高速列车转向架中心销铸造过程数值模拟

CRH380中心销是高速列车向架的关键铸件,射线探伤要达到一级标准,要求有先进的铸造工艺做保证,为此必须对铸造工艺进行优化。首先采用华铸CAE软件对初步设计的铸造工艺进行模拟,而后选择最佳工艺方案进行浇注实验,对铸件毛坯进行射线探伤、正十字解剖检查内部质量。结果表明,对于CRH380中心销铸件,采用单侧进水、热节处放置顶冒口的传统浇注工艺方案,浇注过程中卷气易在铸件中形成气孔,只在热节处安放冒口时在平板处易形成缩松;将铸件中部的中空锥体铸成实体,使热结集中并向平板方向移动,强制造成顺序凝固的条件,而后采用只设顶冒口浇注工艺方案,则除锥体心部外有少量的缩松外,其他部分没有缩松、缩孔、夹杂等缺陷,射线探伤评定为一级。铸造过程数值模拟结果与实际铸造结果基本吻合。     

台车凝固过程的数值模拟和工艺优化

针对具体台车铸件进行了凝固过程温度场的数值模拟，简述了计算过程的原理方法，根据模拟结果，对原铸件的生产工艺进行了优化，并按优化后的工艺过程组织实际生产，获得了较为满意的结果。     

基于ANSYS软件二次开发的铸造充型和凝固耦合过程数值模拟研究

对于ANSYS软件的通用性和缺乏专业针对性的特点。采用ANSYS提供的二次开发工具开发了中文界面的铸造充型和凝固耦合过程数值模拟系统,实现了模块界面简洁和易操作性的预期功能,并证实了以ANSYS为平台开发专业模块的可行性。     

柴油发动机凸轮轴用钢16MnCr5淬火过程数值模拟

基于ANSYS软件,建立了16MnCr5钢试件的三维有限元模型,并对一次淬火过程的温度场进行数值模拟,得到不同时间的温度分布云图.由于组织转变主要是由相变引起的,所以对组织场的模拟是以奥氏体开始转变为马氏体的温度Ms=687K开始模拟.在冷却过程中,马氏体首先在试件外表面形成,而后逐渐向心部扩展,最后形成约1.5%为贝氏体和残余奥氏体,98.5%为马氏体.由传统理论计算公式得到奥氏体转变为马氏体的终了温度Mf=453K,而数值模拟结果为Mf=423K.可见,数值模拟结果和传统公式计算出的Mf点基本一致,证明了数值模拟的正确性.     

铸造过程计算机数值模拟的国内外研究概况

铸造过程计算机数值模拟技术是当今公认材料科学的重要前沿领战．本文从铸造充型过程数值模拟、缩松缩孔的预测、应力场数值模拟、热裂的判定、微观组织模拟及凝固模拟软件的开发等六个方面简要介绍了国内外铸造过程计算机数值模拟的概况．     

方锭电磁铸造过程中磁场三维分布的数值模拟研究

利用互感耦合电路模型，对方锭电磁铸造过程中磁场三维分布进行了数值模拟研究，为指铸造工艺的改进和结晶器优化设计提供参考。     

低压铸造充型过程流场计算数值模拟

目的　研究低压铸造充型过程流场数值模拟的理论与方法． 方法　根据流体力学和低压铸造特点, 建立低压铸造条件下的控制方程、求解方法、初始条件、边界条件． 结果　利用建立的数学模型开发了流场模拟软件, 并应用于一试验件． 结论　所建立的数学模型及开发的软件证明是正确的．     

ZA合金挤压铸造凝固过程温度场、应力场数值模拟

用有限元方法分析了ZA合金挤压铸造在凝固过程中的温度场以及由此产生的热应力场．对传热系统模型中的对流、辐射边界条件和凝固潜热进行了处理，用ANSYS有限元软件进行数值计算分析，并给出了计算结果。     

低压铸造充型过程流场计算数值模拟

目的 研究低压铸造充型过程流场数值模拟的理论与方法。方法 根据流体力学和低压铸造特点,建立低压铸造条件下的控制方程,求解方法、初始条件、边界条件。结果 利用建立的数学模型开发了流场模拟软件,并应用于一试验件。结论 所建立的数学模型及开发的软件证明是正确的。     

低压铸造充型过程的数值模拟技术

论述了低压铸造充型模拟的数学模型,由于低压铸造充填速度较慢、充型平稳,因此充型计算采用层流模型。采用SOLA-VOF算法对模型进行求解,其中SOLA法用于求解流体的速度场和压力场,VOF法用于处理自由表面。采用UG软件进行铸件三维造型,采用ProCAST软件进行网格划分,对叶轮的充型过程进行了模拟,并通过对叶轮的浇注试验,验证了低压铸造充型的数学模型及算法在保证模拟精度、提高计算效率上的有效性。     

应用人工神经网络算法优化面包配方

在优化面包配方实验中,针对面包易老化、不耐储存这一问题,采用人工神经网络（artificial neural network,ANN）对12个影响因素和6项观测指标进行模拟与建模,最终获得了口感好、储存效果好的最优配方,即：面粉32%,水7%,盐0.962%,奶粉8%,果葡糖浆30%,酥油18%,糖醇3%,保鲜酶0.03%,淀粉酶0.001%,脂肪酶0.002%,木聚糖酶0.005%,卡拉胶0.5%,黄原胶0.5%.     

基于人工神经网络的磨料水射流切削工艺建模

磨料水射流（AWJ）切割工艺已经被遍及世界的许多车间所采用,其优点广为人知。为了进行精密加工,如精密切割、铣削、钻孔和磨削等,必须精确预测AWJ的侵蚀深度。文章基于人工神经网络（ANN）对AWJ切割工艺进行建模。模型采用三层结构,输入变量有水射流压力、水喷嘴直径、磨料粒子粒度（直径）、磨料流量和切割头进给速度。输出量为AWJ的切割深度。样本数据在JJ-Ⅰ水射流切割机床上实验获取,A3钢样板作为切割试件。采用改进的BP算法和样本数据对建立的人工神经网络进行训练。训练好的网络以一定精度建立了AWJ切割工艺中各参数之间的映射关系。所建模型可以精确预测AWJ的切深。将该模型集成到AWJ切割机床的计算机数控器中,可以实现AWJ精密加工。     

基于人工神经网络的磨料水射流精密特种加工

磨料水射流是一种先进的绿色加工工具.为了获得较高的表面精度,必须精确控制水射流加工的各种工艺参数.一种可行的办法是建立水射流加工过程中的主要参数之间的非线性关系,通过加工速度的补偿来间接控制工件表面质量.本文基于人工神经网络理论,建立了水射流加工过程的神经网络模型.在获取大量样本数据的基础上,对网络模型进行训练.经过训练的水射流加工神经网络模型可以准确预测与给定压力、磨料流量、工件厚度、期望的表面粗糙度所对应的切割速度,实验验证获得满意结果.     

人工神经网络在纸浆漂白工艺中的应用

将人工神经网络技术用于纸浆漂白工艺过程,建立了漂白因素与漂白效果的网络模型。用实验数据对网络训练后,网络能准确预报漂白效果,在此基础上,通过模拟计算及统计分析,找到了漂白工艺参数的最优操作域。     

人工神经网络在生物过程中的应用

人工神经网络(ANN)由于其自身具有的自适应非线性信息处理能力,在对动力学具有较强的非线性、非稳态及时变特征的生物反应过程的描述中具有其他方法所无法比拟的优势.分析了人工神经网络在生物反应过程中建模的优势,对其近年来在生物反应过程中建模与仿真、过程优化控制、故障诊断、软测量及培养基优化等方面的应用进行了介绍,并提出了其未来发展的趋势.     

基于BP网络的结构损伤识别

结构的动力特性和结构参数直接相关，结构的损伤将引起相应动力特性的改变，因此，如果能建立结构动力特性变化与结构损伤之间的映射关系．则可以利用结构振动测试信息实现结构损伤诊断。神经网络方法因其具有非线性映射能力强、计算速度快、容错性好等优点，正越来越多的用于基于振动的结构损伤识别。但是对于大型复杂结构，普遍存在网络结构复杂。识别效率低下的问题。以框架结构为例．应用BP网络分阶段的进行损伤位置、损伤程度的识别，这有效降低了网络的复杂性，减少了学习样本。提高了学习效率。     

Simulation of the Ultrasonic Precipitation Process of Nano-hydroxyapatite by an Artificial Neural Network

1Introduction Hydroxyapatite(HA)hasbeenwidelyconsideredas oneofthemostimportantbioceramicsformedicalandden talapplicationssuchasdentalimplants,alveolarbridgeaugmentation,orthopaedics,maxillofacialsurgeryanddrug deliverysystemsduetoitsbiocompatibility,andc…     

Simulation of the Ultrasonic Precipitation Process of Nano-hydroxyapatite by an Artificial Neural Network

The ultrasonic precipitation technique for preparing hydroxyapatite nanoparticles is a complex process that was strongly influenced by temperature, reaction time and ultrasonic power. The use of a modified artificial neural network （ANN） was proposed to model the non-linear relationship between ultrasonic precipitation parameters and the hydroxyapatite content. The improved model for processing dataset and selecting its topology was developed using the Levenberg-Marquardt training algorithm and was trained with comprehensive dataset of hydroxyapatite nanoparticles collected from experimental data. A basic repository on the domain knowledge of ultrasonic precipitation process for the preparation of hydroxyapatite is established via sufficient data mining by the network. With the help of the repository stored in the trained network, the influence of preparation temperature, preparation time and ultrasonic sonicating power on the hydroxyapatite content can be analyzed and predicted. The results show that the ANN system is effective and successful in analyzing the influence of ultrasonic precipitation parameters on the preparation of hydroxyapatite nanoparticles.     

工程系统可靠度优化的人工神经网络

提出一种人工神经元模型,构造了相应的神经网络,讨论了它的训练方法;应用这种神经网络轩求解了工程系统可靠度的最优分配问题,给出了土建工程系统可靠度优化的工程计算实例。     

基于聚类的神经网络规则抽取算法

为了从人工神经网络中抽取规则,提出一种新的规则抽取算法。网络被训练并剪枝后,将隐节点的激活值离散化,对输入到隐节点的权重进行聚类,聚类过程中可根据隐节点的激活值动态调整权值聚类数目,进而高效准确地抽取规则。实验结果表明,该算法可明显降低规则抽取的时间复杂度,减少生成规则的数量。