对氢致钢内部疲劳裂纹的萌生和扩展进行了数值模拟.首先用有限元法分析了氢在疲劳载荷作用下向钢中缺陷处扩散富集的过程,然后计算得到氢含量分布结果.根据夹杂理论将氢富集区视为在缺陷附近分布的弹性夹杂,用有限元法计算得到的氢含量场求出夹杂处的应力强度因子,进而建立疲劳裂纹萌生和扩展的判据.比较了在不同加载条件下氢致疲劳裂纹萌生和扩展的规律.用梯形法修正了Sofronis和McMeeking的瞬态扩散有限元公式,发现用梯形法可以缓解加载初期较高的浓度梯度和应力梯度引起的计算结果震荡的情况,这对于计算开裂判据是十分重要的.最后讨论了提高模拟精度和改进模型的方法

从安钢电极控制的实际应用出发,应用数据挖掘技术建立了电极预测模型并应用于电极控制系统的参数整定.首先介绍了建立电极预测模型的数据挖掘过程;然后在数据挖掘算法中提出了一种新的变结构遗传Elman网络方法,该算法用改进的混合遗传算法对网络结构和权值及自反馈增益同步动态寻优.将基于BP算法的Elman网络和本文提出的变结构遗传Elman网络都应用于安钢交流电弧炉的电极预测模型中进行比较.通过基于安钢现场数据的计算机仿真实验表明:采用变结构遗传Elman网络的数据挖掘算法比BP算法具有更好的动态性能、更快的逼近速度和更高的精度.在此基础上,把建立的模型应用于安钢电极控制系统的参数整定,取得了良好的控制效果

为进一步提高带钢热连轧厚控精度及控制品质,在液压活套的工作点附近,考虑带钢自重、液压伺服系统和活套本身的非线性,建立了液压活套系统的非线性多变量动态数学模型,并验证了该模型的有效性.针对该模型,考虑未建模动态和各种扰动,提出了一种基于反推控制和扩张状态观测器(ESO)补偿的解耦控制方法.用Lyapunov稳定理论证明了闭环系统是鲁棒稳定的.仿真表明新的模型和解耦控制方法都是有效的

将BP神经网络建模方法与预测控制思想相结合用于宽带钢板形自动控制,研究并建立了基于BP神经网络的板形预测控制数学模型.经用宝钢1420mm冷轧实测数据仿真验证表明该模型具有很高的预测精度

采用二分搜索等温等压分子动力学方法和EAM (embeddedatommethod)势,对单质铜的平衡熔点进行计算,研究了不同时间步长对模拟计算结果的影响.结果表明:时间步长越小,熔点计算结果越接近实验值;当时间步长小于0·05fs后,进一步减小时间步长,熔点计算结果在计算精度范围内没有变化

以恒应变速率凸轮压缩试验机得到的实验数据为基础,采用人工神经网络的方法建立了碳钢变形抗力与应变、应变速率及温度对应关系的预测模型,与多元非线性回归模型比较,神经网络模型具有较高的预测精度

针对二维热传导问题,提出了时间为三阶、空间为二阶的无条件稳定的ETF-FDS-MG算法(Extended Trapezoidal Formula Finite Difference Scheme Multigrid),分析了其精度和稳定性,证明了其收敛性.数值分析实例说明ETF-FDS-MG算法的计算效率优于前人的FE-MG(有限元-多重网格)算法

提出了一种用于加工功能梯度材料零件的路径扫描算法.首先将功能梯度材料零件进行分层处理,把每一层片内连续分布的材料离散为若干个材料均匀分布的子区域,再对每个子区域分别加工从而实现一定精度要求下功能梯度材料零件的加工制造.给出了路径规划实例,验证了路径扫描算法的正确性

基于金属体积非压缩性原理建立了锥形管连续无模拉拔速度控制模型,分析了无模拉拔变形过程中拉拔速度等工艺参数对变形区体积以及锥形管形状和尺寸的影响,并进行了实验验证.结果表明:拉拔速度不仅与进料速度、坯料尺寸、拉拔后锥形管的形状和尺寸有关,还与冷热源距离等工艺参数有关;拉拔速度随时间呈非线性增加;随着拉拔速度的增大,变形区的体积减小;冷热源距离越长、进料速度越大,变形区体积变化越大;当速比一定时,减小进料速度、增大冷热源距离,可以减小锥形管形状和尺寸误差、提高控制精度

实现工作辊热辊形的在线预报是板形控制的难题之一.采用一维有限差分方法建立了工作辊热辊形在线计算模型,并利用该模型计算了热轧过程中和下机后任意时刻工作辊温度场及其热辊形.仿真和在线应用结果表明,此在线模型计算速度快,精度高,能满足板形在线过程控制的需要