论文摘要
小冲杆试验技术作为微试样测试技术的一种已被广泛地运用于常规力学试验无法进行的场合。小冲杆试样和标准拉伸试样结构不同,以往主要采用经验关联法预测材料拉伸强度,但经验关联确定的强度准确性较差。开发一种准确预测材料强度的方法仍然是小冲杆试验长期面临的挑战。本文提出了一种基于混合粒子群算法的小冲杆试验预测各向同性材料屈服强度和抗拉强度的新方法。该方法利用混合粒子群算法和有限元模拟从小冲杆试验结果提取应力-应变曲线,进而确定材料的强度。为实现这一目标,首先验证了利用混合粒子群算法和有限元模拟确定应力-应变曲线的可靠性;然后证明了利用从小冲杆试验结果提取的应力-应变曲线确定材料强度的理论可行性,即抗拉强度前应力-应变曲线不随结构改变而改变;最后验证了利用混合粒子群算法、有限元模拟和小冲杆试验预测材料强度的可靠性。本文以加氢反应器材料3CrlMo1/4V为主要研究对象,具体的研究工作和主要结论如下:(1)提出了利用混合粒子群算法和有限元模拟确定应力-应变曲线的具体方法,并验证了该方法的可靠性。根据提出的方法确定了拉伸试验颈缩后的应力-应变曲线,并利用确定的曲线模拟了拉伸试验。结果表明,模拟载荷-位移曲线和试验曲线具有高度重合性;模拟的断后直径与真实试验断后直径几乎一致。这表明本文提出的方法能够准确地获得颈缩后应力-应变曲线。利用所提方法多次确定的应力-应变曲线高度重合,表明该方法确定应力-应变曲线具有很好的重复性。(2)设计了一系列缺口圆棒试样研究试样结构对应力-应变曲线的影响。结果表明,本文所研究材料塑性应变小于0.3mm/mm时,结构对应力-应变曲线无明显影响;塑性应变大于0.3mm/mnm时,结构对应力-应变曲线有明显影响。3CrlMo1/4V材料抗拉强度对应的塑性应变远小于0.3mm/mm,因此抗拉强度以前应力-应变曲线不受结构影响。这为从小冲杆试验提取应力-应变曲线确定材料强度提供了理论支撑。(3)利用电子背散射衍射技术、扫描电镜和延性损伤模型从微观组织结构研究了结构影响应力-应变曲线的本质。研究发现,塑性应变小于0.3mm/mm时,相同塑性应变程度,不同缺口拉伸试样的晶粒形状及大小相互之间无明显区别;塑性应变等于0.5mm/mm时,应力三轴度高的拉伸试样品粒伸长比应力三轴度低的试样小。扫描电镜发现试样断口剖面存在孔洞,孔洞在较低应力三轴度试样中呈椭球状长大,在较高应力三轴度试样以球状长大。损伤模型分析表明,塑性应变小于0.3mm/mm时,不同缺口试样的孔洞体积分数无明显区别;塑性应变大于0.3mm/mm时,相同塑性应变程度应力三轴度高的试样孔洞体积分数较大。试验发现试样结构影响应力-应变曲线的本质是不同结构试样在变形过程中微观组织结构的演化不一样。(4)提出了结合有限元模拟、混合粒子群算法和小冲杆试验确定材料拉伸强度的具体方法,利用一系列假定材料验证了所提方法确定强度的准确性和唯一性。研究发现,利用该方法获得的强度准确性较经验关联高,解决了目前小冲杆试验预测材料拉伸强度准确性低的难题。利用该方法预测了3Cr1Mo1/4V材料的屈服强度和抗拉强度,结果表明预测的强度与单轴拉伸试验结果的差别小于5%。根据研究结果,提出了基于数据库的小冲杆试验预测材料强度的方法,并分析了试验误差对预测强度的影响。该方法有望日后发展为小冲杆试验确定强度的统一方法。
论文目录
文章来源
类型: 博士论文
作者: 钟继如
导师: 关凯书
关键词: 小冲杆试验,材料强度,应力应变曲线,混合粒子群算法,有限元模拟
来源: 华东理工大学
年度: 2019
分类: 基础科学,信息科技
专业: 力学,自动化技术
单位: 华东理工大学
分类号: O346;TP18
总页数: 118
文件大小: 14574K
下载量: 132
相关论文文献
- [1].电阻率测深数据的粒子群算法反演[J]. 红水河 2019(06)
- [2].以云计算资源为基础实现粒子群算法的优化[J]. 电子技术与软件工程 2019(24)
- [3].基于改进粒子群算法的机组负荷优化分配研究[J]. 科技创新导报 2019(28)
- [4].基于改进粒子群算法的工程项目多目标集成管理研究[J]. 价值工程 2020(05)
- [5].改进粒子群算法应用于挖掘机铲斗位置控制[J]. 机械设计与制造 2020(02)
- [6].基于改进量子粒子群算法的输电网规划[J]. 计算机产品与流通 2020(02)
- [7].基于改进粒子群算法的主动配电网网架优化研究[J]. 电气应用 2020(01)
- [8].采用改进粒子群算法优化的涡轮增压器节能研究[J]. 中国工程机械学报 2020(01)
- [9].进化粒子群算法在航空发动机模型求解中的应用[J]. 工程与试验 2019(04)
- [10].粒子群算法在金融风险模型中的研究与改进[J]. 吉林大学学报(信息科学版) 2020(02)
- [11].基于改进的粒子群算法求解供应链网络均衡问题[J]. 运筹与管理 2020(02)
- [12].基于粒子群算法的航班座位自动分配系统[J]. 科技创新导报 2019(36)
- [13].一种求解电力系统无功优化的改进粒子群算法[J]. 电工技术 2020(12)
- [14].基于改进粒子群算法的主动微波遥感土壤水分反演方法研究[J]. 河南农业 2020(17)
- [15].基于混合粒子群算法的注塑机电液伺服系统控制研究[J]. 机床与液压 2020(16)
- [16].基于量子粒子群算法的大型阵稀疏优化方法[J]. 航空科学技术 2020(08)
- [17].基于粒子群算法的函数复杂度分类法[J]. 控制工程 2020(08)
- [18].协同粒子群算法下的火工品参数辨识[J]. 企业科技与发展 2020(09)
- [19].基于家庭角色视角下家庭粒子群算法研究——评《家庭粒子群算法:方法、理论与性能分析》[J]. 中国科技论文 2020(09)
- [20].基于混合粒子群算法的双离合变速器参数优化设计[J]. 吉林大学学报(工学版) 2020(05)
- [21].惯性权重矩阵下的自适应粒子群算法分析[J]. 黑龙江工程学院学报 2020(05)
- [22].基于改进粒子群算法的有效大数据多标准过滤系统设计[J]. 电子设计工程 2020(20)
- [23].浅谈粒子群算法的应用[J]. 计算机产品与流通 2019(11)
- [24].基于粒子群算法的最优值求解[J]. 科技广场 2017(12)
- [25].基于混合粒子群算法的船舶稳定性分析[J]. 舰船科学技术 2018(14)
- [26].自适应粒子群算法在模拟电路故障诊断中的应用[J]. 软件导刊 2017(02)
- [27].基于改进量子粒子群算法的电力系统经济调度仿真研究[J]. 实验技术与管理 2017(03)
- [28].改进的粒子群算法在云计算下的数据挖掘中的研究[J]. 科技通报 2017(04)
- [29].基于改进粒子群算法的移动机器人路径规划[J]. 传感器与微系统 2017(05)
- [30].一种基于模拟退火-改进二进制粒子群算法的测试优化选择方法[J]. 水下无人系统学报 2017(03)