点击切换搜索课件文库搜索结果(675)
文档格式:PDF 文档大小:554.33KB 文档页数:7
采用恒应变速率的凸轮式高速形变试验机,测定了低碳含铌高强度钢在热轧变形条件下的流动应力。变形条件为:变形温度750~1150℃;应变率0. 06~0.69;应变速率5~80s-1钢中铌含量0%~0.12%。分析了铌含量、变形温度、应变率和应变速率对流动应力的影响。所建立的数学模型具有较高的拟合精度,实验建立的流动应力数学模型可供工程计算以及轧钢生产计算机控制使用
文档格式:PDF 文档大小:872.94KB 文档页数:6
以缩小连铸二冷区板坯表面实际温度和目标温度的差异为目标,建立了板坯连铸二次冷却智能控制模型.该模型采用支持向量机(SVM)实现板坯表面目标温度的动态设定,采用对角递归神经网络(DRNN)实现板坯表面温度的预测,采用T-S模糊递归神经网络实现二次冷却水动态调整与分配.通过对某钢厂板坯连铸过程进行仿真计算和现场试验,结果表明:该模型将二次冷却水水量控制问题与板坯在冷却过程中的温度状态相结合,实现了连铸二次冷却动态优化控制,有利于提高板坯的质量
文档格式:PDF 文档大小:752.41KB 文档页数:6
为确保提高连铸板坯铸坯内部质量,开发了一套完整的轻压下模型,包括凝固传热、二冷水动态控制和辊缝控制模型,并对动态轻压下技术的关键参数进行了优化.通过射钉实验和铸坯表面温度测量,对该模型进行了校核.实验结果与模型计算结果较为一致;当拉速变化时,铸坯表面温度可以保证在较小的范围内波动.采用不同的轻压下参数进行生产试验,并通过铸坯低倍检验和中心偏析分析,对压下量和压下位置进行了优化,得出固相率(fs)0.2~0.5、单位压下量1.2mm·m-1为本铸机最佳的轻压下参数
文档格式:PDF 文档大小:567.86KB 文档页数:4
通过双道次压缩实验,在Gleeble1500热模拟试验机上研究了X70管线钢在不同变形工艺下奥氏体的软化行为,分析了不同变形温度、间隔时间、应变速率、变形量及初始奥氏体晶粒尺寸等参数对静态再结晶行为的影响规律,采用应力补偿法计算了不同变形条件下的静态再结晶百分率.根据实验数据,计算出X70管线钢静态再结晶激活能为435.3kJ·mol-1,建立了其静态再结晶动力学模型
文档格式:PDF 文档大小:913.99KB 文档页数:5
采用Gleeble-1500热模拟机,对原位反应喷射成形7075+TiC铝合金进行半固态压缩变形,通过扫描电镜观察其变形后纵横截面的组织,用Imagetool软件及平均截线法统计晶粒尺寸.研究表明,晶粒尺寸随着变形温度的升高而增大,对应580-620℃的变形温度,晶粒尺寸分布范围为10-21μm;当变形温度为610℃,变形速率为1 s-1时,合金表现出良好的半固态触变成形性能
文档格式:PDF 文档大小:778KB 文档页数:6
通过喷嘴性能测试、重熔凝固冷却实验和计算机仿真软件计算,研究了攀钢不同断面板坯角部冷却情况对铸坯角部横裂纹的影响.研究表明:对于1160、1080和1250mm三个断面尺寸的铸坯,较强的冷却使角部温度较早低于A3温度,矫直前沿奥氏体晶界形成大量膜状先共析铁素体,矫直时容易沿奥氏体晶界形成角部横裂纹.为解决角部横裂纹问题,通过改变铸坯表层组织来控制铸坯角部横裂纹的产生,并将其应用于攀钢现场生产
文档格式:PDF 文档大小:567.59KB 文档页数:6
基于环形件轧制理论以及轧制过程中金属体积不变规律,确定了高颈法兰封闭轧制毛坯的设计原则以及工艺参数的极限范围.通过有限元仿真模拟了高颈法兰封闭轧制成形过程,研究了工艺参数对轧制产品质量以及力能参数的影响规律,并确定了本文所研究高颈法兰的最优工艺参数.在D51-450型轧环机上采用自行设计的模具进行了轧制试验,并将试验结果与有限元模拟结果进行对比分析,验证了仿真结果的可靠性
文档格式:PDF 文档大小:435.96KB 文档页数:5
介绍了工业微机在带钢热连轧分布计算机控制系统中作为过程自动化控制机的应用。给出了控制系统结构、应用系统结构设计和任务动态调度策略及系统资源分配原则
文档格式:PDF 文档大小:626.02KB 文档页数:7
提出了一种采用LabVIEW并行运算提高传统遗传算法计算速度的方法,可实现多核计算机多线程的同时运算,从而大幅度提高运算效率.Ni-Ti合金线材无模拉拔初始阶段拉拔速度路径优化结果表明,在八核计算机上采用基于LabVIEW的多线程并行运算程序,与基于文本编程的MATLAB运算程序相比,前者运算时间仅为后者的1/8左右.Ni-Ti合金线材无模拉拔实验结果表明,采用本文智能优化后的拉拔速度路径,可使线材直径波动长度缩短至24 mm,远小于线性或S线型路径的最小直径波动长度
文档格式:PDF 文档大小:410.1KB 文档页数:4
提出了一种基于聚类的支持向量机增量学习算法.先用最近邻聚类算法将训练集分成具有若干个聚类子集,每一子集用支持向量机进行训练得出支持向量集;对于新增数据首先聚类到相应的子集,然后计算其与聚类集内的支持向量之间的距离,给每个训练样本赋以适当的权重;而后再建立预估模型.此算法通过钢材力学性能预报建模的工业实例研究,结果表明:与标准的支持向量回归算法相比,此算法在建模过程中不仅支持向量个数明显减少,而且模型的精度也有所提高
首页上页4950515253545556下页末页
热门关键字
搜索一下,找到相关课件或文库资源 675 个  
©2008-现在 cucdc.com 高等教育资讯网 版权所有