翼子板零件拉延成形的有限元分析

针对某轿车前翼子板的拉延成形工艺,用有限元的数值模拟分析定性地判断了成形件的危险区域,并通过调整拉延筋的布置、压边力以及坯料的形状等,定量的给出了拉延成形过程中的工艺参数,实现了拉延成形工艺的优化,为实际生产提供了指导,并最终得到了符合质量要求的拉延件产品.     

基于流形覆盖的无网格法

针对无网格迦辽金法中形函数构造过于复杂以至计算时间过长的问题,基于流形覆盖思想对节点的自由度重新构造,形函数则使用形式简单的Shepard函数,避免了为得到形函数进行多个矩阵相乘的运算,从而减少了计算时间.利用罚函数法施加边界条件,不仅易于实现,而且精度降低不大.     

新时期木材检验工作重要性的几点思考

木材检验工作是合理利用木材资源、控制木材生产质量、企业进行经济考核、贯彻执行木材标准、提高企业经济效益的重要保证,是兼顾国家、企业和个人利益的重要环节,因此新时期强化木材检验工作刻不容缓。面对激烈的市场竞争和日益稀缺的木材资源,企业必须规范木材检验工作、木材检验人员必须提高技术水平、国家相关部门必须完善木材检验标准,从而真正发挥木材检验工作是应有功效。     

半球形件粘性介质压力成形的数值模拟研究

粘性压力成形技术是金属板材成形领域里新近出现的一种先进的加工工艺.对双面施放粘性介质的板材胀形进行了模拟研究,在双面施放介质的板材粘性介质胀形时,排放孔位置分布对毛坯成形过程有明显的影响.排放孔位置分布的不同造成模腔内介质的速度场不同,进而导致板材不同部位的流动速度的方向大小发生变化,最终使成形件的厚度分布不同.     

变形程度对曲面扁壳类汽车覆盖件刚度的影响研究

为进一步研究变形程度对曲面扁壳类覆盖件刚度的影响规律,并为提高和改善汽车覆盖件的刚度提供理论依据,建立了能够代表汽车覆盖件曲面特点的柱面扁壳、双曲扁壳件和球面扁壳试验模型.通过分析零件胀拉成形过程特点,得出零件变形程度与成形件特征之间的关系:板厚及成形件的回弹对刚度的影响较为显著,板厚越大、回弹越小,板材的刚度越好;由胀拉成形深度增加而引起的回弹量减少及变形程度增加而导致的试件成形均匀性的提高对刚度提高的贡献大于厚度减薄的影响.     

基于FEA的板料成形工艺优化及评价函数研究

基于有限元和优化方法的板料成形工艺优化设计技术已经成为新的研究热点,建立合理的评价标准以形成目标函数,从而用于评价冲压件的成形性是其关键技术之一.提出局部成形性、整体成形性和综合成形性评价函数.基于试验设计法,结合方盒形件拉深以及发动机罩外板成形,验证了本文提出的评价函数具有良好的可靠性和易用性.     

NiFe2O4纳米粒子的水热合成及表征

以Ni(NO3)2·6H2O和Fe(NO3)3·9H2O为主要原料,在聚乙二醇(PEG)存在下,采用水热法制备了磁性NiFe2O4纳米粒子,用X射线衍射仪(XRD)、透射电子显微镜(TEM)和振动样品磁场计(VSM)等分析方法对样品进行了表征.结果表明:水热法合成的NiFe2O4纳米粒子为尖晶石结构,粒度分布均匀,为方形形貌,粒子直径范围在50～60nm;比饱和磁化强度为25.83emu/g,剩磁为6.167emu/g,矫顽力达85.87Oe.     

板材成形无网格法模拟中的关键技术处理

针对有限元法费时的网格划分/网格重划问题,提出采用无网格法模拟板材成形.采用约束型再生核子法描述板材成形力学方程,仅用一层节点离散板材,同时对形函数进行改造,所得动可容形函数具有插值性,避免了大变形所导致的不稳定形函数及频繁构造形函数,提出了稀疏矩阵数据结构加快接触搜索方法.基于上述措施建立了板材冲压成形无网格数值模拟...     

基于EasyEnsemble的化工过程故障诊断性能改进

化工过程故障诊断中样本数据分布不均衡现象普遍存在.在使用不均衡样本作为训练集建立各类故障诊断分类器时,易出现分类器的识别率偏置于多数类样本的结果,由此产生虽正常状态易识别,但更受关注的故障状态却难以被诊断的现象.针对该问题,本文提出一种基于Easy Ensemble思想的主元分析–支持向量机(Easy Ensemble based principle component analysis–support vector machine,EEPS)故障诊断算法,通过欠采样方法抽取多数类样本子集组建多个新的均衡数据样本集,使用主元分析(principle component analysis,PCA)进行特征提取并使用支持向量机(support vector machine,SVM)算法进行训练,得到多个基于SVM的故障诊断分类器,然后使用Adaboost算法集成最终的分类,从而提高故障诊断准确性.所提方法被用于TE(Tenessee Eastman)化工过程,实验结果表明,EEPS算法能够有效提高分类器在不均衡数据集上的诊断性能和预报能力.