采用热挤压和冷轧工艺生产HR3C无缝钢管，金属冷成型过程和成品性能均表明热挤压加冷轧工艺生产高合金难变形材料具有明显优势.热挤压加工变形时金属承受三向压应力，可以提高金属的综合性能；通过冷轧加工改善管材表面质量和尺寸精度，可以确保材料在特殊环境中使用安全性更高

变形回弹作为金属板料成形的主要缺陷之一,如何提高变应变路径条件下的回弹预测精度一直是研究者们面临的难题.本文针对镁合金变形特点,提出了同时考虑同向硬化、动态硬化和屈服圆畸变的本构模型.以0.8 mm厚AZ31B镁合金板料为研究对象,施加不同预拉伸后进行弯曲变形试验,观察了不同预变形对回弹规律的影响.同时结合有限元分析ABAQUS-Explicit (Vumat)和ABAQUS-Implicit (Umat)对板料的变形及回弹过程进行模拟仿真,对比试验与模拟结果,验证动态硬化对于镁合金板料变形回弹的重要影响

传统人群搜索(SOA)算法通过计算搜索方向、搜索步长和搜寻更新个体位置三个步骤进行寻优.它的缺点在于计算量大,种群之间信息交流少,导致寻优速度慢.针对人群搜索算法存在的缺点,本文提出二项交叉算子改进人群搜索算法(BCOISOA)对其改进.在计算搜索步长方面,本文采用随机数与最大函数值位置乘积判断子群位置,进而提高全局寻优计算速率.在更新位置方面,本文提出二项交叉算子加强种群之间的联系,避免在更新搜索方向过程中,算法因局部最优而导致过早收敛,进而达到快速、准确寻找最优解的目的.本文将以上二项交叉算子改进人群搜索-BP神经网络算法应用在二段式磨矿过程中,实现磨矿粒度在线软测量.仿真结果表明,与人群搜索算法和粒子群算法进行比较,二项交叉算子改进人群搜索算法收敛速度更快,预测精度最高,满足对磨矿粒度实时检测的要求

回声状态网络是近年来新兴的一种递归神经网络,独特而简单的训练方式以及高精度的训练结果已使其成为当前研究的热点之一.在该网络中,引入了储备池计算模式这一新的神经网络的建设方案,克服了之前网络模型基于梯度下降的学习算法所难以避免的收敛慢和容易陷入局部极小等问题.围绕这种新型网络结构,国内外许多学者开展了多样的研究.本文全面深入介绍了回声状态网络这一新兴技术,讨论了回声状态网络的优缺点,并综合近年的研究现状,总结了回声状态网络的主要研究工作进展和未来的研究方向

本文旨在研究夹杂-细晶粒区-鱼眼诱发疲劳失效的超长寿命预测模型.基于Cr-Ni-W合金钢疲劳试验结果,结合局部应力-寿命法和位错-能量法,分别构建了局部裂纹萌生寿命模型(LCIL)和考虑夹杂及细晶粒区影响的裂纹萌生寿命模型(IFCIL),并与Tanaka-Mura模型(T-M)进行了对比分析.其次,分别对细晶粒区内的小裂纹扩展行为和细晶粒区外鱼眼内的长裂纹扩展行为进行建模,最终形成了包含裂纹萌生和扩展在内的全寿命预测模型.结果表明,考虑夹杂及细晶粒区影响的裂纹萌生寿命模型(IFCIL)有较高的预测精度;对应细晶粒区的裂纹萌生寿命几乎等同于全寿命;裂纹扩展寿命仅占据全寿命很小的一部分;预测结果全部处于2倍偏差以内,即全寿命模型可有效地用于夹杂-细晶粒区-鱼眼诱发失效的超长寿命预测

采用凸轮式高速形变试验机,压缩端面上带凹槽并在凹槽里充满不同软化温度的玻璃粉作润滑剂的圆柱形试件的方法,其变形温度为850—1150℃,变形速度为5—80S-1,变形程度为Ln(h0/h1)=0—0.6931。对40MnB等四个合金结构钢进行高温高速下塑性变形阻力实验研究。本文不仅提供了40MnB变形阻力计算图表,而且对目前常用变形温度对变形阻力的影响项具有两种不同结构型式的拟合曲线采用非线性回归进行分析比较,提出了拟合精度较高的变形阻力数学模型

水分是影响铁矿混合料制粒、烧结的重要因素.研究结果表明,随着制粒水分增加,制粒后混合料中细粒级颗粒含量减少,平均粒径增大,透气性迅速提高但随后增幅放缓或有所下降.透气性增幅达到缓和的水分点可作为适宜制粒水分的判据,且烧结速度在适宜制粒水分时达到最大值.通过筛分分级的方法将混合料分成-0.5 mm的黏附粉和+0.5 mm的核颗粒,并检测核颗粒的比例X+0.5,通过饱和吸水法检测黏附粉的最大毛细水量Wp,通过离心法检测核颗粒的持水量Wc,另外根据数学模型W=X+0.5·Wc+0.72(1-X+0.5)·Wp预测适宜的制粒水分.适宜制粒水分绝对误差为±0.3%的情况下预测准确率可达93.3%,能满足混合料适宜制粒水分预测对精度的要求

浮选回收率是金矿选矿过程重要的生产指标，目前主要是通过人工化验的方法检测获得，人工检测周期较长，造成金矿厂不能及时把握浮选工艺水平.在大量现场生产数据的基础上，分别采用多元线性回归和BP神经网络的方法，建立了金矿厂浮选回收率的预测模型.预测误差分析表明，BP神经网络预测模型能较好地预测金矿厂的浮选回收率，当预测相对误差在±3%范围内时，模型的预测精度达到91%，对于实际生产具有良好的参考作用

利用K均值聚类和增量学习算法扩大训练样本规模,提出一种改进的mRMR SBC.一方面,利用K均值聚类预测测试样本的类标签,将已标记的测试样本添加到训练集中,并在属性选择过程中引入一个调节因子以降低K均值聚类误标记带来的风险.另一方面,从测试样本集中选择有助于提高当前分类器精度的实例,把它加入到训练集中,来增量地修正贝叶斯分类器的参数.实验结果表明,与mRMR SBC相比,所提方法具有较好的分类效果,适于解决高维且含有较少类标签的数据集分类问题

汇场法已被证明是一种可行的理论方法。本文进一步研究了它对平面异形拉深零件外形的自动处理,绘出了自动绘制出的异形件毛料外形,用拉深实验检验了汇场法自动确定的几件典型零件毛料外形。在此基础上,提出了汇场法对设置拉深凸埂的指导作用,同时指出汇疡法确定毛料外形的精度可通过汇强的调整来改善