模型的本构表达并成功地利用参数控制法(GPM方法 )对其进行数值计算 ,推导出 Walker模型的隐式应力积分过程。在计算的基础上 ,研究了温度、应变率对材料的应力应变关系的影响 ,以及蠕变 ,应力松弛 ,热恢复及循环塑性这些高温下材料的粘塑性力学行为。     

微体积成形晶界影响区域材料本构方程的构建及有限元模拟

基于微体积成形的成形机理及传统的表面层模型,将分析体分为内部多晶区域、表面层晶粒内部区域和表面层晶粒影响区域.参考Hall-Petch公式并引入尺度参数,对微镦粗试验数据进行回归分析,构建纯铜晶界影响区域材料的本构方程.分区域赋予分析体材料本构关系并进行离散化处理,对纯铜微镦粗过程进行数值模拟,分析结果体现了微成形的基...     

基于Kriging模型的损伤识别方法

为提高损伤识别效率,提出将Kriging模型引入到损伤识别中的方法。首先,采用拉丁超立方抽样选取损伤参数的样本点,并求得其对应的加速度频响函数,进而构造Kriging模型;其次,让满足精度的Kriging模型代替有限元模型参与损伤识别,以频率响应差最小构造目标函数,利用布谷鸟算法求解损伤参数值;最后,通过平面桁架模型验证了所提方法的有效性,结果表明:仅布置一个测点即可对单损伤的损伤位置、损伤程度及多损伤的损伤程度进行较为准确地识别,最大识别误差小于1%;噪声和测点位置对损伤识别结果影响较小。     

锂电池极片辊压机刚度分析与结构优化

在锂电池极片加工过程中,由于其高能量密度要求与涂覆材料力学性能存在矛盾,故需要根据极片所需压缩比严格控制辊压力的大小,而实际中,轧辊特性使两辊之间窄缝距离的直接测定不容易,因此难以通过物理样机试验的方式直接得到生产过程中辊缝与辊压力之间的关系。针对该问题,简化了辊压过程中的物理量,建立了整机和极片变形的数学模型,利用数学模型间接得到整机辊压力与辊缝变化之间的定量关系。采用仿真驱动设计的方式,基于响应面法和多目标优化算法得到整机的设计优化结果。测试试验表明,简化的数学模型可以数字化地描述辊压机的工作情况,便于指导生产中控制极片的制造工艺参数,同时基于响应面的设计优化提高了辊压机的设计生产效率。     

基于人工神经网络的电火花加工工艺建模方法研究

电火花加工是一个受多参数影响的复杂随机过程,很难建立一个适当的机理模型。用神经网络技术以铜加工SKD-Ⅱ为例建立了电火花加工工艺模型,并依据工艺样本中各参数数据的不同特点采用了不同的预处理方法,测试表明效果较好,所建模型能精确地预测出给定条件下的加工工艺参数,反映了该机床的加工工艺规律。另外,采用石墨加工SKD-Ⅱ工艺数据验证了该方法的通用性及有效性。     

基于人工神经网络的磨料水射流切割加工模型

作为一种冷态加工新工艺 ,磨料水射流 (AWJ)以其独特的优点得到广泛应用 ,但由于高速液固两相流本身的特性 ,AWJ切割加工是一个受多参数影响的复杂随机过程 ,很难建立一个适当的机理模型。基于人工神经网络理论 ,本文建立了切割厚度与主要工艺参数间的AWJ切割加工预测模型 ,模型预测结果与实验值及Zeng的经验模型进行了比较 ,该网络模型能可靠、准确地映射出AWJ的加工规律 ,可应用于AWJ切割加工过程的参数优化选择、加工规律计算机仿真及智能化控制中。     

Adaptive neural network controller for the molten steel level control of strip casting processes

The twin-roll strip casting process is a steel-strip production method which combines continuous casting and hot rolling processes. The production line from molten liquid steel to the final steel-strip is shortened and the production cost is reduced significantly as compared to conventional continuous casting. The quality of strip casting process depends on many process parameters, such as molten steel level in the pool, solidification position, and roll gap. Their relationships are complex and the strip casting process has the properties of nonlinear uncertainty and time-varying characteristics. It is difficult to establish an accurate process model for designing a model-based controller to monitor the strip quality. In this paper, a model-free adaptive neural network controller is developed to overcome this problem. The proposed control strategy is based on a neural network structure combined with a sliding-mode control scheme. An adaptive rule is employed to on-line adjust the weights of radial basis functions by using the reaching condition of a specified sliding surface. This surface has the on-line learning ability to respond to the system’s nonlinear and time-varying behaviors. Since this model-free controller has a simple control structure and small number of control parameters, it is easy to implement. Simulation results, based on a semiexperimental system dynamic model and parameters, are executed to show the control performance of the proposed intelligent controller. In addition, the control performance is compared with that of a traditional PID controller.     

基于SimMechanics的轮式移动机器人轨迹仿真

轮式移动机器人因具有非完整约束的不可积分性,其控制与规划等问题变得相当困难与复杂.利用SimMechanics工具,通过对轮式移动机器人平面运动的分析,建立了轮式移动机器人的运动学模型,并对其运动进行了多次的仿真,得到其运动轨迹,通过与理论轨迹的对比,验证了运动模型的正确性.该模型还提供了参数输入的接口,能够根据实际的...     

人工免疫控制在热工过程的应用与研究

热工过程有着明显不同于其他工业过程的特征,由于其内部过程的复杂性,热工过程往往表现出非线性、时延性、不确定性、变量间的关联性以及信息的不完整性,对其建立精确的数学模型十分困难。因此,常规控制难以获得理想的控制效果。现以热工过程中窑炉温度为研究对象,采用智能控制技术,对温度提出一种人工免疫遗传算法,并设计人工免疫遗传算法优化的PID参数,对其控制器进行参数整定实现对窑炉的温度控制,通过METLAB仿真,结果表明人工免疫遗传算法在热工过程控制具有通用性和实用性。     

环境激励下高桩码头物理模型模态实验

建立高桩码头物理模型,进行环境激励下的模态实验研究.利用特征系统实现算法(eigensystem realizationalgorithm,简称ERA),结合自然激励技术(natural excitation technique,简称NExT),即NExT-ERA模态识别方法编写模态识别程序来识别物理模型的模态参数,并与有限元模型的计算结果进行对比分析.研究结果表明,物理模型实验值与有限元计算结果相比,二者数值接近,误差很小,说明NExT-ERA模态识别方法能够应用于环境激励下高桩码头的模态识别.环境载荷激励下结构的动力响应信号较弱,结构的高阶模态一般无法激出,某些数据识别出的模态参数存在“漏阶”现象,因此结合有限元模型进行分析非常必要.     

Artificial neural network model in surface modification by EDM using tungsten–copper powder metallurgy sintered electrodes

Electro-discharge machining (EDM) is a widely accepted nontraditional machining process used mostly for machining materials difficult to machine by conventional shearing process. Surface modification by powder metallurgy sintered tools is an uncommon aspect of EDM. Of late, it is being explored by many researchers. In the present paper, attempts have been made to model the surface modification phenomenon by EDM with artificial neural networks. Two output measures, material transfer rate and average layer thickness, have been correlated with different process parameters and presented in the form of plots. The predicted results are matching well with the experimental results.     

动态寻优极值调节控制系统的仿真研究

在实际工业生产过程中存在大量极值调节的问题,以往的动态寻优方法要求控制对象线性部分的数学模型已知,即N阶惯性环节的参数已知,但是要想准确地获得这些参数是非常困难的,文中经分析研究表明：可用低阶的惯性环节近似替代准确的高阶模型,仿真结果证明这种近似替代不仅是完全可行的,而且在实际工业控制过程中很容易实现,先验知识需求的降低使极值调节控制系统调试简单,使用方便。     

用模式识别轧机尾部跑偏的自适应控制

针对铝带热连轧轧制过程中影响跑偏的非线性因素众多,很难建立相应的跑偏控制模型的特点,基于现场测试数据进行分析,通过分析跑偏信号的数据特征,建立轧制过程跑偏量值神经网络辨识模型,找出了尾部跑偏模式与F_4机架敏感轧制参数的非线性关系,给出可应用于实际轧制生产的自适应纠偏控制模型,并以一组实测数据进行分析,纠偏效果良好.